用于儿童早期写作自动反馈的神经机器翻译
计算与语言
2023-11-17 v1 机器学习
摘要
在本工作中，我们解决利用机器学习对早期写作进行自动评估与构建反馈的问题。早期写作因语音化拼写以及缺乏恰当语法、标点、空格等，通常与常规写作大相径庭。因此，使用常见语言度量来分析早期写作极为困难。我们提出使用序列到序列模型将学生的“早期写作”翻译为“常规”写作，从而可对翻译后文本使用语言度量进行分析。此外，我们提出了一种新颖的鲁棒似然以缓解数据集中噪声的影响。我们通过一组数值实验研究了所提方法，并证明能以高准确度预测常规文本。
引用
@article{arxiv.2311.09389,
title = {Neural machine translation for automated feedback on children's early-stage writing},
author = {Jonas Vestergaard Jensen and Mikkel Jordahn and Michael Riis Andersen},
journal= {arXiv preprint arXiv:2311.09389},
year = {2023}
}
备注
9 pages, 1 figure, 1 table, to be published in the proceedings of the Northern Lights Deep Learning Conference 2024