बहुभाषी यूनिवर्सल सेंटेंस एनकोडर के साथ क्रॉस-लिंगुअल समानता और सिमेंटिक सर्च इंजन

TensorFlow.org पर देखें Google Colab में चलाएं गिटहब पर देखें नोटबुक डाउनलोड करें टीएफ हब मॉडल देखें

यह नोटबुक बताती है कि बहुभाषी यूनिवर्सल सेंटेंस एनकोडर मॉड्यूल तक कैसे पहुंचा जाए और इसे कई भाषाओं में वाक्य समानता के लिए उपयोग किया जाए। इस मॉड्यूल का एक विस्तार है मूल यूनिवर्सल एनकोडर मॉड्यूल ।

नोटबुक को निम्नानुसार विभाजित किया गया है:

  • पहला खंड भाषाओं की जोड़ी के बीच वाक्यों का एक दृश्य दिखाता है। यह एक अधिक अकादमिक अभ्यास है।
  • दूसरे खंड में, हम दिखाते हैं कि एक विकिपीडिया कॉर्पस के नमूने से कई भाषाओं में सिमेंटिक सर्च इंजन कैसे बनाया जाता है।

उद्धरण

इस कोलाब में खोजे गए मॉडलों का उपयोग करने वाले शोध पत्रों का हवाला देना चाहिए:

सिमेंटिक पुनर्प्राप्ति के लिए बहुभाषी सार्वभौमिक वाक्य एन्कोडर

यिनफेई यांग, डैनियल सेर, अमीन अहमद, मैंडी गुओ, जैक्स लॉ, नूह कॉन्स्टेंट, गुस्तावो हर्नान्डेज़ अब्रेगो, स्टीव युआन, क्रिस टार, यूं-हुआन सुंग, ब्रायन स्ट्रोप और रे कुर्ज़वील। 2019 arXiv प्रीप्रिंट arXiv: 1907.04307

सेट अप

यह खंड बहुभाषी यूनिवर्सल सेंटेंस एनकोडर मॉड्यूल तक पहुंच के लिए वातावरण तैयार करता है और अंग्रेजी वाक्यों और उनके अनुवादों का एक सेट भी तैयार करता है। निम्न अनुभागों में, बहुभाषी मॉड्यूल भाषाओं में समानता की गणना करने के लिए इस्तेमाल किया जाएगा।

सेटअप पर्यावरण

%%capture
# Install the latest Tensorflow version.
!pip install tensorflow_text
!pip install bokeh
!pip install simpleneighbors[annoy]
!pip install tqdm

सामान्य आयात और कार्य सेटअप करें

import bokeh
import bokeh.models
import bokeh.plotting
import numpy as np
import os
import pandas as pd
import tensorflow.compat.v2 as tf
import tensorflow_hub as hub
from tensorflow_text import SentencepieceTokenizer
import sklearn.metrics.pairwise

from simpleneighbors import SimpleNeighbors
from tqdm import tqdm
from tqdm import trange

def visualize_similarity(embeddings_1, embeddings_2, labels_1, labels_2,
                         plot_title,
                         plot_width=1200, plot_height=600,
                         xaxis_font_size='12pt', yaxis_font_size='12pt'):

  assert len(embeddings_1) == len(labels_1)
  assert len(embeddings_2) == len(labels_2)

  # arccos based text similarity (Yang et al. 2019; Cer et al. 2019)
  sim = 1 - np.arccos(
      sklearn.metrics.pairwise.cosine_similarity(embeddings_1,
                                                 embeddings_2))/np.pi

  embeddings_1_col, embeddings_2_col, sim_col = [], [], []
  for i in range(len(embeddings_1)):
    for j in range(len(embeddings_2)):
      embeddings_1_col.append(labels_1[i])
      embeddings_2_col.append(labels_2[j])
      sim_col.append(sim[i][j])
  df = pd.DataFrame(zip(embeddings_1_col, embeddings_2_col, sim_col),
                    columns=['embeddings_1', 'embeddings_2', 'sim'])

