초록
이 논문에서는 문법 오류 수정(Grammatical Error Correction, GEC)을 위한 시스템 결합을 단순한 기계 학습 문제로 재정의한다: 이진 분류 문제로 설정한다. 우리는 적절한 문제 정의를 통해 간단한 로지스틱 회귀 알고리즘이 GEC 모델의 결합에 매우 효과적임을 보여준다. 제안하는 방법은 CoNLL-2014 테스트 세트에서 가장 높은 성능을 보이는 기준 GEC 시스템의 F0.5 점수를 4.2점 향상시키며, BEA-2019 테스트 세트에서는 7.2점 개선하는 데 성공했다. 또한, BEA-2019 테스트 세트에서는 기존 최고 성능 기법보다 4.0점 높은 성능을 기록했으며, 원래 주석(annotation)을 사용한 CoNLL-2014 테스트 세트에서는 1.2점, 대안 주석을 사용한 CoNLL-2014 테스트 세트에서는 3.4점 우수한 성능을 보였다. 더불어, 기존 앙상블 기법과 비교하여 본 시스템 결합 방법이 더 높은 F0.5 점수를 달성하며 보다 우수한 수정 결과를 생성함을 입증하였다.