Utilisation des éditions Wikipedia pour la correction grammaticale dans les ressources limitées

Nous développons un système de correction d'erreurs grammaticales (GEC) pour l'allemand, basé sur un petit corpus gold de GEC enrichi par des corrections extraites de l'historique des révisions de Wikipedia. Nous étendons l'outil d'annotation automatique d'erreurs ERRANT (Bryant et al., 2017) au français et l'utilisons pour analyser à la fois les corrections gold de GEC et les modifications de Wikipedia (Grundkiewicz et Junczys-Dowmunt, 2014), afin de sélectionner comme données d'entraînement supplémentaires des modifications de Wikipedia contenant des corrections grammaticales similaires à celles du corpus gold. En utilisant une approche de GEC fondée sur un réseau neuronal à encodeur-décodeur à convolution multicouche (Chollampatt et Ng, 2018), nous évaluons la contribution des modifications de Wikipedia et constatons que des modifications soigneusement sélectionnées améliorent les performances de plus de 5 %.