  mapper = bokeh.models.LinearColorMapper(
      palette=[*reversed(bokeh.palettes.YlOrRd[9])], low=df.sim.min(),
      high=df.sim.max())

  p = bokeh.plotting.figure(title=plot_title, x_range=labels_1,
                            x_axis_location="above",
                            y_range=[*reversed(labels_2)],
                            plot_width=plot_width, plot_height=plot_height,
                            tools="save",toolbar_location='below', tooltips=[
                                ('pair', '@embeddings_1 ||| @embeddings_2'),
                                ('sim', '@sim')])
  p.rect(x="embeddings_1", y="embeddings_2", width=1, height=1, source=df,
         fill_color={'field': 'sim', 'transform': mapper}, line_color=None)

  p.title.text_font_size = '12pt'
  p.axis.axis_line_color = None
  p.axis.major_tick_line_color = None
  p.axis.major_label_standoff = 16
  p.xaxis.major_label_text_font_size = xaxis_font_size
  p.xaxis.major_label_orientation = 0.25 * np.pi
  p.yaxis.major_label_text_font_size = yaxis_font_size
  p.min_border_right = 300

  bokeh.io.output_notebook()
  bokeh.io.show(p)

यह अतिरिक्त बॉयलरप्लेट कोड है जहां हम पूर्व-प्रशिक्षित एमएल मॉडल आयात करते हैं जिसका उपयोग हम इस पूरे नोटबुक में टेक्स्ट को एन्कोड करने के लिए करेंगे।

# The 16-language multilingual module is the default but feel free
# to pick others from the list and compare the results.
module_url = 'https://tfhub.dev/google/universal-sentence-encoder-multilingual/3'

model = hub.load(module_url)

def embed_text(input):
  return model(input)

भाषाओं के बीच पाठ समानता की कल्पना करें

अब हाथ में वाक्य एम्बेडिंग के साथ, हम विभिन्न भाषाओं में शब्दार्थ समानता की कल्पना कर सकते हैं।

टेक्स्ट एम्बेडिंग की गणना

हम पहले समानांतर में विभिन्न भाषाओं में अनुवादित वाक्यों के एक समूह को परिभाषित करते हैं। फिर, हम अपने सभी वाक्यों के लिए एम्बेडिंग की पूर्व-गणना करते हैं।

# Some texts of different lengths in different languages.
arabic_sentences = ['كلب', 'الجراء لطيفة.', 'أستمتع بالمشي لمسافات طويلة على طول الشاطئ مع كلبي.']
chinese_sentences = ['狗', '小狗很好。', '我喜欢和我的狗一起沿着海滩散步。']
english_sentences = ['dog', 'Puppies are nice.', 'I enjoy taking long walks along the beach with my dog.']
french_sentences = ['chien', 'Les chiots sont gentils.', 'J\'aime faire de longues promenades sur la plage avec mon chien.']
german_sentences = ['Hund', 'Welpen sind nett.', 'Ich genieße lange Spaziergänge am Strand entlang mit meinem Hund.']
italian_sentences = ['cane', 'I cuccioli sono carini.', 'Mi piace fare lunghe passeggiate lungo la spiaggia con il mio cane.']
japanese_sentences = ['犬', '子犬はいいです', '私は犬と一緒にビーチを散歩するのが好きです']
korean_sentences = ['개', '강아지가 좋다.', '나는 나의 개와 해변을 따라 길게 산책하는 것을 즐긴다.']
russian_sentences = ['собака', 'Милые щенки.', 'Мне нравится подолгу гулять по пляжу со своей собакой.']
spanish_sentences = ['perro', 'Los cachorros son agradables.', 'Disfruto de dar largos paseos por la playa con mi perro.']

