Nahe-menschliches Leistungsniveau bei der Korrektur grammatikalischer Fehler durch hybride Maschinelle Übersetzung

Wir kombinieren zwei der beliebtesten Ansätze zur automatisierten grammatischen Fehlerkorrektur (GFC): GFC basierend auf statistischer Maschinübersetzung (SMT) und GFC basierend auf neuronaler Maschinübersetzung (NMT). Das hybride System erzielt neue Stand der Technik-Ergebnisse in den Benchmarks CoNLL-2014 und JFLEG. Dieses GFC-System behält die Genauigkeit der SMT-Ausgabe bei und generiert gleichzeitig flüssigere Sätze, wie es für NMT typisch ist. Unsere Analyse zeigt, dass die entwickelten Systeme näher an einer Leistung auf menschlichem Niveau sind als jedes andere bisher berichtete GFC-System.