中文辅助学习是中文自然语言处理的研究热点和难点。近年来,日益增加的中文学习者让其应用价值不断提升。众多的中文学习场景衍生出各种子问题,如语法侦错,句子剖析,论据推理等。从语言学的角度,这些问题可被分为语法和语义两类。本文选择语法纠错和论据推理作为语法和语义两类问题的代表,总结了当前研究现状下的不足之处与难点,并据此提出改进方法。主要的工作如下:(1)针对语法侦错中训练数据缺失的难点,本文提出了一种基于迁移学习的预训练方法来减少模型对训练数据的依赖。针对同一难点,在论据推理中,本文采取从其他语言借鉴训练数据的方式来解决。(2)针对中文表达复杂的难点,语法侦错中,本文提出了基于双向语言模型的自注意力机制来获取句子的向量表达,增强模型的表达能力。中文表达复杂的难点在论据推理中依然存在。本文使用点积注意力机制改进其编码器,增加信息量,让后续的相似度计算结果更准确。(3)针对语法侦错中错误与正确位置数量相差较大的难点,本文在侦错模型采用了一些改进的解码器(条件随机场,加权的softmax),改善解码的性能。基于上述改进,本文为语法侦错与论据推理设计了新的模型。实验结果表明,两个新模型在各自的关键评测指标上优于传统做法。