论文地址 :https://aclanthology.org/2022.findings-acl.98/
MDCSpell: A Multi-task Detector-Corrector Framework for Chinese Spelling Correction 论文的非官方Pytorch实现。 由于作者并没有公开代码,所以我就尝试自己实现一个,最终我的实验结果如下表:
| Dataset | Model | D_Precision | D_Recall | D_F1 | C_Prec | C_Rec | C_F1 |
|---|---|---|---|---|---|---|---|
| SIGHAN 13 | MDCSpell | 89.1 | 78.3 | 83.4 | 87.5 | 76.8 | 81.8 |
| SIGHAN 13 | MDCSpell(复现) | 80.2 | 79.9 | 80.0 | 77.2 | 76.9 | 77.1 |
| SIGHAN 14 | MDCSpell | 70.2 | 68.8 | 69.5 | 69.0 | 67.7 | 68.3 |
| SIGHAN 14 | MDCSpell(复现) | 82.8 | 66.6 | 73.8 | 79.9 | 64.3 | 71.2 |
| SIGHAN 15 | MDCSpell | 80.8 | 80.6 | 80.7 | 78.4 | 78.2 | 78.3 |
| SIGHAN 15 | MDCSpell(复现) | 86.7 | 76.1 | 81.1 | 72.5 | 82.7 | 77.3 |
这里是我训练了2个epoch的结果,与作者的结论相差不大。如果我增加训练次数的话,也许可以和作者的结果达到一致。
数据集地址:百度网盘 ; Google Drive
我的模型:百度网盘
5 commits
Jupyter Notebook
100.0%
论文地址 :https://aclanthology.org/2022.findings-acl.98/
MDCSpell: A Multi-task Detector-Corrector Framework for Chinese Spelling Correction 论文的非官方Pytorch实现。 由于作者并没有公开代码,所以我就尝试自己实现一个,最终我的实验结果如下表:
| Dataset | Model | D_Precision | D_Recall | D_F1 | C_Prec | C_Rec | C_F1 |
|---|---|---|---|---|---|---|---|
| SIGHAN 13 | MDCSpell | 89.1 | 78.3 | 83.4 | 87.5 | 76.8 | 81.8 |
| SIGHAN 13 | MDCSpell(复现) | 80.2 | 79.9 | 80.0 | 77.2 | 76.9 | 77.1 |
| SIGHAN 14 | MDCSpell | 70.2 | 68.8 | 69.5 | 69.0 | 67.7 | 68.3 |
| SIGHAN 14 | MDCSpell(复现) | 82.8 | 66.6 | 73.8 | 79.9 | 64.3 | 71.2 |
| SIGHAN 15 | MDCSpell | 80.8 | 80.6 | 80.7 | 78.4 | 78.2 | 78.3 |
| SIGHAN 15 | MDCSpell(复现) | 86.7 | 76.1 | 81.1 | 72.5 | 82.7 | 77.3 |
这里是我训练了2个epoch的结果,与作者的结论相差不大。如果我增加训练次数的话,也许可以和作者的结果达到一致。
数据集地址:百度网盘 ; Google Drive
我的模型:百度网盘
5 commits
Jupyter Notebook
100.0%