利用 N-Best 假设改进一种用于语法错误纠正的 SMT 方法
计算与语言
2016-06-02 v1
摘要
语法错误纠正（GEC）是检测并修正第二语言学习者所写文本中语法错误的任务。用于 GEC 的统计机器翻译（SMT）方法，即将第二语言学习者写的句子翻译为语法正确的句子，已达到最先进的准确率。然而，SMT 方法无法利用全局上下文。本文中，我们提出一种新方法，通过利用 SMT 方法生成的 n-best 假设来提高 GEC 的准确率。具体而言，我们构建一个分类器对 n-best 假设中的编辑操作进行打分。该分类器可用于选择合适的编辑操作或对 n-best 假设重新排序。我们将这些方法应用于一个使用 SMT 方法的最先进 GEC 系统。实验表明，我们的方法在 GEC 基准测试数据集上相比已发表的最佳结果取得了统计显著的准确率提升。
引用
@article{arxiv.1606.00210,
title = {Exploiting N-Best Hypotheses to Improve an SMT Approach to Grammatical Error Correction},
author = {Duc Tam Hoang and Shamil Chollampatt and Hwee Tou Ng},
journal= {arXiv preprint arXiv:1606.00210},
year = {2016}
}
备注
Accepted for presentation at IJCAI-16