在第七屆國(guó)際自然語言處理與中文計(jì)算會(huì)議（以下簡(jiǎn)稱NLPCC）中，第一次新增了“中文語法錯(cuò)誤修正”共享任務(wù)比賽。最終網(wǎng)易有道AI團(tuán)隊(duì)貢獻(xiàn)出最佳糾錯(cuò)成果，于眾多參賽高手中脫穎而出，力壓包括阿里巴巴團(tuán)隊(duì)、北京大學(xué)團(tuán)隊(duì)在內(nèi)的5組全球?qū)W術(shù)界和業(yè)界知名研究團(tuán)隊(duì)，斬獲冠軍。

高水準(zhǔn)的業(yè)界參賽團(tuán)隊(duì)

網(wǎng)易有道的召回率和綜合評(píng)價(jià)指標(biāo)均為第一

　　隨著中國(guó)影響力的日益擴(kuò)大，漢語學(xué)習(xí)熱潮席卷全球，越來越多機(jī)構(gòu)對(duì)于中文作為第二語言的（Chinese as Second Language，簡(jiǎn)稱CSL）研究開始推進(jìn)。NLPCC首次在比賽中加入中文語法錯(cuò)誤識(shí)別及糾正的項(xiàng)目，也是希望行業(yè)與時(shí)俱進(jìn)，與社會(huì)熱點(diǎn)結(jié)合，提高CSL領(lǐng)域的研究熱情。

　　本次比賽中，主辦方提供的測(cè)試集是北京外國(guó)語大學(xué)的外籍學(xué)生撰寫的中文作文；訓(xùn)練集則采集自外國(guó)人學(xué)習(xí)中文的網(wǎng)站，包括非母語人士撰寫的中文文本和母語者的注釋和修正。

　　比賽伊始，需要由參賽者開發(fā)能自動(dòng)檢測(cè)、糾正CSL編寫者錯(cuò)誤的人工智能算法模型，利用訓(xùn)練集提高算法模型對(duì)相關(guān)問題的熟悉程度和修正能力后，輸入測(cè)試集進(jìn)行正式研發(fā)成果檢驗(yàn)。主辦方就修正后結(jié)果的準(zhǔn)確度、召回率和綜合評(píng)價(jià)指標(biāo)這三重評(píng)判標(biāo)準(zhǔn)進(jìn)行打分。

　　最終，網(wǎng)易有道AI團(tuán)隊(duì)以召回率第一、綜合評(píng)價(jià)指標(biāo)第一的絕對(duì)優(yōu)勢(shì)，首戰(zhàn)告捷。

　　對(duì)于外國(guó)人而言，漢語的主要難點(diǎn)在于它的孤立語特征。英語通過時(shí)態(tài)和詞綴表達(dá)語法和詞性，漢語則是依靠獨(dú)立的虛詞和固定詞序表達(dá)語法意義，通過一個(gè)個(gè)字詞的排列組合構(gòu)造句義語境，對(duì)解讀的要求很高。

　　以大賽考題為例，原句是“她已經(jīng)畢業(yè)了大學(xué)，專業(yè)是視覺設(shè)計(jì)”，經(jīng)過有道AI團(tuán)隊(duì)人工智能修正后的結(jié)果是“她已經(jīng)大學(xué)畢業(yè)，專業(yè)是視覺設(shè)計(jì)”。

　　看似簡(jiǎn)單的一步，實(shí)際是有道AI團(tuán)隊(duì)的人工智能先對(duì)訓(xùn)練集的人類專家給出的注釋和修正進(jìn)行學(xué)習(xí)，再對(duì)比賽原句進(jìn)行錯(cuò)誤識(shí)別、衡量及修正，從分詞斷句、句子通順程度、邏輯連貫性等多個(gè)維度綜合考量。

　　有道AI團(tuán)隊(duì)表示，算法的高精準(zhǔn)度主要源自“多步推斷”的設(shè)計(jì)。第一層面的多步推斷是指，將表層錯(cuò)誤和深層次語法錯(cuò)誤分離、分層次解決。例如：

　　原句：晚上還要做作業(yè)或者跟朋友們一起完兒睡晚覺。

　　修正句：晚上還要做作業(yè)或者跟朋友們一起玩兒很晚。

　　模型會(huì)先將“完”和“玩”這類錯(cuò)別字、標(biāo)點(diǎn)符號(hào)等表層錯(cuò)誤識(shí)別糾正，再在理解句義的基礎(chǔ)上，調(diào)整深層語法錯(cuò)誤。

　　第二層面的多步推斷是指，在修正過程中更為本真地還原人類的認(rèn)知行為——推敲。為了更精準(zhǔn)周到的表達(dá)，人類習(xí)慣先在腦海中反復(fù)推敲一句話的措辭、情緒等，幾番嘗試后才會(huì)將最滿意的搭配說出口。在推敲的過程中，有些字被修改了，有些詞匯搭配也被修改了，對(duì)于AI而言，這是兩種不同粒度的修正。因此，有道人工智能團(tuán)隊(duì)設(shè)計(jì)了字級(jí)別和子詞級(jí)別兩種神經(jīng)網(wǎng)絡(luò)模型，并將兩種模型進(jìn)行不同搭配組合，對(duì)例句做逐層推敲，得到5種修訂結(jié)果，再使用一個(gè)表征句子流利度的語言模型來對(duì)修訂結(jié)果進(jìn)行篩選，從而獲得最終結(jié)果。

AI“推敲”的模型流程圖

　　目前，網(wǎng)易有道已將成熟的英文糾錯(cuò)研發(fā)成果應(yīng)用于有道精品課等教育類產(chǎn)品中，協(xié)助進(jìn)行英文作文批改。對(duì)于尚未完全成熟的中文語法錯(cuò)誤修正技術(shù)，網(wǎng)易有道首席科學(xué)家段亦濤表示，當(dāng)人工智能可以理解復(fù)雜度高的語法錯(cuò)誤，積累足量中文語料庫(kù)后，才會(huì)作為產(chǎn)品功能落地。網(wǎng)易有道的產(chǎn)品矩陣中不乏針對(duì)CSL學(xué)習(xí)者的課程及產(chǎn)品，未來應(yīng)用場(chǎng)景廣闊，除了設(shè)計(jì)成面向中文學(xué)習(xí)者的自動(dòng)在線糾錯(cuò)學(xué)習(xí)工具，也可以與中小學(xué)校合作，為教師提供輔助批改。