Facebook展示全新多语言嵌入系统
极客时间编辑部
讲述:杜力大小:1.09M时长:02:23
传统的自然语言处理系统只能对应于特定语言,如果想要让其应用支持多种语言,则需要从头开始构建相应数量的新系统。
最近,Facebook 提出了多语言嵌入方法,这种方法可以在一些“已知“语言上训练 Classifier,应用于“未知“语言上,成功解决了社交平台中 AI 应用的多语言支持问题。
目前文本分类模型使用词嵌入或将词表征为多维向量,将其作为理解语言的基本表征。词嵌入具有非常好的属性,它们非常易于操作,并且相似意义的词汇在向量空间中彼此距离很近。
一般而言,词嵌入是针对特定语言的,每种语言的词嵌入需要单独训练,并且存在于完全不同的向量空间中。
实现多语言文本分类的一种方法是开发多语言词嵌入向量,这样,每种语言的词嵌入都存在于同一个向量空间中,而且不同语言间语义相似的词在向量空间中的距离会较为相近。
为了实现跨语言文本分类任务,可以使用这些多语言词嵌入作为文本分类模型的基本表征。由于新语言中的单词在嵌入空间中与已训练语言的单词相近,所以分类器也能在新语言上执行良好。因此,人们可以使用一种或多种语言进行训练,学习在一种从未训练过的语言中执行分类任务。
而为了训练多语言词嵌入,开发人员首先使用 fastText 和来自 Facebook、Wikipedia 的数据,为每种语言分别训练词嵌入,然后利用词典将所有嵌入空间投影到共同空间,例如英语。再这些嵌入整合到文本分类框架 DeepText 中,并在其中将多语言词嵌入作为基本表征来训练多语言模型,最后将词嵌入“固定”。
对于一些分类问题,用多语言词嵌入训练的模型展现的跨语言性能非常接近于特定语言分类器的性能,准确率达到了 95%,这与用特定语言数据集训练的分类器性能相当。而之前的翻译输入方法的跨语言准确率通常只能达到特定语言模型的 82%。新的多语言方法的整体延迟时间相比翻译和分类方法,缩短了 20 倍到 30 倍。
研究人员发现,目前的多语言嵌入对英语、德语、法语、西班牙语,及与其相近的语言的性能略微好一些。不过该技术仍在继续扩展的过程中,未来会专注于对那些不具备大量数据的语言尝试新技术。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》,如需阅读全部文章,
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论