STAGEET:用于语法纠错的分阶段类型化编辑标注框架——以阿拉伯语为案例研究
摘要
本文提出STAGEET,一个面向语法纠错的分阶段类型化编辑标注框架,通过增强可解释性并在阿拉伯语基准测试中取得最先进性能。
arXiv:2608.28614v1 公告类型:新
摘要:序列到编辑方法通过预测输入上的编辑标签而非生成完整纠正句子,使语法纠错(GEC)高效且局部可解释。然而,其可解释性主要是操作性的:标签指定字符串应如何更改,但单个编辑词汇并不总是揭示正在进行的纠正类型。我们提出STAGEET,一个分阶段类型化编辑标注框架,将Seq2Edit监督重新组织为可执行的类型化阶段,并将编辑操作扩展到纠正类别。STAGEET将纠正分解为一系列有序的中等粒度类型化阶段;每个阶段从自己的标签空间预测,重写当前假设一次,并将得到的中间句子传递到下一个阶段。我们将该框架实例化为具有阶段特定适配器的端到端共享编码器多头模型,以及每个阶段有独立标注器的完全专用变体。在QALB-2014和ZAEBUC上的实验表明,类别感知的分阶段纠正保持了具有竞争力的基于编辑的GEC性能,同时提供了更可检查的纠正轨迹,并在QALB-2014上达到了最先进的结果。
查看缓存全文
缓存时间: 2026/09/01 11:52
# STAGEET:面向语法纠错的阶段式类型化编辑标注框架——以阿拉伯语为例 来源:https://arxiv.org/abs/2608.28614 查看PDF (https://arxiv.org/pdf/2608.28614) > 摘要:序列到编辑方法通过预测输入上的编辑标签而非生成完整纠正句子,实现了语法纠错的高效性与局部可解释性。然而,其可解释性主要体现在操作层面:标签仅指明字符串应如何变化,单一编辑词表难以揭示纠错的具体类型。本文提出STAGEET框架,将序列到编辑监督信息重组为类型化的可执行阶段,并将编辑操作扩展至纠错类别范畴。该框架将纠错过程分解为有序的中粒度类型化阶段序列;每个阶段从独立标签空间进行预测,对当前假设进行单次重写,并将生成的中间句子传递至下一阶段。我们实现了两种模型变体:采用阶段专用适配器的端到端共享编码器多头模型,以及每个阶段配备独立标注器的完全专用化变体。QALB-2014与ZAEBUC数据集上的实验表明,类型感知的阶段式纠错在保持具有竞争力的基于编辑的语法纠错性能的同时,提供了更易检视的纠错路径,并在QALB-2014上取得了当前最优结果。 ## 提交历史 来自:文洁·楼 [查看邮件 (https://arxiv.org/show-email/da9c31e2/2608.28614)] **[版本1]** 2026年7月23日(周四)14:03:10 UTC (315 KB)
相似文章
ArabiGEE:阿拉伯语语法错误解释的分层分类法
介绍ArabiGEE,这是首个全面的阿拉伯语语法错误解释分类法,采用分层结构,涵盖拼写、形态、句法和词汇维度,包含27种错误类型、140种修正类型和324个解释。
TTLab 在 AlexandriaX-2026:一个用于阿拉伯语机器翻译错误片段检测与分类的微调表层标签器
TTLab 展示了一个用于阿拉伯语机器翻译错误片段检测与分类的微调表层标签器,使用 MARBERTv2 在 AlexandriaX-2026 共享任务中获得了第三名。
REGLAT 在 ArGuard 共享任务中的方法:集成 NER 的阿拉伯语有害内容检测模型
该论文提出一种两阶段方法用于ArGuard 2026共享任务中的阿拉伯语有害内容检测:先用GLiNER提取有害相关实体,再将实体与原始文本输入微调后的MARBERT进行分类,在开发集上取得0.886的macro-F1分数。
基于大型语言模型的阿拉伯语文本自动评分:文献综述
一篇文献综述,审视了基于LLM的阿拉伯语文本自动评分方法,涵盖简答题评分和作文评分,并提出了一个分类体系和比较分析。
PAST-TIDE: 基于原型锚定的语句调优与话题不变归一化用于立场检测
PAST-TIDE是StanceNakba共享任务的一个立场检测系统,采用完形填空式掩码语言建模的语句调优、原型对比学习和话题条件层归一化进行跨话题阿拉伯语立场检测,在子任务A和B上分别达到了0.75和0.74的宏F1分数。