关于国内外语法纠错的研究（三）-方法篇（一）

大家好，欢迎来到IT知识分享网。

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

前言

在上文提到目前国际上比较著名的几个数据集，在本文将讨论目前在GEC 领域存在的几种方法，包括分类器（统计和神经）、机器翻译（统计和神经）、基于编辑的方法和语言模型，本文将高度总结分类器方法和机器翻译，并介绍在用此两类方法构建GEC系统的重要模型。

一、分类器

1 基本原理

• articles (Lee 2004; Han, Chodorow, and Leacock 2006; De Felice 2008;
  Gamon et al. 2008; Gamon 2010; Dahlmeier and Ng 2011b; Kochmar,
  Andersen, and Briscoe 2012; Rozovskaya and Roth 2013, 2014);
  
  
• prepositions (Chodorow, Tetreault, and Han 2007; De Felice 2008; Gamon
  et al. 2008; Tetreault and Chodorow 2008; Gamon 2010; Dahlmeier and
  Ng 2011b; Kochmar, Andersen, and Briscoe 2012; Rozovskaya and Roth
  2013, 2014);
  
  
  
• noun number (Berend et al. 2013; van den Bosch and Berck 2013; Jia,
  Wang, and Zhao 2013; Xiang et al. 2013; Yoshimoto et al. 2013;
  Kunchukuttan, Chaudhury, and Bhattacharyya 2014);
  
  
• verb form (Lee and Seneff 2008; Tajiri, Komachi, and Matsumoto 2012;
  van den Bosch and Berck 2013; Jia, Wang, and Zhao 2013; Rozovskaya
  and Roth 2013, 2014; Rozovskaya, Roth, and Srikumar 2014).
  
  

2 方式

3 现状

二、机器翻译

随着网络模型的发展，越来越多的网络模型出世，其中我们所熟知的Seq2Seq模型，常常用于机器翻译领域，而在GEC领域，科学家也尝试将机器翻译与GEC相结合，目前来看，主要分为两大类，即基于神经机器翻译（NMT）与基于统计机器翻译 (SMT)。

1 SMT

 eg：I are good --> I am good 

2 NMT

总结

本篇介绍了两种语法纠错方法，阐述了其发展历史以及方法本身的优势和缺点，下篇将讲述另外两种方法基于编辑的方法和语言模型。