의미 오류 수정에 의사 데이터를 통합하는 경험적 연구

문법 오류 수정 모델의 훈련에 의사 데이터(pseudo data)를 통합하는 것이 이러한 모델의 성능 향상에 주요한 요인 중 하나였습니다. 그러나 의사 데이터 생성이나 사용 방법을 선택하는 실험 구성에 대해서는 공통된 의견이 부족한 상태입니다. 본 연구에서는 이러한 선택들을 대규모 실험을 통해 조사하였으며, 모델 아키텍처를 변경하지 않은 상태에서 CoNLL-2014 테스트 세트($F_{0.5}=65.0$)와 BEA-2019 공유 작업의 공식 테스트 세트($F_{0.5}=70.2$)에서 최신 수준의 성능을 달성하였습니다.