摘要

语法错误校正（GEC）旨在纠正书写错误并帮助语言学习者提高写作技能。然而，现有的GEC模型往往会产生虚假的校正结果或未能检测出大量错误。质量评估模型对于确保学习者获得准确的GEC结果并避免因校正不当的句子而产生误导是必要的。训练良好的GEC模型可以通过解码生成多个高质量假设，例如通过束搜索（beam search），这些假设提供了宝贵的GEC证据，并可用于评估GEC的质量。然而，现有模型忽视了来自不同假设的可能GEC证据。本文提出了一种用于多假设GEC质量评估的神经验证网络（VERNet）。VERNet通过推理图建立了假设之间的交互，并执行两种注意力机制来传播GEC证据，以验证生成假设的质量。我们在四个GEC数据集上的实验表明，VERNet在语法错误检测性能方面达到了最先进的水平，实现了最佳的质量评估结果，并通过重新排序假设显著提高了GEC性能。所有数据和源代码均可在https://github.com/thunlp/VERNet获取。