论文部分内容阅读
针对英语翻译错误检测中的语法错误检测问题，构建了一个以图神经网络为基础的语法错误检测模型。从序列标注任务的性质，以及对图神经网络建模所具有的优势这两方面进行考虑，然后构建的语法错误检测框架以双向LSTM模型为基础，并在其中融合了使用门控图神经网络对错误语句的依存句法树建模的方法和预测上下文的多任务训练方法，使模型可以更好地理解语义和上下文关系。实验结果表明：GGNN模型在测试中，验证集上的错误检测准确率提高了19.9%,召回也提高了25.9%,测试集上的F值提升了30.1%。证明了基于图神经网络的语法错误检测模型在检测语法错误上具有可行性和有效性。