論文の概要: STAGEET: Stage-wise Typed Edit Tagging for Grammatical Error Correction with Arabic as a Case Study

• arxiv url: http://arxiv.org/abs/2608.28614v1
• Date: Thu, 23 Jul 2026 14:03:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 14:48:16.080154
• Title: STAGEET: Stage-wise Typed Edit Tagging for Grammatical Error Correction with Arabic as a Case Study
• Title（参考訳）: STAGEET:アラビア語による文法的誤り訂正のための段階的型付け編集
• Abstract要約: 本稿では,Seq2Edit の監督を型付け可能なステージに再編成する,ステージワイドな編集タグ付けフレームワーク STAGEET を提案する。 STAGEETは、修正を中粒型ステージの順序付けられたシーケンスに分解する。 QALB-2014とZAEBUCの実験は、カテゴリー対応のステージ修正が競合編集に基づくGCC性能を維持していることを示している。
• 参考スコア（独自算出の注目度）: 0.08594140167290099
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sequence-to-edit approaches make grammatical error correction (GEC) efficient and locally interpretable by predicting edit labels over the input rather than generating a full corrected sentence. Their interpretability, however, is primarily operational: a label specifies how the string should change, but a single edit vocabulary does not always reveal the type of correction being made. We propose STAGEET, a stage-wise typed edit-tagging framework that reorganizes Seq2Edit supervision into typed executable stages and extends edit operations to correction categories. STAGEET decomposes correction into an ordered sequence of medium-grained typed stages; each stage predicts from its own label space, rewrites the current hypothesis once, and passes the resulting intermediate sentence to the next stage. We instantiate the framework as both an end-to-end shared-encoder multi-head model with stage-specific adapters and a fully specialized variant with one independent tagger per stage. Experiments on QALB-2014 and ZAEBUC show that category-aware staged correction retains competitive edit-based GEC performance while exposing a more inspectable correction trajectory, and attains state-of-the-art results on QALB-2014.
• Abstract（参考訳）: シーケンス・トゥ・エディット・アプローチは、完全修正文を生成するのではなく、入力上の編集ラベルを予測することにより、文法的誤り訂正(GEC)を効率的かつ局所的に解釈できる。 ラベルは文字列をどのように変更すべきかを指定するが、単一の編集語彙は、常に修正のタイプを明らかにするとは限らない。 本稿では,Seq2Editの監督を型付き実行ステージに再編成し,編集操作を修正カテゴリに拡張する,ステージワイドな編集タグ付けフレームワークSTAGEETを提案する。 STAGEETは、修正を順序づけられた中粒の型付きステージに分解し、各ステージは自身のラベル空間から予測し、現在の仮説を一度書き直し、その結果の中間文を次のステージに渡す。 我々は、このフレームワークを、ステージ固有のアダプタを備えたエンドツーエンドの共有エンコーダマルチヘッドモデルと、ステージ毎に1つの独立したタグ付き完全特殊版の両方としてインスタンス化する。 QALB-2014とZAEBUCの実験は、カテゴリー対応のステージ修正は、より検査可能な修正軌道を露出させながら、競争的な編集ベースのECC性能を維持し、QALB-2014の最先端結果が得られることを示した。

