隨著中國經(jīng)濟的蓬勃發(fā)展,越來越多的外國人開始學習漢語,但是學習漢語對他們來說并不容易,因此檢測并糾正由CSL（Chinese as a Second Language）學習者撰寫的中文文章中的語法錯誤顯得越來越重要,有效的中文語法錯誤糾正（CGEC）系統(tǒng)可以為CSL學習者提供即時反饋,在學習過程中具有重要價值。主流的CGEC模型是基于神經(jīng)機器翻譯（NMT）的糾錯模型,但是并沒有針對CGEC的特點進行優(yōu)化。本文基于CGEC任務的特點,使用了不同的嵌入層參數(shù)初始化方式,并改進了NMT模型,在解碼器中使用多層target-attention計算方式。本文主要工作如下:1.提出不同的嵌入層參數(shù)初始化方式。在基于NMT的CGEC模型中,嵌入層參數(shù)通常使用預訓練的詞向量初始化。但是CSL學習者和母語使用者的語言習慣并不相同,并且預訓練詞向量通常是在大規(guī)模的中文語料上訓練得到的。因此本文提出不同的嵌入層參數(shù)初始化方式,編碼端使用隨機初始化,解碼端使用預訓練詞向量初始化。實驗結(jié)果表明,該初始化方式使模型的糾錯性能提升了1.48 F_0.5。2.在NMT模型的基礎上,提出多層targ... 

【文章來源】：武漢大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

文本卷積操作結(jié)構示意圖

seq2seq模型結(jié)構示意圖

AttentionMechanism模塊示意圖

【參考文獻】：
期刊論文
[1]基于規(guī)則與統(tǒng)計相結(jié)合的中文文本自動查錯模型與算法[J]. 張仰森,曹元大,俞士汶.  中文信息學報. 2006(04)
[2]現(xiàn)代漢語熵的計算及語言模型中稀疏事件的概率估計[J]. 黃萱菁,吳立德,郭以昆,劉秉偉.  電子學報. 2000(08)



本文編號：3411695