# Multilingual example
multilingual_example = ["Willkommen zu einfachen, aber", "verrassend krachtige", "multilingüe", "compréhension du langage naturel", "модели.", "大家是什么意思" , "보다 중요한", ".اللغة التي يتحدثونها"]
multilingual_example_in_en =  ["Welcome to simple yet", "surprisingly powerful", "multilingual", "natural language understanding", "models.", "What people mean", "matters more than", "the language they speak."]

# Compute embeddings.
ar_result = embed_text(arabic_sentences)
en_result = embed_text(english_sentences)
es_result = embed_text(spanish_sentences)
de_result = embed_text(german_sentences)
fr_result = embed_text(french_sentences)
it_result = embed_text(italian_sentences)
ja_result = embed_text(japanese_sentences)
ko_result = embed_text(korean_sentences)
ru_result = embed_text(russian_sentences)
zh_result = embed_text(chinese_sentences)

multilingual_result = embed_text(multilingual_example)
multilingual_in_en_result = embed_text(multilingual_example_in_en)

दृश्य समानता

हाथ में टेक्स्ट एम्बेडिंग के साथ, हम उनके डॉट-उत्पाद को यह देखने के लिए ले सकते हैं कि भाषाओं के बीच समान वाक्य कैसे हैं। एक गहरा रंग इंगित करता है कि एम्बेडिंग शब्दार्थ समान हैं।

बहुभाषी समानता

visualize_similarity(multilingual_in_en_result, multilingual_result,
                     multilingual_example_in_en, multilingual_example,  "Multilingual Universal Sentence Encoder for Semantic Retrieval (Yang et al., 2019)")

अंग्रेजी-अरबी समानता

visualize_similarity(en_result, ar_result, english_sentences, arabic_sentences, 'English-Arabic Similarity')

अंग्रेजी-रूसी समानता

visualize_similarity(en_result, ru_result, english_sentences, russian_sentences, 'English-Russian Similarity')

अंग्रेजी-स्पेनिश समानता

visualize_similarity(en_result, es_result, english_sentences, spanish_sentences, 'English-Spanish Similarity')

अंग्रेजी-इतालवी समानता

visualize_similarity(en_result, it_result, english_sentences, italian_sentences, 'English-Italian Similarity')

इतालवी-स्पेनिश समानता

visualize_similarity(it_result, es_result, italian_sentences, spanish_sentences, 'Italian-Spanish Similarity')

अंग्रेजी-चीनी समानता

visualize_similarity(en_result, zh_result, english_sentences, chinese_sentences, 'English-Chinese Similarity')

अंग्रेजी-कोरियाई समानता

visualize_similarity(en_result, ko_result, english_sentences, korean_sentences, 'English-Korean Similarity')

चीनी-कोरियाई समानता

visualize_similarity(zh_result, ko_result, chinese_sentences, korean_sentences, 'Chinese-Korean Similarity')

और अधिक...

उपरोक्त उदाहरण में अंग्रेजी, अरबी, चीनी, डच, फ्रेंच, जर्मन, इतालवी, जापानी, कोरियाई, पोलिश, पुर्तगाली, रूसी, स्पेनिश, थाई और तुर्की से किसी भी भाषा युग्म के लिए बढ़ाया जा सकता है। हैप्पी कोडिंग!

एक बहुभाषी सिमेंटिक-समानता खोज इंजन बनाना

जबकि पिछले उदाहरण में हमने कुछ वाक्यों की कल्पना की थी, इस खंड में हम विकिपीडिया कॉर्पस से लगभग 200,000 वाक्यों का अर्थ-खोज सूचकांक बनाएंगे। यूनिवर्सल सेंटेंस एनकोडर की बहुभाषी क्षमताओं को प्रदर्शित करने के लिए लगभग आधा अंग्रेजी में और दूसरा आधा स्पेनिश में होगा।

