GEC Study

목적

• 공개 데이터를 가지고 데이터 증강, Pre-training, fine-tuning 등을 연습해보기 위함

사용가능한 데이터

• BEA에 공개된 데이터 중 소속이 없이 확보 가능한 데이터만 사용해서 진행
• 성능 향상에 초점을 두기 보다는 교정에 대한 감을 익히는 게 목표

논문

• 이전에는 통계 기반 번역의 교정 시스템이 주류였으나, 현재는 EncDec 구조의 신경망 시스템이 대세
• 아래 논문들을 읽으며 하나씩 정리

1. Grammatical error correction using neural machine translation

pytorch: https://github.com/MaximumEntropy/Seq2Seq-PyTorch/blob/master/model.py