随着移动端设备的高速普及,人们越来越离不开智能设备完成沟通和交流。拼音输入法作为人们日常生活中的重要工具,然而在输入法的使用过程中会不可避免的产生错误输入,针对拼音的拼写纠错极大的影响了输入法用户的使用体验。本文首先对该项目所用到的关键技术进行了分析研究。针对输入法中拼音拼写纠错问题的结构特点,基于Seq2seq模型提出了结合外部信息的神经网络拼音拼写纠错模型。根据键盘上按键转移概率和输入法输入输出之间的对齐关系,改进了纠错模型的损失函数,实现对模型中Attention机制的有监督训练,提升了模型的纠错能力。此外,针对输入法中丰富的先验知识,提出了将先验知识与神经网络相结合的方式对纠错模型进行优化。通过Autoencoder方法获得用户点击位置的向量表达,改进神经网络的输入层,使纠错模型可以有效利用点击位置信息,提升对用户误触导致的错误输入的纠错能力。此外,纠错模型的Decoder部分采用了 Beam Search算法,输出是若干个拼音候选组成的集合。针对集合中的拼音候选存在排序不合理的现象,提出了基于拼音的语言统计特性的重排序模型,使用改进的pairwise算法对拼音候选进行打分,将高质量拼音候选排到候选集合前列,进一步提高了纠错结果的准确性。最后,结合上述模型和算法实现了具有纠错功能的拼音输入法系统,该系统包括用户输入的纠错模型和基于隐马尔可夫模型的汉字向拼音转换模型。最终对整个系统进行了搭建和验证。结果表明,本文提出的基于神经网络的具有纠错功能的拼音输入法模型功能完备且具有强大的纠错能力。本项目中对模型进行的优化和改进能够有效提升输入法用户使用体验,具备实际应用价值。