論文の概要: Classifying Syntactic Errors in Learner Language

• arxiv url: http://arxiv.org/abs/2010.11032v2
• Date: Tue, 27 Oct 2020 14:58:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-04 23:59:57.767328
• Title: Classifying Syntactic Errors in Learner Language
• Title（参考訳）: 学習言語における構文誤差の分類
• Authors: Leshem Choshen, Dmitry Nikolaev, Yevgeni Berzak, Omri Abend
• Abstract要約: 本稿では,文の形態的構造が変化した誤りを学習者の言語で分類する手法を提案する。 この手法は確立されたUniversal Dependencies構文表現スキームに基づいて構築され、他のエラー分類システムに補完情報を提供する。
• 参考スコア（独自算出の注目度）: 32.93997096837712
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a method for classifying syntactic errors in learner language, namely errors whose correction alters the morphosyntactic structure of a sentence. The methodology builds on the established Universal Dependencies syntactic representation scheme, and provides complementary information to other error-classification systems. Unlike existing error classification methods, our method is applicable across languages, which we showcase by producing a detailed picture of syntactic errors in learner English and learner Russian. We further demonstrate the utility of the methodology for analyzing the outputs of leading Grammatical Error Correction (GEC) systems.
• Abstract（参考訳）: 本稿では,文の形態的構造が変化した誤りを学習者の言語で分類する手法を提案する。 この手法は確立されたUniversal Dependencies構文表現スキームに基づいて構築され、他のエラー分類システムに補完情報を提供する。 既存の誤り分類法とは異なり,学習者英語と学習者ロシア語の構文的誤りの詳細な図を作成することにより,言語横断に適用できる。 さらに,主要な文法誤り訂正(GEC)システムの出力を解析するための方法論の有用性を示す。

関連論文リスト

• DISCERN: Decoding Systematic Errors in Natural Language for Text Classifiers [18.279429202248632]
  本稿では,テキスト分類器における系統的バイアスを言語説明を用いて解釈するフレームワークであるdisCERNを紹介する。 DISCERNは、2つの大きな言語モデル間の対話ループを用いて、体系的エラーの正確な自然言語記述を反復的に生成する。 本研究では, クラスタを例に挙げるよりも, 言語説明を通して, 系統的バイアスをより効果的に(25%以上相対的に) 効率的に解釈できることを示す。
  論文  参考訳（メタデータ） (2024-10-29T17:04:55Z)
• Interactively Diagnosing Errors in a Semantic Parser [7.136205674624813]
  本稿では,CNLUのための対話型エラー診断システムについて述べる。 モデルベース診断問題として,INLDパイプラインの最初の2段階をキャストする方法を示す。 本システムでは, 合成例における意味的誤りを診断する能力を示す。
  論文  参考訳（メタデータ） (2024-07-08T21:16:09Z)
• Learning Phonotactics from Linguistic Informants [54.086544221761486]
  本モデルでは,情報理論的なポリシーの1つに従って,データポイントを反復的に選択または合成する。 提案モデルでは,情報提供者を問う項目の選択に使用する情報理論のポリシーが,完全教師付きアプローチに匹敵する,あるいはそれ以上の効率性が得られることがわかった。
  論文  参考訳（メタデータ） (2024-05-08T00:18:56Z)
• Understanding and Mitigating Classification Errors Through Interpretable Token Patterns [58.91023283103762]
  容易に解釈可能な用語でエラーを特徴付けることは、分類器が体系的なエラーを起こす傾向にあるかどうかを洞察する。 正しい予測と誤予測を区別するトークンのパターンを発見することを提案する。 提案手法であるPremiseが実際によく動作することを示す。
  論文  参考訳（メタデータ） (2023-11-18T00:24:26Z)
• Enhancing Grammatical Error Correction Systems with Explanations [45.69642286275681]
  文法的誤り訂正システムは、言語誤りを検出し、修正することで、文字によるコミュニケーションを改善する。 本稿では,エビデンスワードと文法的誤り型を付加したデータセットEXPECTを紹介する。 人間の評価により,GECシステムの説明は,訂正提案を受理するか否かを判断する第2言語学習者を支援することができる。
  論文  参考訳（メタデータ） (2023-05-25T03:00:49Z)
• Improving Pre-trained Language Models with Syntactic Dependency Prediction Task for Chinese Semantic Error Recognition [52.55136323341319]
  既存の中国語のテキスト誤り検出は主にスペルと単純な文法的誤りに焦点を当てている。 中国の意味的誤りは、人間が容易に認識できないほど過小評価され、複雑である。
  論文  参考訳（メタデータ） (2022-04-15T13:55:32Z)
• A Syntax-Guided Grammatical Error Correction Model with Dependency Tree Correction [83.14159143179269]
  文法的誤り訂正(英: Grammatical Error Correction, GEC)は、文中の文法的誤りを検出し、訂正するタスクである。 本稿では,依存木の構文知識を利用するためのグラフアテンション機構を採用した構文誘導型GECモデル(SG-GEC)を提案する。 我々は、GECタスクの公開ベンチマークでモデルを評価し、競争結果を得る。
  論文  参考訳（メタデータ） (2021-11-05T07:07:48Z)
• Grammatical Error Generation Based on Translated Fragments [0.0]
  英語の文法的誤り訂正のための大量のトレーニングデータを作成するために,文片のニューラルマシン翻訳を行う。 本手法は,第2言語学習者が犯した誤りをシミュレートすることを目的として,非ネイティブスタイル言語を幅広く生成する。
  論文  参考訳（メタデータ） (2021-04-20T12:43:40Z)
• On the Robustness of Language Encoders against Grammatical Errors [66.05648604987479]
  我々は、非ネイティブ話者から実際の文法的誤りを収集し、これらの誤りをクリーンテキストデータ上でシミュレートするために敵攻撃を行う。 結果,全ての試験モデルの性能は影響するが,影響の程度は異なることがわかった。
  論文  参考訳（メタデータ） (2020-05-12T11:01:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。