इंडेक्स में डेटा डाउनलोड करें

सबसे पहले, हम से गुणकों भाषाओं में समाचार वाक्य डाउनलोड करेगा समाचार टीका कोर्पस [1]। व्यापकता के नुकसान के बिना, इस दृष्टिकोण को बाकी समर्थित भाषाओं को अनुक्रमित करने के लिए भी काम करना चाहिए।

डेमो को गति देने के लिए, हम प्रति भाषा 1000 वाक्यों तक सीमित करते हैं।

corpus_metadata = [
    ('ar', 'ar-en.txt.zip', 'News-Commentary.ar-en.ar', 'Arabic'),
    ('zh', 'en-zh.txt.zip', 'News-Commentary.en-zh.zh', 'Chinese'),
    ('en', 'en-es.txt.zip', 'News-Commentary.en-es.en', 'English'),
    ('ru', 'en-ru.txt.zip', 'News-Commentary.en-ru.ru', 'Russian'),
    ('es', 'en-es.txt.zip', 'News-Commentary.en-es.es', 'Spanish'),
]

language_to_sentences = {}
language_to_news_path = {}
for language_code, zip_file, news_file, language_name in corpus_metadata:
  zip_path = tf.keras.utils.get_file(
      fname=zip_file,
      origin='http://opus.nlpl.eu/download.php?f=News-Commentary/v11/moses/' + zip_file,
      extract=True)
  news_path = os.path.join(os.path.dirname(zip_path), news_file)
  language_to_sentences[language_code] = pd.read_csv(news_path, sep='\t', header=None)[0][:1000]
  language_to_news_path[language_code] = news_path

  print('{:,} {} sentences'.format(len(language_to_sentences[language_code]), language_name))

Downloading data from http://opus.nlpl.eu/download.php?f=News-Commentary/v11/moses/ar-en.txt.zip
24715264/24714354 [==============================] - 2s 0us/step
1,000 Arabic sentences
Downloading data from http://opus.nlpl.eu/download.php?f=News-Commentary/v11/moses/en-zh.txt.zip
18104320/18101984 [==============================] - 2s 0us/step
1,000 Chinese sentences
Downloading data from http://opus.nlpl.eu/download.php?f=News-Commentary/v11/moses/en-es.txt.zip
28106752/28106064 [==============================] - 2s 0us/step
1,000 English sentences
Downloading data from http://opus.nlpl.eu/download.php?f=News-Commentary/v11/moses/en-ru.txt.zip
24854528/24849511 [==============================] - 2s 0us/step
1,000 Russian sentences
1,000 Spanish sentences

वाक्यों को वैक्टर में बदलने के लिए पूर्व-प्रशिक्षित मॉडल का उपयोग करना

हम बैचों में embeddings गणना इतना है कि वे GPU की रैम में फिट।

# Takes about 3 minutes

batch_size = 2048
language_to_embeddings = {}
for language_code, zip_file, news_file, language_name in corpus_metadata:
  print('\nComputing {} embeddings'.format(language_name))
  with tqdm(total=len(language_to_sentences[language_code])) as pbar:
    for batch in pd.read_csv(language_to_news_path[language_code], sep='\t',header=None, chunksize=batch_size):
      language_to_embeddings.setdefault(language_code, []).extend(embed_text(batch[0]))
      pbar.update(len(batch))

0%|          | 0/1000 [00:00<?, ?it/s]
Computing Arabic embeddings
83178it [00:30, 2768.60it/s]
  0%|          | 0/1000 [00:00<?, ?it/s]
Computing Chinese embeddings
69206it [00:18, 3664.60it/s]
  0%|          | 0/1000 [00:00<?, ?it/s]
Computing English embeddings
238853it [00:37, 6319.00it/s]
  0%|          | 0/1000 [00:00<?, ?it/s]
Computing Russian embeddings
190092it [00:34, 5589.16it/s]
  0%|          | 0/1000 [00:00<?, ?it/s]
Computing Spanish embeddings
238819it [00:41, 5754.02it/s]

