Une analyse de la fréquence linguistique et de la correction des erreurs pour l'espéranto

Les initiatives actuelles de correction des erreurs grammaticales (GEC) ont tendance à se concentrer sur les langues majeures, en accordant moins d'attention aux langues à ressources limitées comme l'espéranto. Dans cet article, nous commençons à combler cette lacune en réalisant d'abord une analyse de fréquence complète à l'aide du jeu de données Eo-GP, créé explicitement à cet effet. Nous introduisons ensuite le jeu de données Eo-GEC, dérivé de cas d'utilisation authentiques et annoté avec des détails linguistiques fins pour l'identification des erreurs. En tirant parti de GPT-3.5 et GPT-4, nos expériences montrent que GPT-4 surpasse GPT-3.5 tant dans les évaluations automatisées que humaines, mettant en évidence son efficacité à traiter les particularités grammaticales de l'espéranto et illustrant le potentiel des modèles linguistiques avancés pour améliorer les stratégies de GEC pour les langues moins couramment étudiées.