Génération d'Erreurs Artificielles avec la Traduction Automatique et les Modèles Syntaxiques

Le manque de données d'entraînement disponibles freine les progrès dans le domaine de la détection automatique des erreurs. Cet article examine deux méthodes alternatives pour générer artificiellement des erreurs d'écriture, afin de créer des ressources supplémentaires. Nous proposons de traiter la génération d'erreurs comme une tâche de traduction automatique, où un texte grammaticalement correct est traduit pour contenir des erreurs. De plus, nous explorons un système permettant d'extraire des motifs textuels à partir d'un corpus annoté, qui peuvent ensuite être utilisés pour insérer des erreurs dans des phrases grammaticalement correctes. Nos expériences montrent que l'inclusion d'erreurs générées artificiellement améliore significativement la précision de la détection des erreurs sur les ensembles de données FCE et CoNLL 2014.