सिमेंटिक वैक्टर का एक इंडेक्स बनाना

हम का उपयोग SimpleNeighbors पुस्तकालय --- जिसके लिए एक आवरण है परेशान पुस्तकालय --- कुशलतापूर्वक कोष से परिणाम को देखने के लिए।

%%time

# Takes about 8 minutes

num_index_trees = 40
language_name_to_index = {}
embedding_dimensions = len(list(language_to_embeddings.values())[0][0])
for language_code, zip_file, news_file, language_name in corpus_metadata:
  print('\nAdding {} embeddings to index'.format(language_name))
  index = SimpleNeighbors(embedding_dimensions, metric='dot')

  for i in trange(len(language_to_sentences[language_code])):
    index.add_one(language_to_sentences[language_code][i], language_to_embeddings[language_code][i])

  print('Building {} index with {} trees...'.format(language_name, num_index_trees))
  index.build(n=num_index_trees)
  language_name_to_index[language_name] = index

0%|          | 1/1000 [00:00<02:21,  7.04it/s]
Adding Arabic embeddings to index
100%|██████████| 1000/1000 [02:06<00:00,  7.90it/s]
  0%|          | 1/1000 [00:00<01:53,  8.84it/s]
Building Arabic index with 40 trees...

Adding Chinese embeddings to index
100%|██████████| 1000/1000 [02:05<00:00,  7.99it/s]
  0%|          | 1/1000 [00:00<01:59,  8.39it/s]
Building Chinese index with 40 trees...

Adding English embeddings to index
100%|██████████| 1000/1000 [02:07<00:00,  7.86it/s]
  0%|          | 1/1000 [00:00<02:17,  7.26it/s]
Building English index with 40 trees...

Adding Russian embeddings to index
100%|██████████| 1000/1000 [02:06<00:00,  7.91it/s]
  0%|          | 1/1000 [00:00<02:03,  8.06it/s]
Building Russian index with 40 trees...

Adding Spanish embeddings to index
100%|██████████| 1000/1000 [02:07<00:00,  7.84it/s]
Building Spanish index with 40 trees...
CPU times: user 11min 21s, sys: 2min 14s, total: 13min 35s
Wall time: 10min 33s


%%time

# Takes about 13 minutes

num_index_trees = 60
print('Computing mixed-language index')
combined_index = SimpleNeighbors(embedding_dimensions, metric='dot')
for language_code, zip_file, news_file, language_name in corpus_metadata:
  print('Adding {} embeddings to mixed-language index'.format(language_name))
  for i in trange(len(language_to_sentences[language_code])):
    annotated_sentence = '({}) {}'.format(language_name, language_to_sentences[language_code][i])
    combined_index.add_one(annotated_sentence, language_to_embeddings[language_code][i])

print('Building mixed-language index with {} trees...'.format(num_index_trees))
combined_index.build(n=num_index_trees)

0%|          | 1/1000 [00:00<02:00,  8.29it/s]
Computing mixed-language index
Adding Arabic embeddings to mixed-language index
100%|██████████| 1000/1000 [02:06<00:00,  7.92it/s]
  0%|          | 1/1000 [00:00<02:24,  6.89it/s]
Adding Chinese embeddings to mixed-language index
100%|██████████| 1000/1000 [02:05<00:00,  7.95it/s]
  0%|          | 1/1000 [00:00<02:05,  7.98it/s]
Adding English embeddings to mixed-language index
100%|██████████| 1000/1000 [02:06<00:00,  7.88it/s]
  0%|          | 1/1000 [00:00<02:18,  7.20it/s]
Adding Russian embeddings to mixed-language index
100%|██████████| 1000/1000 [02:04<00:00,  8.03it/s]
  0%|          | 1/1000 [00:00<02:17,  7.28it/s]
Adding Spanish embeddings to mixed-language index
100%|██████████| 1000/1000 [02:06<00:00,  7.90it/s]
Building mixed-language index with 60 trees...
CPU times: user 11min 18s, sys: 2min 13s, total: 13min 32s
Wall time: 10min 30s

