本稿では、BEA-2019 GEC共有タスクに参加した3つのトラックに対応して開発した2つのシステムについて述べる。本研究では、双方向再帰型ニューラルネットワーク（Bi-RNN）を用いた分類モデルとニューラル機械翻訳（NMT）モデルを比較検討した。各トラックごとに、NMTモデル、分類モデルおよびルールを適切に統合するアンサンブルシステムを構築し、単一のシステムに比べてGEC性能が顕著に向上することを実証した。本研究で開発したGECシステムは、Unrestricted Trackで1位、Restricted TrackおよびLow Resource Trackでそれぞれ3位を達成した。