文本纠错

tasks:
- text-error-correction

widgets:
- task: text-error-correction
inputs:
- type: text #可选值：text|image|video|audio
name:
title:
validator:
max_words: 100
examples:
- name: 1
title: 示例1 #用于前端显示，如果不写会使用name来显示
inputs:
- name:
data: 这洋的话，下一年的福气来到自己身上。
- name: 2
title: 示例2 #用于前端显示，如果不写会使用name来显示
inputs:
- name:
data: 在拥挤时间，为了让人们尊守交通规律，派至少两个警察或者交通管理者。
- name: 3
title: 示例3 #用于前端显示，如果不写会使用name来显示
inputs:
- name:
data: 因为世界的多元化，不时会引起人们产生了兴趣。
inferencespec:
cpu: 2 #CPU数量
memory: 4000 #单位MB
gpu: 1 #GPU数量
gpu_memory: 16000 #单位MB

model-type:
- seq2seq(BART)

domain:
- nlp

frameworks:
- pytorch

backbone:
- transformer

containers:

metrics:
- M2Scorer P/R/F0.5

license: Apache License 2.0

language:
- ch

tags:
- transformer
- Alibaba
- text-error-correction

datasets:
train:
- Lang8
- HSK
test:
- NLPCC18 testset

任务：文本错误校正（text-error-correction）

组件配置：
- 任务：文本错误校正（text-error-correction）
输入项：
- 类型：文本（可选值：text|image|video|audio）
名称：无
标题：无
验证器：
最大词数：100
示例：
- 名称：1
标题：示例1（用于前端展示，若未填写则以名称作为展示内容）
输入项：
- 名称：无
数据：这洋的话，下一年的福气来到自己身上。
- 名称：2
标题：示例2（用于前端展示，若未填写则以名称作为展示内容）
输入项：
- 名称：无
数据：在拥挤时间，为了让人们尊守交通规律，派至少两个警察或者交通管理者。
- 名称：3
标题：示例3（用于前端展示，若未填写则以名称作为展示内容）
输入项：
- 名称：无
数据：因为世界的多元化，不时会引起人们产生了兴趣。
推理规格：
CPU核心数：2
内存：4000 MB
GPU数量：1
GPU显存：16000 MB

模型类型：序列到序列（seq2seq）模型（BART）
领域：自然语言处理（NLP）
框架：PyTorch
骨干网络：Transformer
容器：无
评价指标：M2Scorer 精确率（P）、召回率（R）、F0.5值
开源许可证：Apache License 2.0
语言：中文（ch）
标签：Transformer、阿里巴巴（Alibaba）、文本错误校正（text-error-correction）
数据集：
训练集：
- Lang8
- HSK
测试集：
- NLPCC18测试集（NLPCC18 testset）

搜集汇总

背景与挑战

背景概述

该数据集专注于中文文本错误纠正任务，基于transformer架构（如BART）构建，使用Lang8和HSK作为训练数据，并以NLPCC18测试集进行评估。它采用Apache License 2.0许可，并利用M2Scorer P/R/F0.5指标衡量性能。