सत्यापित करें कि सिमेंटिक-समानता खोज इंजन काम करता है

इस खंड में हम प्रदर्शित करेंगे:

  1. सिमेंटिक-सर्च क्षमताएं: कॉर्पस से वाक्यों को पुनः प्राप्त करना जो दी गई क्वेरी के समानार्थक रूप से समान हैं।
  2. बहुभाषी क्षमताएं: कई भाषाओं में ऐसा करना जब वे भाषा और अनुक्रमणिका भाषा का मिलान करते हैं
  3. क्रॉस-लिंगुअल क्षमताएं: अनुक्रमित कॉर्पस की तुलना में एक अलग भाषा में प्रश्न जारी करना
  4. मिश्रित-भाषा संग्रह: उपरोक्त सभी एक ही अनुक्रमणिका पर जिसमें सभी भाषाओं की प्रविष्टियां शामिल हैं

सिमेंटिक-सर्च क्रॉस-लिंगुअल क्षमताएं

इस खंड में हम दिखाते हैं कि नमूना अंग्रेजी वाक्यों के एक सेट से संबंधित वाक्यों को कैसे पुनः प्राप्त किया जाए। कोशिश करने के लिए चीजें:

  • कुछ अलग नमूना वाक्यों का प्रयास करें
  • लौटाए गए परिणामों की संख्या बदलने का प्रयास करें (वे समानता के क्रम में लौटाए जाते हैं)
  • विभिन्न भाषाओं में परिणाम देने (उपयोग करने के लिए चाहते हो सकता है द्वारा पार बहुभाषी क्षमताओं का प्रयास करें Google अनुवाद पर मानसिक स्वास्थ्य की जांच के लिए अपनी मूल भाषा के लिए कुछ परिणाम)

English sentences similar to: "The stock market fell four points."
['Nobel laureate Amartya Sen attributed the European crisis to four failures – political, economic, social, and intellectual.',
 'Just last December, fellow economists Martin Feldstein and Nouriel Roubini each penned op-eds bravely questioning bullish market sentiment, sensibly pointing out gold’s risks.',
 'His ratings have dipped below 50% for the first time.',
 'As a result, markets were deregulated, making it easier to trade assets that were perceived to be safe, but were in fact not.',
 'Consider the advanced economies.',
 'But the agreement has three major flaws.',
 'This “predetermined equilibrium” thinking – reflected in the view that markets always self-correct – led to policy paralysis until the Great Depression, when John Maynard Keynes’s argument for government intervention to address unemployment and output gaps gained traction.',
 'Officials underestimated tail risks.',
 'Consider a couple of notorious examples.',
 'Stalin was content to settle for an empire in Eastern Europe.']

मिश्रित-कॉर्पस क्षमताएं

अब हम अंग्रेजी में एक प्रश्न जारी करेंगे, लेकिन परिणाम किसी भी अनुक्रमित भाषा से आएंगे।

