本发明公开了一种基于相关熵和浅层神经网络的半导体过程数据矫正方法，包括：(1)采集与待矫正变量对应的过程变量传感器的输出信号；(2)将每个变量输入建立好的浅层神经网络模型，逐层提取变量的相关性信息，各层输出通过函数传递；收集模型最后一层的变量输出，并与输入变量对比，建立回归模型；(3)保存当前模型的参数权重，计算最终目标函数值，若不满足停止条件，更新参数权重并重复步骤(2)，直至达到停止条件；(4)更改网络层数，重复步骤(2)至(3)，直到达到最大网络层数；(5)选择得到矫正结果最好的网络层数；保存各层参数，对新的待矫正数据进行计算并获得矫正值。利用本发明，能够获取更低误差的数据矫正结果。