@进行中{xu-etal-2019错误,title=“语法错误更正的错误数据生成”,author=“Xu、Shuyao和张洁浩和陈、金和秦,龙”,editor=“Yannakoudakis、Helen和科奇马、叶卡捷琳娜和莱科克、克劳迪娅和Madnani、Nitin和Pil{\'a}n、Ildik{\'o}和托尔斯滕·泽施”,booktitle=“创新使用NLP构建教育应用程序第十四次研讨会论文集”,月=八月,年份=“2019”,address=“意大利佛罗伦萨”,publisher=“计算语言学协会”,url=“https://aclantology.org/W19-4415”,doi=“10.18653/v1/W19-4415”,pages=“149--158”,abstract=“已经证明单语语料库在神经语法纠错(GEC)中的应用系统可以显著提高系统性能。之前最先进的神经GEC系统是四个Transformer模型的集合,这些模型是在大量的维基百科编辑上预先训练的。Singsound GEC系统采用了类似的方法,但配备了复杂的错误数据生成组件。我们的系统在BEA 2019共享任务:语法错误更正中实现了66.61的F0:5。使用我们的新型错误数据生成组件,Singsound神经GEC系统在CoNLL-2014基准测试中获得63.2的M2(与之前最先进的系统相比,相对提高了8.4)。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“xu-etal-2019-error”><标题信息><title>语法错误更正的错误数据生成</titleInfo><name type=“personal”>舒耀<namePart type=“given”><namePart type=“family”>徐</namePart><角色>作者</角色></name><name type=“personal”>杰浩<namePart type=“family”>张<角色>作者</角色></name><name type=“personal”>Jin(金)<namePart type=“family”>陈</namePart><角色>作者</角色></name><name type=“personal”>长<namePart type=“given”>秦<角色>作者</角色></name><originInfo>发布日期:2019-08发布日期:</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>第十四届创新使用NLP构建教育应用研讨会论文集</titleInfo><name type=“personal”>海伦Yannakoudakis<角色>编辑器</角色></name><name type=“个人”>叶卡捷琳娜科赫马尔<角色>编辑器</角色></name><name type=“personal”>克劳迪娅莱科克<角色>编辑器</角色></name><name type=“personal”><namePart type=“given”>尼汀</namePart>马德纳尼<角色>编辑器</角色></name><name type=“personal”>Ildikó皮兰<角色>编辑器</角色></name><name type=“personal”>托尔斯滕Zesch公司<角色>编辑器</角色></name><originInfo>计算语言学协会<位置><placeTerm type=“text”>意大利佛罗伦萨</placeTerm></place></originInfo>会议出版物</relatedItem>已经证明,在神经语法纠错(GEC)系统中使用单语语料库可以显著提高系统性能。之前最先进的神经GEC系统是在大量维基百科编辑上预训练的四个Transformer模型的集合。Singsound GEC系统采用了类似的方法,但配备了复杂的错误数据生成组件。我们的系统在BEA 2019共享任务:语法错误更正中实现了66.61的F0:5。使用我们的新型错误数据生成组件,Singsound神经GEC系统在CoNLL-2014基准上的M2为63.2(比之前的最先进系统相对提高8.4%)</摘要>xu-etal-2019-错误10.18653/v1/W19-4415<位置><网址>https://acl选集.org/W19-4415</url></位置><部分><date>2019-08</date><扩展单元=“page”><开始>149<end>158</end></范围></部分></mods></modsCollection>
%0会议记录%用于语法错误更正的错误数据生成%阿旭、舒瑶%张洁%阿晨,金%阿琴,龙%Y Yannakoudakis,海伦%叶卡捷琳娜·Y·科奇马尔%克劳迪娅·利科克%Y Madnani,尼廷%Y Pilán,Ildikó%托尔斯滕·泽施%创新使用NLP构建教育应用程序第十四次研讨会论文集%D 2019年%8月8日%I计算语言学协会%C意大利佛罗伦萨%Fxu-etal-2019错误%已经证明,在神经语法纠错(GEC)系统中使用单语语料库可以显著提高系统性能。之前最先进的神经GEC系统是四个Transformer模型的集合,这些模型是在大量的维基百科编辑上预先训练的。Singsound GEC系统采用了类似的方法,但配备了复杂的错误数据生成组件。我们的系统在BEA 2019共享任务:语法错误更正中实现了66.61的F0:5。使用我们的新型错误数据生成组件,Singsound神经GEC系统在CoNLL-2014基准上的M2为63.2(比之前的最先进系统相对提高8.4%)。%10.18653/v1/W19-4415兰特%U型https://acl选集.org/W19-4415%U型https://doi.org/10.18653/v1/W19-4415%电话149-158
降价(非正式)
[语法错误更正的错误数据生成](https://aclantology.org/W19-4415)(Xu等人,BEA 2019)
国际计算语言学协会
- 徐淑瑶、张杰浩、金晨、龙琴。2019用于语法错误更正的错误数据生成.英寸创新使用NLP构建教育应用程序第十四次研讨会会议记录,第149-158页,意大利佛罗伦萨。计算语言学协会。