English sentences similar to: "The stock market fell four points."
['Nobel laureate Amartya Sen attributed the European crisis to four failures – political, economic, social, and intellectual.',
 'It was part of the 1945 consensus.',
 'The end of the East-West ideological divide and the end of absolute faith in markets are historical turning points.',
 'Just last December, fellow economists Martin Feldstein and Nouriel Roubini each penned op-eds bravely questioning bullish market sentiment, sensibly pointing out gold’s risks.',
 'His ratings have dipped below 50% for the first time.',
 'As a result, markets were deregulated, making it easier to trade assets that were perceived to be safe, but were in fact not.',
 'Consider the advanced economies.',
 'Since their articles appeared, the price of gold has moved up still further.',
 'But the agreement has three major flaws.',
 'Gold prices even hit a record-high $1,300 recently.',
 'This “predetermined equilibrium” thinking – reflected in the view that markets always self-correct – led to policy paralysis until the Great Depression, when John Maynard Keynes’s argument for government intervention to address unemployment and output gaps gained traction.',
 'What Failed in 2008?',
 'Officials underestimated tail risks.',
 'Consider a couple of notorious examples.',
 'One of these species, orange roughy, has been caught commercially for only around a quarter-century, but already is being fished to the point of collapse.',
 'Meanwhile, policymakers were lulled into complacency by the widespread acceptance of economic theories such as the “efficient-market hypothesis,” which assumes that investors act rationally and use all available information when making their decisions.',
 'Stalin was content to settle for an empire in Eastern Europe.',
 'Intelligence assets have been redirected.',
 'A new wave of what the economist Joseph Schumpeter famously called “creative destruction” is under way: even as central banks struggle to maintain stability by flooding markets with liquidity, credit to business and households is shrinking.',
 'It all came about in a number of ways.',
 'The UN, like the dream of European unity, was also part of the 1945 consensus.',
 'The End of 1945',
 'The Global Economy’s New Path',
 'But this scenario failed to materialize.',
 'Gold prices are extremely sensitive to global interest-rate movements.',
 'Fukushima has presented the world with a far-reaching, fundamental choice.',
 'It was Japan, the high-tech country par excellence (not the latter-day Soviet Union) that proved unable to take adequate precautions to avert disaster in four reactor blocks.',
 'Some European academics tried to argue that there was no need for US-like fiscal transfers, because any desired degree of risk sharing can, in theory, be achieved through financial markets.',
 '$10,000 Gold?',
 'One answer, of course, is a complete collapse of the US dollar.',
 '1929 or 1989?',
 'The goods we made were what economists call “rival" and “excludible" commodities.',
 'This dream quickly faded when the Cold War divided the world into two hostile blocs. But in some ways the 1945 consensus, in the West, was strengthened by Cold War politics.',
 'The first flaw is that the spending reductions are badly timed: coming as they do when the US economy is weak, they risk triggering another recession.',
 'One successful gold investor recently explained to me that stock prices languished for a more than a decade before the Dow Jones index crossed the 1,000 mark in the early 1980’s.',
 'Eichengreen traces our tepid response to the crisis to the triumph of monetarist economists, the disciples of Milton Friedman, over their Keynesian and Minskyite peers – at least when it comes to interpretations of the causes and consequences of the Great Depression.',
 "However, America's unilateral options are limited.",
 'Once it was dark, a screen was set up and Mark showed home videos from space.',
 'These aspirations were often voiced in the United Nations, founded in 1945.',
 'Then I got distracted for about 40 years.']

अपने स्वयं के प्रश्नों का प्रयास करें:

