你好，训练完的seq2seq纠错模型不能判断正确的句子

[GuoXiaodDong]

你好，训练完的seq2seq纠错模型似乎只能纠错，不能判断正确的句子。原本正确的句子也会被进行纠错修改。这是什么原因造成的呢，是因为没有添加正样本吗？不过后来我又加了正样本，大概占总样本的35%，但还是没办法判别原句是否正确，而是统一按错句处理 ，请问这个应该怎么解决呢

[HillZhang1999]

可以给一些例子吗？我自己测试似乎不会这样

[GuoXiaodDong]

我使用的数据集也是lang8 + SHK进行训练, 训练参数并没有改,训练后的模型会过度纠错. 比如输入 你好。会改成你们好。 比如这只是一个测试用例。 会改成这只是个测试用例。 是不是需要将seq2seq和seq2edit集成使用才能避免这个问题

[GuoXiaodDong]

可以给一些例子吗？我自己测试似乎不会这样

会无差别的进行纠错，即便原来的句子是正确的，也会进行修改。尽管改完也是正确的，但是语义上还是很可能发生改变的。 在魔塔社区发布的通用纠错模型，输入你好。也会过度纠正，会变成大家好。 但是魔塔设计那个模型过度纠正只是小概率，两者是因为有无检测网络的差别吗？ 我使用的数据集也是lang8 + SHK进行训练, 训练参数并没有改,训练后的模型会过度纠错. 比如输入 你好。会改成你们好。 比如这只是一个测试用例。 会改成这只是个测试用例。 是不是需要将seq2seq和seq2edit集成使用才能避免这个问题。 还是说得单独在训练一个检测模型

[GuoXiaodDong]

会无差别的进行纠错，即便原来的句子是正确的，也会进行修改。尽管改完也是正确的，但是语义上还是很可能发生改变的。 在魔塔社区发布的通用纠错模型，输入你好。也会过度纠正，会变成大家好，不过只是个例。并不会像我自己训练的seq2aeq模型那样，百分百都会修改。两者是因为有无检测网络的差别吗？ 我使用的数据集也是lang8 + SHK进行训练, 训练参数并没有改,训练后的模型会过度纠错. 比如输入 你好。会改成你们好。 比如  这只是一个测试用例。 会改成  这只是个测试用例。 是不是需要将seq2seq和seq2edit集成使用才能避免这个问题。 还是说得单独在训练一个检测模型 小拾 ***@***.***  

…

------------------ 原始邮件 ------------------ 发件人: "HillZhang1999/MuCGEC" ***@***.***>; 发送时间: 2023年11月2日(星期四) 下午3:53 ***@***.***>; ***@***.******@***.***>; 主题: Re: [HillZhang1999/MuCGEC] 你好，训练完的seq2seq纠错模型不能判断正确的句子 (Issue #57) 可以给一些例子吗？我自己测试似乎不会这样 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you authored the thread.Message ID: ***@***.***>

[GuoXiaodDong]

魔塔社区那个模型对一些比较短的语句似乎也会过度纠偏，比如你好，他好吗？ 他还好吗？都会被纠正。用MuCGEC上的项目训练的Seq2Seq纠错模型会更加严重，训练集和训练参数没有修改的情况下，每个句子都被当成错句修改。另外双引号也会被去除。 请问应该如何解决呢？ 集成一下seq2edit是否能够改善这个问题。 小拾 ***@***.***  

…

------------------ 原始邮件 ------------------ 发件人: "HillZhang1999/MuCGEC" ***@***.***>; 发送时间: 2023年11月2日(星期四) 下午3:53 ***@***.***>; ***@***.******@***.***>; 主题: Re: [HillZhang1999/MuCGEC] 你好，训练完的seq2seq纠错模型不能判断正确的句子 (Issue #57) 可以给一些例子吗？我自己测试似乎不会这样 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you authored the thread.Message ID: ***@***.***>

[HillZhang1999]

魔塔的模型理论上和我们开源的模型是一样的，结果应该比较接近。

如果想减少过纠现象可以使用集成策略。

[GuoXiaodDong]

Seq2edit的训练集是否跟Seq2Seq的训练集一样？ 是否需要正样本？ 感谢您耐心的回答，Thanks♪(･ω･)ﾉ

[HillZhang1999]

一样的，一般是需要正样本的，可以提高precision

[GuoXiaodDong]

好的 谢谢 郭晓东 ***@***.***  

…

------------------ 原始邮件 ------------------ 发件人: "HillZhang1999/MuCGEC" ***@***.***>; 发送时间: 2023年11月6日(星期一) 晚上9:13 ***@***.***>; ***@***.******@***.***>; 主题: Re: [HillZhang1999/MuCGEC] 你好，训练完的seq2seq纠错模型不能判断正确的句子 (Issue #57) 一样的，一般是需要正样本的，可以提高precision — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you authored the thread.Message ID: ***@***.***>

[Lei-Cai]

你好，训练完的seq2seq纠错模型似乎只能纠错，不能判断正确的句子。原本正确的句子也会被进行纠错修改。这是什么原因造成的呢，是因为没有添加正样本吗？不过后来我又加了正样本，大概占总样本的35%，但还是没办法判别原句是否正确，而是统一按错句处理 ，请问这个应该怎么解决呢

你这个问题解决了吗？我这边用自己的数据进行微调，也加了接近30%的正确样本，也会出现过纠现象。