منذ 13 أيام
أنظمة LAIX في مهمة BEA-2019 المشتركة لتصحيح الأخطاء النحوية
{Yonghong Yu, Chuan Wang, Ruobing Li, Shiman Guo, Hui Lin, Yang Liu, Qiang Wang, Yefei Zha}

الملخص
في هذه الورقة، نصف نظامين طوّرناهما للمسارات الثلاثة التي شاركنا فيها في مبادرة BEA-2019 لتحسين النصوص القواعدية (GEC). وقد قمنا بدراسة نماذج تصنيف تنافسية تستخدم شبكات عصبية متكررة ثنائية الاتجاه (Bi-RNN) ونماذج ترجمة آلية قائمة على الشبكات العصبية (NMT). وبالنسبة للمسارات المختلفة، استخدمنا أنظمة مجمعة لدمج النماذج بشكل انتقائي، بما في ذلك نماذج NMT، ونماذج التصنيف، بالإضافة إلى بعض القواعد، وبيّنا أن الحل المجمّع يمكن أن يُحسّن بشكل فعّال أداء تحسين النصوص القواعدية مقارنة بالنماذج الفردية. وقد حصلت أنظمتنا على التصنيف الأول في المسار غير المقيد، والثالث في كل من المسار المقيد والمسار الموارد المنخفضة.