基于神经强化学习的语法错误纠正
计算与语言
2017-07-04 v1
摘要
我们提出了一种带有强化学习(NRL)的神经编码器-解码器模型，用于语法错误纠正(GEC)。与常规的最大似然估计(MLE)不同，该模型直接优化一个考虑句子级、任务特定评估指标的目标，避免了MLE中的曝光偏差问题。我们证明NRL在人工和自动评估指标上均优于MLE，在面向流畅度的GEC语料库上达到了最先进水平。
引用
@article{arxiv.1707.00299,
title = {Grammatical Error Correction with Neural Reinforcement Learning},
author = {Keisuke Sakaguchi and Matt Post and Benjamin Van Durme},
journal= {arXiv preprint arXiv:1707.00299},
year = {2017}
}