UA-GEC：面向乌克兰语的语法纠错与流畅度语料库
计算与语言
2022-11-09 v2
摘要
我们提出了一个为乌克兰语语法纠错（GEC）和流畅度编辑进行专业标注的语料库。据我们所知，这是首个乌克兰语 GEC 语料库。我们从包括母语者和非母语者在内的多样化贡献者群体中收集了含错误的文本（20,715 个句子）。数据涵盖了广泛的写作领域，从文本聊天、作文到正式写作。专业校对人员对该语料库进行了纠错和标注，涉及流畅度、语法、标点和拼写方面的错误。该语料库可用于开发和评估乌克兰语 GEC 系统。更一般地，它可用于研究多语言和低资源 NLP、形态丰富语言、文档级 GEC 以及流畅度纠正。该语料库公开于 https://github.com/grammarly/ua-gec。
引用
@article{arxiv.2103.16997,
title = {UA-GEC: Grammatical Error Correction and Fluency Corpus for the Ukrainian Language},
author = {Oleksiy Syvokon and Olena Nahorna},
journal= {arXiv preprint arXiv:2103.16997},
year = {2022}
}
备注
See https://github.com/grammarly/ua-gec for the dataset. Version 2 of the data is in progress