摘要

在本文中，我们介绍了为参与 BEA-2019 语法错误修正（GEC）共享任务三个赛道所开发的两套系统。我们研究了基于双向循环神经网络（Bi-RNN）的分类模型与神经机器翻译（NMT）模型的性能表现。针对不同赛道，我们采用集成系统，有选择性地融合 NMT 模型、分类模型以及部分规则，实验表明，集成方案能够显著提升单个系统在 GEC 任务中的表现。我们的 GEC 系统在无限制赛道（Unrestricted Track）中排名第一，在受限赛道（Restricted Track）和低资源赛道（Low Resource Track）中均位列第三。