関連論文リスト

• Scoring Edit Impact in Grammatical Error Correction via Embedded Association Graphs [12.608012136037997]
  文法的誤り訂正(英: Grammatical Error Correction, GEC)は、誤り文を修正するための一連の編集を生成するシステムである。 これらの編集の質は、典型的には人間のアノテーションに対して評価される。 最近のメタ評価アプローチは、複数の参照にまたがって人間の判断に依存するが、大規模なデータセットにスケールすることは困難である。 本稿では,GECシステムによる編集の重要性を自動的に見積もる新しいタスク,Scoring Edit Impact in GECを提案する。
  論文  参考訳（メタデータ） (2026-04-08T01:37:59Z)
• REACT: Representation Extraction And Controllable Tuning to Overcome Overfitting in LLM Knowledge Editing [42.89229070245538]
  本稿では,正確かつ制御可能な知識編集のためのフレームワークであるREACTを紹介する。 最初の段階では、調整された刺激を用いて、潜在的な事実表現を抽出する。 第2段階では,大小スカラーのベクトルを用いて,制御可能な摂動を隠蔽状態に適用する。
  論文  参考訳（メタデータ） (2025-05-25T01:57:06Z)
• Chinese Spelling Correction as Rephrasing Language Model [63.65217759957206]
  文中のスペル誤りを検知し,訂正することを目的とした中国語スペル補正(CSC)について検討する。 現在の最先端の手法は、CSCをシーケンスタギングタスクと文対上の細いBERTベースのモデルとみなしている。 本稿では,文字から文字へのタグ付けではなく,追加のスロットを埋め込むことで文全体を言い換える言語モデル(ReLM)を提案する。
  論文  参考訳（メタデータ） (2023-08-17T06:04:28Z)
• Hierarchical Character Tagger for Short Text Spelling Error Correction [27.187562419222218]
  短文スペル誤り訂正のための階層的文字タガーモデル(HCTagger)を提案する。 文字レベルの事前訓練された言語モデルをテキストエンコーダとして使用し、文字レベルの編集を予測して、元のテキストをエラーのない形式に変換し、ラベル空間をはるかに小さくする。 2つの公開ミススペル補正データセットの実験では、HCTaggerは既存のモデルよりも正確ではるかに高速なアプローチであることが示されている。
  論文  参考訳（メタデータ） (2021-09-29T08:04:34Z)
• Tail-to-Tail Non-Autoregressive Sequence Prediction for Chinese Grammatical Error Correction [49.25830718574892]
  本稿では,Tail-to-Tail (textbfTtT) という新しいフレームワークを提案する。 ほとんどのトークンが正しいので、ソースからターゲットに直接転送でき、エラー位置を推定して修正することができる。 標準データセット、特に可変長データセットに関する実験結果は、文レベルの精度、精度、リコール、F1-Measureの観点からTtTの有効性を示す。
  論文  参考訳（メタデータ） (2021-06-03T05:56:57Z)
• Improving the Efficiency of Grammatical Error Correction with Erroneous Span Detection and Correction [106.63733511672721]
  ESD(Eroneous Span Detection)とESC(Eroneous Span Correction)の2つのサブタスクに分割することで、文法的誤り訂正(GEC)の効率を改善するための言語に依存しない新しいアプローチを提案する。 ESDは、効率的なシーケンスタグ付けモデルを用いて文法的に誤りテキストスパンを識別する。ESCは、Seq2seqモデルを利用して、注釈付き誤字スパンの文を入力として取り、これらのスパンの修正テキストのみを出力する。 実験の結果,提案手法は英語と中国語のGECベンチマークにおいて従来のセク2seq手法と同等に動作し,推論に要するコストは50%以下であった。
  論文  参考訳（メタデータ） (2020-10-07T08:29:11Z)
• Seq2Edits: Sequence Transduction Using Span-level Edit Operations [10.785577504399077]
  Seq2Editsは自然言語処理(NLP)タスクのシーケンス編集のためのオープン語彙のアプローチである。 我々は5つのNLPタスク(テキスト正規化、文融合、文分割と言い換え、テキスト単純化、文法的誤り訂正)における手法を評価する。 文法的誤り訂正では,全列モデルと比較して最大5.2倍の速度で推論を高速化する。
  論文  参考訳（メタデータ） (2020-09-23T13:28:38Z)
• Towards Minimal Supervision BERT-based Grammar Error Correction [81.90356787324481]
  我々は、事前訓練された言語モデルからコンテキスト情報を取り入れて、アノテーションを活用し、多言語シナリオの恩恵を得ようとしている。 その結果、文法的誤り訂正タスクにおいて、変換器(BERT)からの双方向表現の強い可能性を示す。
  論文  参考訳（メタデータ） (2020-01-10T15:45:59Z)

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。