【摘要】：隨著中國(guó)國(guó)際地位的日益提高,漢語(yǔ)學(xué)習(xí)對(duì)于國(guó)際學(xué)習(xí)者的發(fā)展變得越來(lái)越重要。本文探討的中文語(yǔ)法錯(cuò)誤診斷(CGED)任務(wù)的目標(biāo)是開發(fā)一款計(jì)算機(jī)自動(dòng)輔助工具并通過(guò)該工具協(xié)助第二語(yǔ)言為漢語(yǔ)的外國(guó)學(xué)習(xí)者更好地學(xué)習(xí)中文,同時(shí)減輕漢語(yǔ)教師的輔導(dǎo)壓力。中文語(yǔ)法錯(cuò)誤診斷研究旨在建立一個(gè)模型自動(dòng)檢測(cè)學(xué)習(xí)者在漢語(yǔ)寫作過(guò)程中所犯的錯(cuò)誤及錯(cuò)誤所在位置。本研究中錯(cuò)誤可分成四類,分別是:用詞冗余、詞語(yǔ)缺失、詞語(yǔ)選擇錯(cuò)誤、詞語(yǔ)排序錯(cuò)誤。中文語(yǔ)法錯(cuò)誤診斷研究的難點(diǎn)在于:該任務(wù)涉及到自然語(yǔ)言處理的不同層面信息,將涉及漢語(yǔ)的詞法分析和句法分析等,因此需要多方面統(tǒng)籌考慮以輔助研判。此外,中文中包含了豐富的語(yǔ)言知識(shí),語(yǔ)法表示形式多樣化,當(dāng)判斷一句話中是否包含錯(cuò)誤以及何種類型的錯(cuò)誤時(shí),往往還需要引入外部知識(shí)。鑒于此,本文提出采用pyltp進(jìn)行數(shù)據(jù)預(yù)處理,pyltp的個(gè)性化分詞特點(diǎn)更適合該任務(wù),這是因?yàn)橹形恼Z(yǔ)法錯(cuò)誤診斷的數(shù)據(jù)集大多來(lái)自不同外國(guó)學(xué)生寫的中國(guó)作文,其中涉及眾多不同主題。個(gè)性化分詞則可在一定程度上緩解主題依賴性,當(dāng)面對(duì)新主題時(shí),用戶只需標(biāo)注少量數(shù)據(jù)即可,個(gè)性化分詞會(huì)在原有數(shù)據(jù)基礎(chǔ)上進(jìn)行增量訓(xùn)練,從而達(dá)到既利用原來(lái)主題的數(shù)據(jù)信息,又兼顧目標(biāo)主題的特殊性。此外,本文提出利用雙向長(zhǎng)短期記憶網(wǎng)絡(luò)(Bi-LSTM)來(lái)建模,能更好地利用雙向的上下文信息判斷句子是否有誤。在此基礎(chǔ)上,我們將中文語(yǔ)法錯(cuò)誤診斷視為一種特殊的序列標(biāo)注任務(wù)來(lái)求解。針對(duì)序列標(biāo)注問(wèn)題,條件隨機(jī)場(chǎng)(CRF)模型比傳統(tǒng)的隱馬爾科夫模型(HMM)和最大熵馬爾科夫模型(MEMM)有更好的表現(xiàn),且Bi-LSTM模型還可緩解CRF模型中人工特征選擇及難以捕獲長(zhǎng)距離上下文信息依賴的不足。于是,本文進(jìn)一步提出將Bi-LSTM和CRF模型結(jié)合起來(lái)。其中,Bi-LSTM用于獲取兩個(gè)方向上的長(zhǎng)距離信息,然后將信息提供給CRF模型進(jìn)行序列標(biāo)注。在該任務(wù)開放標(biāo)準(zhǔn)評(píng)測(cè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明本文提出的Bi-LSTM-CRF模型在中文語(yǔ)法錯(cuò)誤診斷任務(wù)中的實(shí)際效果比單獨(dú)使用Bi-LSTM模型或CRF模型均有顯著提高。
【圖文】：

３．３．１邋Ｂｉ－ＬＳＴＭ神經(jīng)網(wǎng)絡(luò)模型介紹逡逑如下圖所示，單一錯(cuò)誤類型中文語(yǔ)法錯(cuò)誤診斷（ＣＧＥＤ）的Ｂｉ－ＬＳＴＭ神經(jīng)網(wǎng)絡(luò)逡逑模型的體系結(jié)構(gòu)可以通過(guò)以下三個(gè)專門的層來(lái)表征，如圖３．３所示：（丨）嵌入層逡逑（２）編碼層（３）解碼層逡逑㈧丨ｐ丨，－丨／，，如’逡逑，邐—邐￣Ｎ逡逑Ｌｏｏｋｕｐ邋Ｔａｂｌｅ邐／邐ｔ邐＇逡逑ＩＨ＋ｆｆｌ邋Ｉｂｇｆｆｌ逡逑、邐邐ｙ逡逑邐＇邐＞邋ｃｏｎｃａｔｅｎａｔｅ逡逑Ｂｉ－ＬＳＴＭ逡逑邐＞｜邋ＬＳＴＭ（ｆ）邋｜￣￣邐？逡逑邐邐＼——ＬＳＴＭ（ｂ］｜—逡逑ｖ邐＾逡逑六，…，…ｍ＿．ｍ邋！邋１１逡逑、邋＾邋＾邋＇、逡逑Ｌｉｎ，ｒ—邋［Ｍ邋ＩＩ邋ＩＩ邋Ｎ逡逑圖３．３單錯(cuò)誤型ＣＧＥＤ的Ｂｉ－ＬＳＴＭ神經(jīng)網(wǎng)絡(luò)模型體系結(jié)構(gòu)逡逑２０逡逑

