Exploring high-reliability and cost-effective methods for generating feedback comment generataton for writing learning

探索高可靠性和高性价比的写作学习反馈评论生成方法

• 批准号: 22K12326
• 负责人: 永田 亮
• 金额: $ 2.58万
• 依托单位: Konan University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2026-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K12326/
• 关键词: 生成問題の分類問題への近似; 言語モデルに内在する文法知識; 解説文生成; 語学学習; 学習支援; 自然言語処理; 人工知能

本年度は，低コストかつ高信頼度な解説文自動生成の実現を目指して基礎的な調査を行った．具体的には，「事前学習済みニューラルネットに内在する文法知識」について詳細な分析を行った．その結果，前置詞，冠詞など幅広い文法項目について知識を確認し，解説文生成に応用できる可能性を見出した．また，事前学習済みニューラルネットでは，文法誤りが，一般的な誤りと単語固有の誤りに分離されることも示した．以上により，誤りタイプの体系を作成した．更に，この発見に基いて，生成問題の分類問題へ近似する手法を提案した．前半部分について，国際学会で発表を行い，現在論文を投稿中である．また，後半部分については，国内学会発表を行い，現在国際学会論文を執筆中である．以上の結果は，研究計画で予定した以上の成果であり，順調に研究が進んでいる．

今年我们进行了基础研究，目标是实现低成本、高可靠的解释文本自动生成。具体来说，我们对“预训练神经网络固有的语法知识”进行了详细分析。结果，我们确认了介词和冠词等广泛语法项目的知识，并发现该方法可以应用于生成解释性句子。我们还表明，预训练的神经网络可以将语法错误分为一般错误和特定单词错误。基于上述，我们创建了一个错误类型系统。此外，基于这一发现，我们提出了一种将生成问题近似为分类问题的方法。论文前半部分已在国际会议上发表，目前正在提交论文。下半年我在国内会议上做报告，目前正在国际会议上写论文。上述结果优于研究计划预期，研究进展顺利。

项目成果

Exploring the Capacity of a Large-scale Masked Language Model to Recognize Grammatical Errors

探索大规模掩码语言模型识别语法错误的能力

• 发表时间: 2022
• 作者: Nagata Ryo;Kimura Manabu;Hanawa Kazuaki
• 通讯作者: Hanawa Kazuaki

文法誤りにおける一般誤りの分離可能性と解説文生成への応用

一般语法错误的可分性及其在解释句生成中的应用

• 发表时间: 2023
• 作者: 永田亮;木村学
• 通讯作者: 木村学