RE$^2$: Improving Chinese Grammatical Error Correction via Retrieving Appropriate Examples with Explanation

📄 arXiv: 2509.26038v1 📥 PDF

作者: Baoxin Wang, Yumeng Luo, Yixuan Wang, Dayong Wu, Wanxiang Che, Shijin Wang

分类: cs.CL

发布日期: 2025-09-30

💡 一句话要点

RE$^2$：利用带解释的检索增强中文语法纠错

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 中文语法纠错 大型语言模型 示例检索 语法错误解释 错误模式识别

📋 核心要点

  1. 现有CGEC方法依赖文本相似度检索示例，易错配错误模式，检索语法无关的句子。
  2. RE$^2$方法利用语法错误解释检索参考示例，辅助LLM进行更精准的语法纠错。
  3. 实验表明，该方法在CGEC任务上有效提升性能，并构建了高质量的语法错误解释数据集。

📝 摘要（中文）

中文语法纠错（CGEC）的主要目标是检测和纠正中文句子中的错误。最近的研究表明，大型语言模型（LLMs）在CGEC中取得了显著成果。对于LLMs，选择合适的参考示例有助于提高其性能。然而，现有方法主要依赖于文本相似性进行示例检索，这种策略经常错误匹配实际的错误模式，并检索到词汇相似但语法上不相关的句子。为了解决这个问题，我们提出了一种名为RE$^2$的方法，该方法通过语法错误的解释来检索合适的示例。我们不使用输入句子的文本相似性，而是使用语法错误的解释来选择参考示例，这些示例被LLMs用来提高CGEC的性能。我们在两个CGEC数据集上进行了实验，并创建了一个高质量的语法错误解释（GEE）数据集，该数据集不仅用于我们的研究，而且还可以作为未来CGEC和GEE研究的宝贵资源。在两个数据集上的实验结果表明，我们提出的方法有效地提高了CGEC的性能。

🔬 方法详解

问题定义：论文旨在解决中文语法纠错任务中，现有方法依赖文本相似度进行示例检索，导致检索到的示例与实际错误模式不匹配的问题。现有方法的痛点在于无法有效利用语法错误信息，容易检索到词汇相似但语法无关的句子，从而影响纠错效果。

核心思路：论文的核心思路是利用语法错误的解释（Grammatical Error Explanation, GEE）来指导示例检索。通过分析输入句子中的语法错误，并基于这些错误解释来检索相似的错误示例，从而为大型语言模型提供更具针对性的参考信息。这样可以避免仅仅依赖文本相似度带来的偏差，提高纠错的准确性。

技术框架：RE$^2$方法主要包含以下几个阶段：1) 语法错误检测：识别输入句子中的语法错误；2) 语法错误解释生成：为检测到的错误生成相应的解释；3) 示例检索：基于生成的错误解释，从预定义的示例库中检索相似的示例；4) 语法纠错：利用检索到的示例，辅助大型语言模型进行语法纠错。整体流程是先分析错误，再根据错误找例子，最后利用例子辅助纠错。

关键创新：该方法最重要的技术创新点在于使用语法错误解释来指导示例检索，而不是传统的文本相似度。这种方法能够更准确地捕捉到句子中的错误模式，并检索到更相关的示例。此外，论文还构建了一个高质量的语法错误解释数据集，为未来的研究提供了宝贵的资源。

关键设计：论文的关键设计包括：1) GEE数据集的构建：如何定义和标注语法错误解释，保证数据集的质量和多样性；2) 示例检索策略：如何基于错误解释计算示例之间的相似度，选择最合适的示例；3) LLM的集成方式：如何将检索到的示例有效地融入到LLM的输入中，辅助其进行语法纠错。具体的参数设置、损失函数和网络结构等细节在论文中进行了详细描述。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，RE$^2$方法在两个CGEC数据集上均取得了显著的性能提升。相较于基线方法，该方法能够更有效地纠正语法错误，并生成更流畅自然的句子。此外，论文构建的GEE数据集也为未来的CGEC研究提供了宝贵的资源。

🎯 应用场景

该研究成果可应用于智能写作辅助、在线教育、机器翻译等领域。通过提供更准确的语法纠错，可以帮助用户提高写作质量，辅助语言学习者掌握正确的语法规则，并提升机器翻译的准确性和流畅性。未来，该方法有望进一步扩展到其他语言的语法纠错任务中，具有广阔的应用前景。

📄 摘要（原文）

The primary objective of Chinese grammatical error correction (CGEC) is to detect and correct errors in Chinese sentences. Recent research shows that large language models (LLMs) have been applied to CGEC with significant results. For LLMs, selecting appropriate reference examples can help improve their performance. However, existing methods predominantly rely on text similarity for example retrieval, a strategy that frequently mismatches actual error patterns and retrieves lexically similar yet grammatically irrelevant sentences. To address this problem, we propose a method named RE$^2$, which retrieves appropriate examples with explanations of grammatical errors. Instead of using text similarity of the input sentence, we use explanations of grammatical errors to select reference examples, which are used by LLMs to improve the performance of CGEC. We conduct experiments on two CGEC datasets and create a high-quality grammatical error explanation (GEE) dataset, which is not only used in our research but also serves as a valuable resource for future studies in both CGEC and GEE. The experimental results on the two datasets indicate that our proposed method effectively improves the performance of CGEC.