{Hwee Tou Ng Shamil Chollampatt}
الملخص
تُتوقع من أنظمة تصحيح الأخطاء النحوية (GEC) التي تُطبَّق في بيئات تعلم اللغة تصحيح الأخطاء بدقة في كتابات المتعلمين. ومع ذلك، في الممارسة العملية، غالبًا ما تُنتج هذه الأنظمة تصحيحات غير صحيحة، وتفشل في تصحيح العديد من الأخطاء، مما يؤدي إلى إرباك المتعلمين. وهذا يستدعي تقدير جودة الجمل الناتجة عن أنظمة GEC، بحيث يمكن للمدرسين التدخل بشكل انتقائي وإعادة تصحيح الجمل التي تم تصحيحها بشكل ضعيف من قبل النظام، وضمان حصول المتعلمين على ملاحظات دقيقة. نقترح أول نهج عصبي لتقدير تلقائي لجودة جمل GEC دون استخدام أي سمات مُصاغة يدويًا. يتم تدريب نظامنا بطريقة مراقبة على جمل المتعلمين والنتائج الناتجة عن أنظمة GEC، مع تسمية كل نتيجة بدرجة جودة تم حسابها باستخدام مراجع مُعلَّقة يدويًا من قبل البشر. تُظهر نماذجنا العصبية لتقدير الجودة في GEC تحسينات كبيرة مقارنة بنموذج قائم على السمات قوي. كما نُظهر أن نظام GEC من الطراز الرائد يمكن تحسينه عند استخدام درجات الجودة كسمات لإعادة ترتيب المرشحين الخمسة الأفضل (N-best).
المعايير القياسية
| معيار قياسي | المنهجية | المقاييس |
|---|---|---|
| grammatical-error-correction-on-conll-2014 | CNN Seq2Seq + Quality Estimation | F0.5: 56.52 |
| grammatical-error-correction-on-restricted | CNN Seq2Seq + Quality Estimation | F0.5: 56.52 |
بناء الذكاء الاصطناعي بالذكاء الاصطناعي
من الفكرة إلى الإطلاق — عجّل تطوير الذكاء الاصطناعي الخاص بك من خلال البرمجة المشتركة المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.