中文作為一種使用很廣泛的文字,因其同印歐語系文字的天然差別,使得漢語初學(xué)者往往會出現(xiàn)各種各樣的語法錯誤。本文針對初學(xué)者在漢語書寫中可能出現(xiàn)的錯別字、語序錯誤等,提出一種自動化的語法糾正方法。首先,本文在自注意力模型中引入復(fù)制機制,構(gòu)建新的C-Transformer模型。構(gòu)建從錯誤文本序列到正確文本序列的文本語法錯誤糾正模型,其次,在公開數(shù)據(jù)集的基礎(chǔ)上,本文利用序列到序列學(xué)習(xí)的方式從正確文本學(xué)習(xí)對應(yīng)的不同形式的錯誤文本,并設(shè)計基于通順度、語義和句法度量的錯誤文本篩選方法;最后,還結(jié)合中文象形文字的特點,構(gòu)造同形、同音詞表,按詞表映射的方式人工構(gòu)造錯誤樣本擴充訓(xùn)練數(shù)據(jù)。實驗結(jié)果表明,本文的方法能夠很好地糾正錯別字、語序不當(dāng)、缺失、冗余等錯誤,并在中文文本語法錯誤糾正標準測試集上取得了目前最好的結(jié)果。 

【文章來源】：智能系統(tǒng)學(xué)報. 2020,15(01)北大核心CSCD

【文章頁數(shù)】：8 頁


本文編號：3459957