自动语法错误纠正达到人类水平性能：一项实证研究
计算与语言
2018-07-12 v5 人工智能
摘要
神经序列到序列（seq2seq）方法已被证明在语法错误纠正（GEC）中是成功的。基于 seq2seq 框架，我们提出了一种新颖的流畅度提升学习与推断机制。流畅度提升学习在训练期间生成多样化的纠错句子对，使纠错模型从更多实例中学习如何提升句子流畅度，而流畅度提升推断允许模型通过多步推断逐步纠正句子。将流畅度提升学习与推断同卷积 seq2seq 模型结合，我们的方法取得了最先进性能：在 CoNLL-2014 10 标注数据集上 F_{0.5} 为 75.72，在 JFLEG 测试集上 GLEU 为 62.42，成为首个在两个基准上均达到人类水平性能（CoNLL 为 72.58，JFLEG 为 62.37）的 GEC 系统。
引用
@article{arxiv.1807.01270,
title = {Reaching Human-level Performance in Automatic Grammatical Error Correction: An Empirical Study},
author = {Tao Ge and Furu Wei and Ming Zhou},
journal= {arXiv preprint arXiv:1807.01270},
year = {2018}
}
备注
Substantial text overlap with "Fluency Boost Learning and Inference for Neural Grammatical Error Correction" (accepted by ACL 2018)