基于神经网络的儿童早期写作自动反馈

Nov, 2023

基于神经网络的儿童早期写作自动反馈

Neural machine translation for automated feedback on children's early-stage writing

Jonas Vestergaard Jensen, Mikkel Jordahn, Michael Riis Andersen

TL;DR使用机器学习自动评估和构建早期写作的反馈，通过序列到序列模型将学生的早期写作 “翻译” 成 “传统” 写作，从而能够使用语言度量对翻译后的文本进行分析，并使用鲁棒似然方法减轻数据集中的噪声效应，并通过一系列数值实验证明能以高准确率预测传统文本。

Abstract

In this work, we address the problem of assessing and constructing feedback for early-stage writing automatically using machine learning. Early-stage writing is typically vastly different from conventional writin

early-stage writing machine learning sequence-to-sequence models linguistic metrics robust likelihood

发现论文，激发创造

神经机器翻译中的文本复杂度控制

该研究介绍了一项机器翻译任务，其输出面向不同水平的目标语言熟练度的受众。他们收集了高质量的新闻文章数据集，提出了一种跨语言文章段落对齐方法，训练出多任务序列到序列模型，实现将西班牙语翻译成英语并针对英语简化阅读难度，结果显示这些多任务模型优于传统的翻译和简化文本管线式方法。

Nov, 2019

神经自动写作评估与纠正反馈

提出了一个整合的系统，通过纠正性反馈来弥合第二语言学习者自动写作评估和语法错误纠正结果之间的差距。

Feb, 2024

使用反向翻译文章和调整分数来提高自动化论文评分的性能

本文提出了一种使用回译和分数调整来增加论文 - 评分对数目的方法，并将其应用于 Automated Student Assessment Prize 数据集进行扩充，通过使用先前工作中的模型对增强数据的有效性进行了评估，并使用长短期记忆进行了性能评估，该模型广泛用于自动文章评分。使用增强数据来训练模型可以提高模型的性能。

Mar, 2022

基于字符的神经机器翻译

本研究介绍了一种基于字符级别表示的神经机器翻译模型，该模型使用注意力机制实现从字符级别到单词级别的翻译，并具有一定的词形识别与生成能力。

Nov, 2015

QuickEdit: 通过划掉单词进行文本和翻译编辑

提出了一个计算机辅助文本编辑的框架，通过神经序列到序列建模和引入一个以输入句子和更改标记为输入的神经网络来解决翻译后编辑和改写问题，并通过用户研究评估了该模型的效果。

Nov, 2017

基于字符注意力机制的神经语言纠错

本文介绍了一种基于神经网络的自然语言校正方法，该方法以字符级别操作避免了词汇表外的问题，并展示了在语言学习者论坛收集的数据集上的灵活性和性能。与语言建模相结合后，该方法在 CoNLL 2014 共享任务中实现了最先进的 $F_{0.5}$- 分数。

Mar, 2016

神经机器翻译能否通过用户反馈进行改进？

本研究在 ebay 电商平台上，使用了人类增强的方法来改进神经机器翻译 (NMT)，并通过通过跨语言搜索任务收集的隐式任务反馈，提高了翻译质量和任务效率。

Apr, 2018

神经机器翻译与基于短语的机器翻译在 9 个语言方向上的多方面评估

本文评估了新兴的神经机器翻译系统和基于短语的机器翻译系统在九种语言方向上的表现，发现相对于基于短语的系统，神经机器翻译系统翻译更为流畅和准确，但在翻译超长句子时表现差。

Jan, 2017

机器之间的机器翻译：情感分类应用案例

提出了一种神经机器翻译的方法，利用一种新的候选采样策略，基于强化学习技术提高翻译模型的机器导向性，从而产生最适合用作特定下游任务的自然语言处理组件输入的翻译结果，这种方法可以显著提高英文分类器对 Twitter 数据的情感分类的性能。

Oct, 2019

神经机器翻译：综述与调查

本文追溯了现代神经机器翻译体系结构的起源，重点探讨了单个神经网络在翻译中的应用，其中涉及到 word 和 sentence embedding 以及编码器 - 解码器网络家族的早期示例，并总结了该领域的最新趋势。

Dec, 2019