Predicting Grammaticality on an Ordinal Scale
Predicting Grammaticality on an Ordinal Scale
复制标题
在序数尺度上预测语法性
DOI：
--
复制
发表时间：
2014
期刊：
影响因子：
--
通讯作者：
Joel R. Tetreault
中科院分区：
文献类型：
--
作者：
Michael Heilman;A. Cahill;Nitin Madnani;Melissa Lopez;Matthew David Mulholland;Joel R. Tetreault
用于识别句子是否合乎语法的自动化方法具有各种潜在应用（例如，机器翻译、自动作文评分、计算机辅助语言学习）。在这项工作中，我们使用各种语言特征（例如，拼写错误计数、解析器输出、n元语言模型分数）。我们还提出了一个新的公开可用的学习者句子的数据集判断的语法顺序规模。在评估中，我们将我们的系统与Post（2011）的系统进行了比较，发现我们的方法产生了最先进的性能。
Automated methods for identifying whether sentences are grammatical have various potential applications (e.g., machine translation, automated essay scoring, computer-assisted language learning). In this work, we construct a statistical model of grammaticality using various linguistic features (e.g., misspelling counts, parser outputs, n-gram language model scores). We also present a new publicly available dataset of learner sentences judged for grammaticality on an ordinal scale. In evaluations, we compare our system to the one from Post (2011) and find that our approach yields state-of-the-art performance.