摘要
语法错误纠正(grammatical error correction,GEC)旨在将包含语法错误的句子纠正为正确的句子.目前语法错误纠正研究主要基于Transformer模型,但由于模型参数规模大,中文GEC任务语料不足,Transformer无法得到充分训练来学习文本中足够的语义信息.提出了基于知识及流利度提升策略的中文GEC模型,将MacBERT预训练模型作为外部知识来源,并利用流利度提升策略缓解GEC模型单轮推理纠错不完全的局限.为了验证所提出的GEC模型的有效性,在NLPCC 2018 中文GEC共享任务数据集上进行了大量实验,其性能优于NLPCC 2018 GEC共享任务中开发的最佳模型.
NETL
NSTL
万方数据