Turkish and English grammatical error correction

Gramatik Hata Düzeltme, derin öğrenmedeki son gelişmelerle önemli bir ilerleme kaydetmiştir. Bu yöntemler geniş miktarda veri gerektirdiğinden, sentetik veri setleri bu boşluğu doldurmak için oluşturulmaktadır. Ne yazık ki, sentetik veri setleri bazı durumlarda yeterince organik değildir ve hatta temiz veriye ihtiyaç duyarlar. Dahası, yapılan çalışmaların çoğu genellikle İngilizce üzerine odaklanmıştır. Bu çalışmada, herhangi bir organik veriden paralel Türkçe Gramatik Hata Düzeltme veri setleri oluşturmak ve Büyük Dil Modelleri için kullanılan veriyi temizlemek için yeni bir organik veri odaklı yaklaşım olan "clean insertions"i tanıtıyoruz. Üçü arasında kamuoyunda bulunan iki Türkçe Gramatik Hata Düzeltme test setinde en son teknolojiye dayalı sonuçlar elde ediyoruz. Ayrıca, dil modellerini eğitirken eğitim kayıplarının etkinliğini gösteriyoruz. Türkçe Gramatik Hata Düzeltme için yaptığımız çalışmanın yanı sıra, Türk ana dili konuşanların genellikle yaptığı dilbilgisel hataları yakalayan farklı üniversitelerdeki Türk öğrenciler tarafından yazılmış denemelerden oluşan bir İngilizce Gramatik Hata Düzeltme veri seti oluşturuyoruz. Bu çalışmada geliştirilen tüm veri setlerini ve modelleri de yayınlıyoruz.