FCGEC: مجموعه بيانات دقيقة لتصحيح الأخطاء النحوية في اللغة الصينية

تصحيح الأخطاء النحوية (GEC) تم تطبيقه على نطاق واسع في أنظمة التصحيح والتدقيق التلقائي مؤخرًا. ومع ذلك، لا يزال غير ناضج في تصحيح الأخطاء النحوية للصينية بسبب نقص البيانات عالية الجودة من المتحدثين الأصليين من حيث الفئات والمقياس. في هذا البحث، نقدم FCGEC، وهو مجمع بيانات دقيق للكشف عن تحديد وتقويم الأخطاء النحوية. يتكون FCGEC من 41,340 جملة تم جمعها بشكل أساسي من أسئلة الاختيار المتعدد في امتحانات اللغة الصينية للمدارس العامة، وهو مجمع بيانات تم توثيقه بمشاركة البشر ويحتوي على العديد من المراجع. بالإضافة إلى ذلك، نقترح نموذج أساس Switch-Tagger-Generator (STG) لتصحيح الأخطاء النحوية في بيئات ذات موارد محدودة. بالمقارنة مع نماذج المعايير الأخرى لتصحيح الأخطاء النحوية، توضح النتائج التجريبية أن STG يتفوق عليها في FCGEC الخاص بنا. ومع ذلك، لا يزال هناك فارق كبير بين نماذج المعايير والبشر يشجع على تطوير نماذج مستقبلية لتضييق هذا الفارق.