hillzhang1999/ctc-report

CTC2021-中文文本纠错大赛的SOTA方案及在线演示

ctc-report's Issues

关于模型集成

感谢开源，请问，模型集成是在训练的时候将概率平均，还是模型训练好之后的推理阶段，再将概率平均

你好，看过了你们的文章觉得非常有趣，想请问近期会开源吗？另外文章中的字/词级别的音形混淆集能够提供，仅供参考学习吗？谢谢

关于代码获取

作者您好，我看了您们团队在CTC2021比赛中所用方法的报告，我想学习一下，所以请问一下能否方便提供一下你们实现的整个纠错流程的源代码，仅供学习使用。本人邮箱：[email protected] ，如果方便提供源代码，麻烦联系我一下，谢谢。

关于解码策略的性能问题

”对句子中的每个位置，挑选出所对应的 10 个概率最大的候选字符；“
该步骤涉及topk求解问题，性能影响是否较大？

语义模板的语病纠错

自动抽取语义模板具体是怎么做的？是用现代汉语实词搭配词典做的吗？

Wiki-Edits数据集

感谢公开解决方案，请问 Wiki-Edits数据怎么获取呢？

请问是否有开源计划

请问“基于最小编辑距离算法的标签抽取方法”具体是怎么写的？

看示例愣是没想明白怎么做的，直觉上对于改动点比较多的平行文本，抽出来的标签准确性不会太高吧？另，翘首以盼开源ing……

拼写纠错

拼写纠错模型是不是类似于pycorrector开源项目中macbert4csc?另外，拼写纠错中的解码trick是在预测时使用吗？在训练时要使用吗？

GECToR训练

你好，打扰了，我在训练中文gector模型时，使用大量伪数据训练的效果，与直接在任务数据微调效果差不多。想请问下：1）你们在ctc比赛中的方案，只做伪数据预训（不做任务微调）可以达到什么效果呢？（或者有测试过ctc提供的baseline模型效果吗）2）你们训练gector的代码是基于ctc比赛提供的代码修改的吗？感谢。