Context is Key- Grammatical Error Detection with Contextual Word Representations

長岡技術科学大学
自然言語処理研究室
文献紹介（2019-12-16）
Context is Key- Grammatical Error Detection with Contextual Word Representations
https://www.aclweb.org/anthology/W19-4410/

Transcript

1. 長岡技術科学大学 自然言語処理研究室 小川耀一朗 文献紹介（2019-12-16） Context is Key- Grammatical Error Detection with Contextual Word Representations
2. Paper 2
3. 3 Abstract • 誤り検出 (Grammatical Error Detection: GED) タスクの研究 • 既存のモデルに文脈を考慮した単語埋め込み (contextualized embeddings) を組み込むことでスコアの向上を確認した • ELMo, BERT, Flair を比較し、それぞれの傾向を調査した
4. 4 Error Detection Model ベースモデル (Rei 2017) • bi-LSTMを用いて各トークンに対して correct / incorrect ラベルを予測す る、sequence labelingタスクとして解く • Language modelを同時にマルチタスク学習する ◦ forward LSTMは次のトークンを予測するLM ◦ backward LSTMは前のトークンを予測するLM • character-level LSTMの出力を結合してword embeddingsとする
5. 5 Error Detection Model 提案モデル word embeddingsにcontextualized embeddingsを結合して入力する
6. 6 Contextualized word embeddings • BERT, ELMo, Flairの公開されている学習済みのモデルを使う • Flair: Contextual String Embeddings for Sequence Labeling (Akbik et al., 2018)
7. BERT • masked LM と next sentence predictionを学習 • BooksCorpus (0.8 billion words) + English Wikipedia (2.5 billion words) ELMo • 3つのlayerの出力を合計したembeddings • One Billion Word Benchmark corpus (0.8 billion words) Flair • One Billion Word Benchmark corpus (0.8 billion words) 7 Contextualized word embeddings
8. 8 Results Rei (2017): ベースモデルを提案 Rei et al. (2017), Kasewa et al. (2018) : 擬似データを使用 提案手法は擬似データ未使用だが、 contextualized emneddingsを使うことで高いスコア BERTが最も高い
9. 9 Integration method contextualized embeddingsをbi-LSTMの （左）入力に結合するか （右）出力に結合するか を比較
10. 10 Integration method ベストスコアはデータセットによって異なるが、全体的には入力に結合 する方がいい
11. 11 Error type performance 各エラータイプでのRecallをベースラインと比較（全データセットの平均スコア）
12. 12 Error type performance 各エラータイプでのRecallをベースラインと比較（全データセットの平均スコア） conjugation, spellingは向上が小さい →これらのエラーは単言語コーパスでは未知語になる
13. 13 Conclusion • 文脈を考慮した単語の埋め込み (contextual embeddings) を使うことで誤 り検出タスクの性能を向上させることができた • contextual embeddingsは学習者コーパスを必要としないため実用的であ る • ELMo, Flair, BERT(base/large) の各エラータイプにおける長所と短所を 分析した