An Adversarial Multi-Task Learning Method for Chinese Text Correction with Semantic Detection

要約

テキストの流暢さと執筆効率を高めるために、テキストの修正、特により広く使用されるシーンの意味的な修正の改善が強く求められています。
中国語文文脈における文字多義性のモデリングと検出能力を強化するために、敵対的マルチタスク学習法を提案した。
ここでは、マスクされた言語モデルとスコアリング言語モデルという 2 つのモデルが、結合された学習タスクだけでなく、敵対的な学習タスクのペアとしても導入されています。
さらに、意味検出による効率的な中国語テキスト修正タスクを達成するために、モンテカルロ ツリー検索戦略とポリシー ネットワークが導入されています。
実験は 3 つのデータセットと 5 つの比較可能な方法で実行され、実験結果は、私たちの方法が意味論的合理性を向上させる中国語テキスト修正タスクで優れたパフォーマンスを得ることができることを示しています。

要約(オリジナル)

Text correction, especially the semantic correction of more widely used scenes, is strongly required to improve, for the fluency and writing efficiency of the text. An adversarial multi-task learning method is proposed to enhance the modeling and detection ability of character polysemy in Chinese sentence context. Wherein, two models, the masked language model and scoring language model, are introduced as a pair of not only coupled but also adversarial learning tasks. Moreover, the Monte Carlo tree search strategy and a policy network are introduced to accomplish the efficient Chinese text correction task with semantic detection. The experiments are executed on three datasets and five comparable methods, and the experimental results show that our method can obtain good performance in Chinese text correction task for better semantic rationality.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google