초록
문법 오류 수정을 위한 재평가 방식을 제안한다. 본 방법은 두 단계 절차를 기반으로 하며, 첫 번째 단계 모델은 국소적인 수정 사항을 추출하고, 두 번째 단계에서는 해당 수정 사항을 올바른 것인지 오류 있는 것인지 분류한다. 본 연구에서는 인코더-디코더 또는 시퀀스 레이블링 접근 방식을 본 모델의 첫 번째 단계로 활용하는 방법을 제시한다. 약한 BERT-GEC 기반 모델을 사용하더라도 BEA 2019 영어 데이터셋에서 최신 기술 수준의 성능을 달성한다. 최첨단 GECToR 수정 생성기와 결합된 평가기(스코어러)를 사용할 경우, 본 모델은 BEA 2019 데이터셋에서 GECToR보다 2~3% 높은 성능을 기록한다. 또한, 이전 최신 기술보다 더 작은 모델과 더 적은 데이터를 사용함에도 불구하고 러시아어 데이터셋에서 이전 최고 성능을 상회하는 결과를 얻었다.