基于短语的机器翻译是自动语法错误纠正的最先进方法
计算与语言
2016-10-06 v2
摘要
在这项工作中，我们研究针对M^2指标的参量调优，M^2是自动语法错误纠正（GEC）任务的标准指标。在将M^2实现为Moses调参框架中的打分器后，我们研究了稠密与稀疏特征、不同优化器以及针对CoNLL-2014共享任务的调优策略之间的相互作用。我们注意到用M^2优化稀疏特征权重时的不稳定行为，并提供了部分解决方案。我们发现，一个带有任务特定参量调优的准系统基于短语的统计机器翻译（SMT）设置，在相同公开可用数据上训练，却大幅优于CoNLL-2014测试集上所有先前发表的结果（M^2达到46.37%，而之前带有神经特征的SMT系统为41.75%）。我们新引入的稠密与稀疏特征扩大了这一差距，并将最先进水平提升至49.49% M^2。
引用
@article{arxiv.1605.06353,
title = {Phrase-based Machine Translation is State-of-the-Art for Automatic Grammatical Error Correction},
author = {Marcin Junczys-Dowmunt and Roman Grundkiewicz},
journal= {arXiv preprint arXiv:1605.06353},
year = {2016}
}
备注
Accepted for publication at EMNLP 2016