面向生成真实合成数据以纠正阿拉伯语语法错误：基于错误标注模型与合成数据生成模型的方法

《Artificial Life》：Towards the Development of Realistic Synthetic Data for Correcting Grammatical Errors in Arabic: An Approach Based on Error Tagging Model and Synthetic Data Generation Model

　　

摘要：

合成数据生成被广泛认为是提升神经网络语法错误校正系统性能的一种方法。然而，在阿拉伯语等资源匮乏的语言中，现有的方法往往缺乏多样性，或者无法有效生成人类常犯的各种相似性错误。本研究旨在提出一个用于构建大规模阿拉伯语语法错误校正合成数据的框架，名为ArSyn-GEC。该框架包含两个核心组成部分：错误标注模型和合成数据生成模型。错误标注模型采用DeBERTa-v3架构，将每个正确句子分类为母语者可能犯的多种错误类型。另一个组件则是基于AraT5的合成数据生成模型，该模型采用逆向翻译思路，能够生成每个正确句子的受控且真实的错误版本，从而为语法错误校正训练提供高质量的平行数据。在QALB-14和QALB-15测试集上，该错误标注模型的F1分数分别达到94.42%，体现了其在错误类型预测方面的先进性能。利用我们的合成数据训练得到的语法错误校正模型，在QALB-14上的F0.5分数为81.86%，在QALB-15上为82.72%，充分证明了其有效性。此次生成的并公布的合成句子对总数为[30,219,310]对。我们的数据向公众开放[1]