Fichier de travail (INPUT) : ./DUMP-TEXT/3-11.txt

Encodage utilisé (INPUT) : utf-8

Forme recherchée : translation|traduction|机器

Ligne n°2 : ...@xixibufu 2018-08-15T06:01:40.000000Z 字数 4736 阅读 1103
• Ligne n°3 : 基于 机器 翻译 输出 的 语法 错误 纠正
Ligne n°4 : NLP 神经 机器 翻译 语法 错误 纠正 ...

Ligne n°3 : ...基于 机器 翻译 输出 的 语法 错误 纠正
• Ligne n°4 : NLP 神经 机器 翻译 语法 错误 纠正
Ligne n°5 : __________________________________________________________________ ...

Ligne n°23 : ...法 仍 被 广泛 使用 。 然而 ， 考虑 到 语言 的 复杂性 ， 基于 规则 的 方法 并不 适合 作为 GEC 的 通用 方法 。
• Ligne n°24 : 数据 驱动 的 传统 机器 学习 方法
Ligne n°25 : 随着 语料 资源 的 不断 累积 ， 从 20世纪 90年代 开始 ， 数据 驱动 的 方法 成为 GEC 的 主流 ， 人们 利用 机器 学习 技术 （ SVM 、 朴素 贝叶斯 ） ， 为 不同 错误 类别 设计 ...

Ligne n°24 : ...数据 驱动 的 传统 机器 学习 方法
• Ligne n°25 : 随着 语料 资源 的 不断 累积 ， 从 20世纪 90年代 开始 ， 数据 驱动 的 方法 成为 GEC 的 主流 ， 人们 利用 机器 学习 技术 （ SVM 、 朴素 贝叶斯 ） ， 为 不同 错误 类别 设计
Ligne n°26 : 单独 的 分类器 。 这 类 方法 对 冠词 、 介词 等 错误 的 纠正 效果 十分 明显 ， 但 也 存在 一些 问题 。 其 仅 利用 了 句子 中局 部 的 上下文 信息 ， 且 只 能 独立 地 考虑 不同 的 错误 类别 ...

Ligne n°31 : ...仍然 存在 主谓 不 一致 错误 。
• Ligne n°32 : 基于 机器 翻译 的 方法
Ligne n°33 : 将 语法 错误 纠正 看成 是 把 “ 坏 ” 句子 翻译 成 “ 好 ” 句子 的 思想 最早 来源于 Brockett 等人 （ 2006年 ） 。 这 是 一 个 天才 的 想法 ， 但 直 到 2014年 ， 该 方 ...

Ligne n°34 : ...法 才 逐渐 成为 GEC 的 主流 ， 并 迅速 发展 、 迭代 。 在 CoNLL 2014年 （ CoNLL 是 NLP 领域 的 一 个 年度 评测 会议 ） 的 GEC 评测 中 ， 剑桥 大学 提交 的 基
• Ligne n°35 : 于 统计 机器 翻译 （ Statistical Machine
Ligne n°36 : Translation ， SMT ） 的 GEC 系统 一举 夺冠 。 之后 ， 许多 改进 的 方法 被 陆续 提出 ， 其中 一 个 方法 ， rerank ， 即 提取 语言学 特征 对 SMT 解码 ...

Ligne n°36 : ...Translation ， SMT ） 的 GEC 系统 一举 夺冠 。 之后 ， 许多 改进 的 方法 被 陆续 提出 ， 其中 一 个 方法 ， rerank ， 即 提取 语言学 特征 对 SMT 解码
• Ligne n°37 : 得到 的 若干 候选 句子 进行 重 排序 ， 对 纠错 性能 提升 十分 明显 ， 基本 成为 GEC 的 一 个 必备 环节 。 而 随着 神经 机器 翻译 （ Neural machine
Ligne n°38 : translation ， NMT ） 逐渐 取代 SMT ， NMT 被 很 自然 地 引入 到 GEC ， 成为 state-of-the-art GEC 系统 的 核心 组件 。 ...

Ligne n°37 : ...得到 的 若干 候选 句子 进行 重 排序 ， 对 纠错 性能 提升 十分 明显 ， 基本 成为 GEC 的 一 个 必备 环节 。 而 随着 神经 机器 翻译 （ Neural machine
• Ligne n°38 : translation ， NMT ） 逐渐 取代 SMT ， NMT 被 很 自然 地 引入 到 GEC ， 成为 state-of-the-art GEC 系统 的 核心 组件 。
Ligne n°39 : 基于 NMT 输出 的 GEC 系统 ...

Ligne n°49 : ...encoder-decoder 模型 看似 简单 ， 实则 非常 强大 。 其 能够 直接 、 有效 地 对
• Ligne n°50 : 进行 建模 。 以 机器 翻译 为例 ， 通过 做 模型 集成 、 采用 更加 复杂 的 encoder （ 如 双向 RNN ） 对 输入 句子 编码 ， 仅 用 encoder-decoder 模型 也
Ligne n°51 : 能 取得 与 高度 工程化 的 翻译 系统 很 接近 的 性能 。 ...

Ligne n°78 : ...情况 下 ， 提高 纠错 的 Recall ， 将 是 今后 GEC 研究 的 一 个 重要 方向 。 此外 ， 目前 GEC 的 平行 语料 相对 较 少 ， 能否 从 low
• Ligne n°79 : resource 机器 翻译 研究 中 汲取 营养 ， 利用 多 模态 数据 、 无 监督 方法 来 提高 GEC 的 性能 ， 也 是 一 个 值得 关注 的 方向 。
Ligne n°80 : 学习 一 门 新 的 语言 并不 是 一 件 简单 的 事情 ， 技术 为 我们 提供 了 丰富 的 资源 来 改善 我们 的 学习 体验 。 建立 实用 的 自动 语法 纠错 系统 将 深刻 影响 下 一 代 的 语言 学习 ， 这 ...

Ligne n°97 : ...o NLP 1
• Ligne n°98 : o 基于 机器 翻译 输出 的 语法 错误 纠正
Ligne n°99 : + ...

Ligne n°111 : ...+
• Ligne n°112 : o 神经 机器 翻译 1
Ligne n°113 : o 基于 机器 翻译 输出 的 语法 错误 纠正 ...

Ligne n°112 : ...o 神经 机器 翻译 1
• Ligne n°113 : o 基于 机器 翻译 输出 的 语法 错误 纠正
Ligne n°114 : + ...

Ligne n°115 : ...o 语法 错误 纠正 1
• Ligne n°116 : o 基于 机器 翻译 输出 的 语法 错误 纠正
Ligne n°117 : + ...