SpellGCN: Incorporating Phonological and Visual Similarities intoLanguage Models

模型结构图:

SpellGCN: Incorporating Phonological and Visual Similarities intoLanguage Models_第1张图片

创新点:通过图卷积网络改变了分类层的权值W (原来直接使用bert的embedding层权值初始化)

复现结果以及分析:

SpellGCN: Incorporating Phonological and Visual Similarities intoLanguage Models_第2张图片

那么还有什么方法可以更好的融入易混词(混淆集)的相关信息,并且是可迁移到很多不同领域的数据集上呢(可学习)?

你可能感兴趣的:(论文阅读,语言模型,bert,spellgcn,中文纠错)