神经错误检测模型的辅助目标
计算与语言
2017-07-18 v1 机器学习
神经与进化计算
摘要
我们研究了在用于学习者写作错误检测的神经序列标注方法中，不同辅助目标与训练策略的效用。辅助损失为模型提供额外的语言学信息，使其学习可用于其他目标的通用组合特征。我们的实验表明，在域内数据上使用并行标签训练的联合学习方法比先前最佳的错误检测系统性能更优。尽管所得模型参数数量相同，但附加目标使其能更高效优化并达到更好性能。
引用
@article{arxiv.1707.05227,
title = {Auxiliary Objectives for Neural Error Detection Models},
author = {Marek Rei and Helen Yannakoudakis},
journal= {arXiv preprint arXiv:1707.05227},
year = {2017}
}
备注
The 12th Workshop on Innovative Use of NLP for Building Educational Applications (BEA 2017)