초록
본 논문에서는 학습자 글쓰기에서 오류 검출을 위한 신경망 모델의 첫 번째 실험 결과를 제시합니다. 우리는 대안적인 구성 아키텍처들을 체계적으로 비교하고, 양방향 LSTM(Bidirectional Long Short-Term Memory) 기반의 오류 검출 프레임워크를 제안합니다. CoNLL-14 공유 작업 데이터셋에 대한 실험 결과, 본 모델이 학습자 글쓰기에서 오류를 검출하는 데 있어 다른 참가자들보다 우수한 성능을 보였습니다. 마지막으로, 본 모델은 공개적으로 배포된 자기 평가 시스템에 통합되어 인간 주석자와 유사한 성능을 나타냈습니다.