Eine empirische Studie zur Einbeziehung von Pseudodaten in die grammatische Fehlerkorrektur

Die Einbeziehung von Pseudodaten in die Schulung von Modellen zur Korrektur grammatikalischer Fehler ist einer der Hauptfaktoren, die die Leistung dieser Modelle verbessert haben. Allerdings gibt es keinen Konsens hinsichtlich der experimentellen Konfigurationen, insbesondere bei der Auswahl der Methode zur Generierung oder Nutzung der Pseudodaten. In dieser Studie werden diese Entscheidungen durch umfangreiche Experimente untersucht, und es wird eine Stand-der-Technik-Leistung auf dem Testset von CoNLL-2014 ($F_{0.5}=65{,}0$) sowie auf dem offiziellen Testset des gemeinsamen Aufgabenbereichs BEA-2019 ($F_{0.5}=70{,}2$) erreicht, ohne Änderungen an der Modellarchitektur vorzunehmen.