English sentences similar to: "The stock market fell four points."
['(Chinese) 新兴市场的号角',
 '(English) It was part of the 1945 consensus.',
 '(Russian) Брюссель. Цунами, пронёсшееся по финансовым рынкам, является глобальной катастрофой.',
 '(Arabic) هناك أربعة شروط مسبقة لتحقيق النجاح الأوروبي في أفغانستان:',
 '(Spanish) Su índice de popularidad ha caído por primera vez por debajo del 50 por ciento.',
 '(English) His ratings have dipped below 50% for the first time.',
 '(Russian) Впервые его рейтинг опустился ниже 50%.',
 '(English) As a result, markets were deregulated, making it easier to trade assets that were perceived to be safe, but were in fact not.',
 '(Arabic) وكانت التطورات التي شهدتها سوق العمل أكثر تشجيعا، فهي على النقيض من أسواق الأصول تعكس النتائج وليس التوقعات. وهنا أيضاً كانت الأخبار طيبة. فقد أصبحت سوق العمل أكثر إحكاما، حيث ظلت البطالة عند مستوى 3.5% وكانت نسبة الوظائف إلى الطلبات المقدمة فوق مستوى التعادل.',
 '(Russian) Это было частью консенсуса 1945 года.',
 '(English) Consider the advanced economies.',
 '(English) Since their articles appeared, the price of gold has moved up still further.',
 '(Russian) Тогда они не только смогут накормить свои семьи, но и начать получать рыночную прибыль и откладывать деньги на будущее.',
 '(English) Gold prices even hit a record-high $1,300 recently.',
 '(Chinese) 另一种金融危机',
 '(Russian) Европейская мечта находится в кризисе.',
 '(English) What Failed in 2008?',
 '(Spanish) Pero el acuerdo alcanzado tiene tres grandes defectos.',
 '(English) Officials underestimated tail risks.',
 '(English) Consider a couple of notorious examples.',
 '(Spanish) Los mercados financieros pueden ser frágiles y ofrecen muy poca capacidad de compartir los riesgos relacionados con el ingreso de los trabajadores, que constituye la mayor parte de la renta de cualquier economía avanzada.',
 '(Chinese) 2008年败在何处？',
 '(Spanish) Consideremos las economías avanzadas.',
 '(Spanish) Los bienes producidos se caracterizaron por ser, como señalaron algunos economistas, mercancías “rivales” y “excluyentes”.',
 '(Arabic) إغلاق الفجوة الاستراتيجية في أوروبا',
 '(English) Stalin was content to settle for an empire in Eastern Europe.',
 '(English) Intelligence assets have been redirected.',
 '(Spanish) Hoy, envalentonados por la apreciación continua, algunos están sugiriendo que el oro podría llegar incluso a superar esa cifra.',
 '(Russian) Цены на золото чрезвычайно чувствительны к мировым движениям процентных ставок.',
 '(Russian) Однако у достигнутой договоренности есть три основных недостатка.']

आगे के विषय

बहुभाषी

अंग्रेजी, अरबी, चीनी, डच, फ्रेंच, जर्मन, इतालवी, जापानी, कोरियाई, पोलिश, पुर्तगाली, रूसी, स्पेनिश, थाई और तुर्की: अंत में, हम किसी भी समर्थित भाषा में प्रश्नों की कोशिश करने के लिए प्रोत्साहित करते हैं।

साथ ही, भले ही हमने केवल भाषाओं के सबसेट में अनुक्रमित किया हो, आप किसी भी समर्थित भाषा में सामग्री को अनुक्रमित भी कर सकते हैं।

मॉडल विविधताएं

हम स्मृति, विलंबता और/या गुणवत्ता जैसी विभिन्न चीजों के लिए अनुकूलित यूनिवर्सल एनकोडर मॉडल की विविधताएं प्रदान करते हैं। उपयुक्त खोजने के लिए कृपया उनके साथ प्रयोग करने में संकोच न करें।

निकटतम पड़ोसी पुस्तकालय

हमने निकटतम पड़ोसियों को कुशलता से देखने के लिए एनॉय का इस्तेमाल किया। देखें समझौतों से अनुभाग खोज करने के लिए (विलंबता पर निर्भर) पेड़ (स्मृति पर निर्भर) और मदों की संख्या की संख्या के बारे में पढ़ने के लिए --- SimpleNeighbors केवल पेड़ों की संख्या को नियंत्रित करने की अनुमति देता है, लेकिन उपयोग परेशान करने के लिए कोड पुनर्रचना सीधे होना चाहिए सरल, हम केवल सामान्य उपयोगकर्ता के लिए इस कोड को यथासंभव सरल रखना चाहते थे।

परेशान आपके आवेदन के लिए पैमाने पर नहीं है, तो कृपया भी की जाँच FAISS ।

आपके बहुभाषी सिमेंटिक अनुप्रयोगों का सर्वोत्तम निर्माण!

[1] जे Tiedemann, 2012, रचना में समानांतर डाटा, उपकरण और इंटरफेस । भाषा संसाधन और मूल्यांकन पर 8वें अंतर्राष्ट्रीय सम्मेलन की कार्यवाही में (LREC 2012)