論文の概要: Neural Quality Estimation with Multiple Hypotheses for Grammatical Error
Correction
- arxiv url: http://arxiv.org/abs/2105.04443v1
- Date: Mon, 10 May 2021 15:04:25 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-11 15:01:19.483375
- Title: Neural Quality Estimation with Multiple Hypotheses for Grammatical Error
Correction
- Title(参考訳): 文法的誤り訂正のための複数の仮説を用いた神経質推定
- Authors: Zhenghao Liu, Xiaoyuan Yi, Maosong Sun, Liner Yang and Tat-Seng Chua
- Abstract要約: 文法的誤り訂正(GEC)は、誤りの訂正と言語学習者の書き方の改善を支援することを目的としている。
既存のGECモデルは、激しい修正や多くのエラーの検出に失敗する傾向があります。
本稿では,複数の仮説を用いたGEC品質評価のためのニューラル検証ネットワーク(VERNet)を提案する。
- 参考スコア(独自算出の注目度): 98.31440090585376
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Grammatical Error Correction (GEC) aims to correct writing errors and help
language learners improve their writing skills. However, existing GEC models
tend to produce spurious corrections or fail to detect lots of errors. The
quality estimation model is necessary to ensure learners get accurate GEC
results and avoid misleading from poorly corrected sentences. Well-trained GEC
models can generate several high-quality hypotheses through decoding, such as
beam search, which provide valuable GEC evidence and can be used to evaluate
GEC quality. However, existing models neglect the possible GEC evidence from
different hypotheses. This paper presents the Neural Verification Network
(VERNet) for GEC quality estimation with multiple hypotheses. VERNet
establishes interactions among hypotheses with a reasoning graph and conducts
two kinds of attention mechanisms to propagate GEC evidence to verify the
quality of generated hypotheses. Our experiments on four GEC datasets show that
VERNet achieves state-of-the-art grammatical error detection performance,
achieves the best quality estimation results, and significantly improves GEC
performance by reranking hypotheses. All data and source codes are available at
https://github.com/thunlp/VERNet.
- Abstract(参考訳): 文法的誤り訂正(GEC)は、誤りの訂正と言語学習者の書き方の改善を目的としている。
しかし、既存のgecモデルは、スプリアスな修正や大量のエラーの検出に失敗する傾向がある。
品質推定モデルは、学習者が正確なgec結果を得るのを保証し、不正確な文からの誤解を避けるために必要である。
十分に訓練されたGECモデルは、ビームサーチのような復号化によっていくつかの高品質な仮説を生成できる。
しかし、既存のモデルは異なる仮説によるgecの証拠を無視している。
本稿では,複数の仮説を用いたGEC品質評価のためのニューラルネットワーク(VERNet)を提案する。
vernetは推論グラフと仮説間の相互作用を確立し、gecの証拠を伝播して生成仮説の品質を検証する2種類の注意機構を行う。
GECデータセットの4つの実験により、VERNetは最先端の文法的誤り検出性能を達成し、最高の品質推定結果を得た。
すべてのデータとソースコードはhttps://github.com/thunlp/VERNetで入手できる。
関連論文リスト
- Grammatical Error Correction via Mixed-Grained Weighted Training [68.94921674855621]
文法的誤り訂正(英: Grammatical Error Correction, GEC)は、自然文における文法的誤りを自動的に補正することを目的としている。
MainGECは、データアノテーションの正確性と潜在的な多様性の固有の相違に基づいて、トークンレベルおよび文レベルトレーニングウェイトを設計する。
論文 参考訳(メタデータ) (2023-11-23T08:34:37Z) - System Combination via Quality Estimation for Grammatical Error
Correction [29.91720235173108]
本稿では,修正文の品質をよりよく推定する,最新の品質評価モデルであるGRECOを提案する。
また,GECの品質推定モデルを用いて,システムの組み合わせを多種多様な一般性で評価する手法を提案する。
論文 参考訳(メタデータ) (2023-10-23T13:46:49Z) - RobustGEC: Robust Grammatical Error Correction Against Subtle Context
Perturbation [64.2568239429946]
本稿では,GECシステムのコンテキストロバスト性を評価するためのベンチマークであるRobustGECを紹介する。
現状のGECシステムには, 文脈摂動に対する十分な堅牢性がないことが明らかとなった。
論文 参考訳(メタデータ) (2023-10-11T08:33:23Z) - Diversity-enhancing Generative Network for Few-shot Hypothesis
Adaptation [135.80439360370556]
本稿では,FHA問題に対する多様性向上型生成ネットワーク(DEG-Net)を提案する。
カーネル独立対策(Hilbert-Schmidt independent criterion、HSIC)の助けを借りて、さまざまなラベルのないデータを生成することができる。
論文 参考訳(メタデータ) (2023-07-12T06:29:02Z) - FCGEC: Fine-Grained Corpus for Chinese Grammatical Error Correction [6.116341682577877]
近年,文法的誤り訂正 (GEC) が自動修正・校正システムに広く応用されている。
文法的誤りを検出し,特定し,修正するための微粒なコーパスである FCGEC を提案する。
論文 参考訳(メタデータ) (2022-10-22T06:29:05Z) - Proficiency Matters Quality Estimation in Grammatical Error Correction [30.31557952622774]
本研究では, 文法的誤り訂正(GEC)の教師付き品質推定(QE)モデルが, 学習者の習熟度に与える影響について検討した。
論文 参考訳(メタデータ) (2022-01-17T03:47:19Z) - ErAConD : Error Annotated Conversational Dialog Dataset for Grammatical
Error Correction [30.917993017459615]
本稿では,オープンドメイン会話から抽出した新しい並列文法誤り訂正データセットを提案する。
このデータセットは、私たちの知る限り、会話の設定をターゲットにした最初のECCデータセットです。
データセットの有用性を実証するために、アノテーション付きデータを用いて最先端のECCモデルを微調整する。
論文 参考訳(メタデータ) (2021-12-15T20:27:40Z) - 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 Correction as GAN-like Sequence Labeling [45.19453732703053]
本稿では,Gumbel-Softmaxサンプリングをジェネレータとする文法的誤り検出器と文法的誤り検出器とからなるGANライクなシーケンスラベリングモデルを提案する。
いくつかの評価ベンチマークの結果、提案手法は有効であり、従来の最先端のベースラインを改善することが示されている。
論文 参考訳(メタデータ) (2021-05-29T04:39:40Z) - A Self-Refinement Strategy for Noise Reduction in Grammatical Error
Correction [54.569707226277735]
既存の文法的誤り訂正(GEC)のアプローチは、手動で作成したGECデータセットによる教師あり学習に依存している。
誤りが不適切に編集されたり、修正されなかったりする「ノイズ」は無視できないほどある。
本稿では,既存のモデルの予測整合性を利用して,これらのデータセットをデノマイズする自己補充手法を提案する。
論文 参考訳(メタデータ) (2020-10-07T04:45:09Z)
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。