ｉ逡逑Ｗ邋Ｖｉ邋Ｖ＾Ｖａ邋……Ｖｎ邋＾１逡逑圖３．２嵌入層結(jié)構(gòu)圖逡逑３．３邋Ｂｉ－ＬＳＴＭ邋層逡逑３．３．１邋Ｂｉ－ＬＳＴＭ神經(jīng)網(wǎng)絡(luò)模型介紹逡逑如下圖所示，單一錯(cuò)誤類型中文語(yǔ)法錯(cuò)誤診斷（ＣＧＥＤ）的Ｂｉ－ＬＳＴＭ神經(jīng)網(wǎng)絡(luò)逡逑模型的體系結(jié)構(gòu)可以通過(guò)以下三個(gè)專門的層來(lái)表征，如圖３．３所示：（丨）嵌入層逡逑（２）編碼層（３）解碼層逡逑㈧丨ｐ丨，－丨／，如’逡逑，邐—邐￣Ｎ逡逑Ｌｏｏｋｕｐ邋Ｔａｂｌｅ邐／邐ｔ邐＇逡逑ＩＨ＋ｆｆｌ邋Ｉｂｇｆｆｌ逡逑、邐邐ｙ逡逑邐＇邐＞邋ｃｏｎｃａｔｅｎａｔｅ逡逑Ｂｉ－ＬＳＴＭ逡逑邐＞｜邋ＬＳＴＭ（ｆ）邋｜￣￣邐？逡逑邐邐＼——ＬＳＴＭ（ｂ］｜—逡逑ｖ邐＾逡逑六，…，…ｍ＿．ｍ邋！邋１１逡逑、邋＾邋＾邋＇、逡逑Ｌｉｎ，ｒ—邋［Ｍ邋Ｉ
【學(xué)位授予單位】：華中師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：H195;TP391.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 胡元江;;基于語(yǔ)料庫(kù)的英語(yǔ)專業(yè)高年級(jí)學(xué)生口語(yǔ)詞塊結(jié)構(gòu)特征研究[J];外語(yǔ)研究;2015年05期

2 麥合甫熱提;艾山·吾買爾;麥熱哈巴·艾力;吐爾根·伊布拉音;張健;;基于詞典和統(tǒng)計(jì)相結(jié)合的維吾爾語(yǔ)拼寫檢查方法[J];中文信息學(xué)報(bào);2014年02期

3 蔡昌群;;在英語(yǔ)學(xué)習(xí)中樹立學(xué)生的自信心[J];學(xué)園;2014年01期

4 沈榮;;人工神經(jīng)網(wǎng)絡(luò)的基本模型[J];中國(guó)科技信息;2012年08期

5 張仰森,丁冰青;基于二元接續(xù)關(guān)系檢查的字詞級(jí)自動(dòng)查錯(cuò)方法[J];中文信息學(xué)報(bào);2001年03期

6 周明，黃昌寧;面向語(yǔ)料庫(kù)標(biāo)注的漢語(yǔ)依存體系的探討[J];中文信息學(xué)報(bào);1994年03期

7 李寄;漢語(yǔ)是世界上最古老的語(yǔ)言之一[J];語(yǔ)言教學(xué)與研究;1979年02期

相關(guān)博士學(xué)位論文 前3條

1 莊航;基于深度學(xué)習(xí)的中文詞表示學(xué)習(xí)技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2018年

2 侯鋒;中文報(bào)業(yè)出版的文字質(zhì)量智能輔助控制技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

3 常甜甜;支持向量機(jī)學(xué)習(xí)算法若干問(wèn)題的研究[D];西安電子科技大學(xué);2010年

相關(guān)碩士學(xué)位論文 前4條

1 張真真;基于卷積神經(jīng)網(wǎng)絡(luò)和條件隨機(jī)場(chǎng)的眼底圖像血管分割研究[D];湘潭大學(xué);2018年

2 李育光;漢語(yǔ)優(yōu)選語(yǔ)義類的自動(dòng)獲取研究[D];鄭州大學(xué);2018年

3 吳昊;垂直搜索引擎關(guān)鍵技術(shù)研究及分布式實(shí)現(xiàn)[D];東南大學(xué);2016年

4 鞠菲;專業(yè)領(lǐng)域未登錄詞識(shí)別研究[D];華東師范大學(xué);2013年

本文編號(hào)：2603817