参赛邀请 | CCL 2022 汉语学习者文本纠错评测期待您的参与
汉语学习者文本纠错任务（Chinese Learner Text Correction，CLTC）旨在自动检测并修改汉语学习者文本中的标点、拼写、语法、语义等错误，从而获得符合原意的正确句子。近年来，该任务越来越受到关注，也出现了一些有潜在商业价值的应用。为了推动这项研究的发展，研究者通过专家标注以及众包等形式构建一定规模的训练和测试数据，在语法检查以及语法纠错等不同任务上开展技术评测。同时，由于汉语学习者文本纠错任务相对复杂、各评测任务以及各数据集之间存在差异，在一定程度上限制了文本纠错的发展。因此，我们希望通过汇聚、开发数据集，建立基于多参考答案的评价标准，完善文本纠错数据及任务，聚焦该研究领域中的前沿问题，进一步推动汉语学习者文本纠错研究的发展。
我们依托第二十一届中国计算语言学大会（CCL 2022），组织汉语学习者文本纠错评测。本次评测既整合了已有的相关评测数据和任务，又有新开发的数据集，以设置多赛道、统一入口的方式开展比赛任务。同时，我们研制了各赛道具有可比性的评测指标，立足于构建汉语学习者文本纠错任务的基准评测框架。
赛事最新进展：
6月5日：开放报名
6月10日：开放各个赛道的训练集、开发集以及赛道三、四、五的第一阶段测试集
6月15日：公开各个赛道的基线模型及评测指标
更详细内容可查看评测网站：
https://github.com/blcuicall/CCL2022-CLTC
遇到任何问题请发邮件或者在 Issue 中提问，欢迎大家参与。
1、任务内容
本次评测设置以下五个赛道：
赛道一： 中文拼写检查（Chinese Spelling Check）任务目的是检测并纠正中文文本中的拼写错误（Spelling Errors）。对于给定的一段输入文本，最终需给出拼写错误的位置及对应的修改结果，其中拼写错误包含：音近、形近、形音兼近三种。如表1所示，“14”“15”为两个错误位置，“印”“象”为对应位置的修改结果。如该句没有错误，则输出“（id=xxx） 0”即可。
赛道二： 中文语法错误检测（Chinese Grammatical Error Diagnosis）任务目的是检测出中文文本中每一处语法错误的位置、类型。语法错误的类型分为赘余(Redundant Words，R)、遗漏(Missing Words，M)、误用(Word Selection，S)、错序(Word Ordering Errors，W)四类。评测任务要求参加评测的系统输入句子（群），其中包含有零个到多个错误。参赛系统应判断该输入是否包含错误，并识别错误类型，标记出其在句子中的位置和范围，对缺失和误用给出修正答案。
赛道三： 多维度汉语学习者文本纠错（Multidimensional Chinese Learner Text Correction）。同一个语法错误从不同语法点的角度可被划定为不同的性质和类型1，也会因语言使用的场景不同、具体需求不同，存在多种正确的修改方案。赛道三的数据中提供针对一个句子的多个参考答案，并且从最小改动（Minimal Edit，M）和流利提升（Fluency Edit，F）两个维度对模型结果进行评测。最小改动维度要求尽可能好地维持原句的结构，尽可能少地增删、替换句中的词语，使句子符合汉语语法规则；流利提升维度则进一步要求将句子修改得更为流利和地道，符合汉语母语者的表达习惯。如表 3 中所示，原句在两个维度均有多个语法纠错的参考答案。
赛道四： 多参考多来源汉语学习者文本纠错（Multi-referenceMulti-source Chinese Learner Text Correction）。不同来源的文本，其蕴含的语法错误类型也可能含有一定的差异。赛道四提供来自于三个不同文本源的中文学习者语法纠错评测数据，对于每一个句子提供多个遵循流利提升的修改答案，希望能够准确而全面地评估各参赛队伍的纠错系统性能。
赛道五： 语法纠错质量评估（Quality Estimation），是评价语法纠错模型修改结果质量的方法[2]。如表4所示，该方法通过预测每一个语法纠错结果的质量评估分数（QE Score）来对语法纠错的结果进行质量评估，以期望对冗余修改、错误修改以及欠修改情况进行评估。该分数可以通过句子级别和词级别的质量评估分数得到[3]，可以对语法纠错系统生成的多个纠错结果进行重新排序，以期望进一步提升语法纠错效果。
各赛道评测数据集和指标详见评测网站：
https://github.com/blcuicall/CCL2022-CLTC
2、报名方式
赛道一、二、三、五于智源平台注册报名。注册智源平台，由队长创建队伍后，凭邀请码邀请其余组员入队。每个队伍需指定一位提交人提交评测，默认为队伍创建人。队伍可以在一、二、三、五四个赛道上提交结果。
赛道四于天池平台页面下载报名表，按照规定要求填写后，以附件形式发送邮件到邮箱：ccl2022track4@163.com 进行报名。
3、评测赛程
| 时间 | 赛程安排 |
|---|---|
| 6月5日-7月20日 | 开放报名 |
| 6月10日 | 发布所有赛道的训练集和开发集以及赛道三、四、五的第一阶段测试集 |
| 6 月 15 日 | 发布所有赛道的 Baseline 代码及结果 |
| 6 月 20 日 | 参赛系统结果提交入口开放 |
| 8 月 5 日 | 赛道三、四、五第一阶段结束 |
| 8 月 10 日 | 发布赛道一、二的测试集，赛道三、四、五的第二阶段测试集 |
| 8 月 25 日 | 平台测试集结果提交入口关闭 |
| 9 月 10 日 | 公布评测结果 |
| 9 月 25 日 | 截止提交评测任务技术报告 |
| 10 月14日-16 日 | 评测研讨会 |
4、奖项设置
本次评测将评选出一、二、三等奖，奖池共计 50000 元人民币：
- 一等奖 0-5 名，奖金合计 25000 元；
- 二等奖 0-5 名，奖金合计 15000 元；
- 三等奖 0-5 名，奖金合计 10000 元。
另外，中国中文信息学会将为本次评测获奖队伍提供荣誉证书。