这篇博客总结了CGED2020大会中的17篇论文，重点关注了Non-Autoregressive Grammatical Error Correction在构建写作支持系统中的应用。研究分析了NAR模型在提高日语GEC速度上的效果，探讨了纠错率与推理速度的平衡，并介绍了相关技术，如AR NMT、NAR NMT和Levenshtein Transformer。
CGED中文语法错误诊断2020总结（第一篇）
写者能力有限，时间有限，将CGED参赛论文梳理总结如下，总结内容主要包括，论文具体做了什么，采用了什么技术，最终达到了什么结果。
论文目录
(1)Non-Autoregressive Grammatical Error Correction Toward a Writing Support System
(2)Arabisc: Context-Sensitive Neural Spelling Checker
(3)LXPER Index 2.0: Improving Text Readability Assessment Model for L2 English Students in Korea
(3)Overview of NLPTEA-2020 Shared Task for Chinese Grammatical Error Diagnosis
(4)Combining ResNet and Transformer for Chinese Grammatical Error Diagnosis
(5)Chinese Grammatical Error Diagnosis with Graph Convolution Network and Multi-task Learning
(6)Integrating BERT and Score-based Feature Gates for Chinese Grammatical Error Diagnosis
(7)BERT Enhanced Neural Machine Translation and Sequence Tagging Model for Chinese Grammatical
Error Diagnosis
(8)A Hybrid System for NLPT
最低0.47元/天 解锁文章
3973
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
