要約
言語学習環境に導入された文法誤り訂正（GEC）システムは、学習者の書き言葉における誤りを正確に修正することを期待されている。しかし実際には、しばしば不正な訂正を生成し、多くの誤りを修正できず、学習者を誤解させることがある。このような状況を踏まえ、GECシステムが生成する出力文の品質を自動的に評価する仕組みの導入が不可欠となる。これにより、教員はシステムによる訂正が不十分な文にのみ選択的に介入し、再訂正を行うことで、学習者が正確なフィードバックを受けられるようにできる。本研究では、手動で設計された特徴量を一切用いない、初めてのニューラルアプローチによるGEC出力文の自動品質推定手法を提案する。本システムは、学習者による文章と、それに対応するGECシステムの出力文、および人間による参照文を用いてラベル付けされた品質スコアを用いて、教師あり学習により訓練される。提案するGEC向けニューラル品質推定モデルは、強力な特徴量ベースのベースラインと比較して顕著な性能向上を示した。さらに、N-best候補の再順序付けに品質スコアを特徴量として用いることで、最先端のGECシステムの性能も向上することを示した。