 Zobacz na TensorFlow.org |  Uruchom w Google Colab |  Zobacz na GitHub |  Pobierz notatnik |  Zobacz model piasty TF |
Ten notatnik ilustruje, jak uzyskać dostęp do modułu Multilingual Universal Sentence Encoder i używać go do podobieństwa zdań w wielu językach. Moduł ten jest rozszerzeniem oryginalnego modułu uniwersalnego enkodera .
Notatnik jest podzielony w następujący sposób:
- Pierwsza sekcja przedstawia wizualizację zdań między parą języków. To jest bardziej akademickie ćwiczenie.
- W drugiej części pokazujemy, jak zbudować semantyczną wyszukiwarkę na podstawie próbki korpusu Wikipedii w wielu językach.
Cytat
Artykuły naukowe, które wykorzystują modele badane w tej kolaboracji, powinny cytować:
Wielojęzyczny uniwersalny koder zdań do wyszukiwania semantycznego
Yinfei Yang, Daniel Cer, Amin Ahmad, Mandy Guo, Jax Law, Noah Constant, Gustavo Hernandez Abrego, Steve Yuan, Chris Tar, Yun-Hsuan Sung, Brian Strope i Ray Kurzweil. 2019. arXiv preprint arXiv:1907.04307
Ustawiać
Ta sekcja tworzy środowisko dostępu do Multilingual Universal Sentence Encoder Module, a także przygotowuje zestaw angielskich zdań i ich tłumaczeń. W kolejnych sekcjach, moduł wielojęzyczna zostaną wykorzystane do obliczenia podobieństwa w różnych językach.
Środowisko konfiguracji
%%capture
# Install the latest Tensorflow version.
!pip install tensorflow_text
!pip install bokeh
!pip install simpleneighbors[annoy]
!pip install tqdm
Skonfiguruj wspólne importy i funkcje
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)
Jest to dodatkowy standardowy kod, w którym importujemy wytrenowany model ML, którego użyjemy do zakodowania tekstu w tym notatniku.
# 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)
Wizualizuj podobieństwo tekstu między językami
Mając w ręku osadzania zdań, możemy wizualizować podobieństwo semantyczne w różnych językach.
Obliczanie osadzania tekstu
Najpierw definiujemy zestaw zdań przetłumaczonych równolegle na różne języki. Następnie wstępnie obliczamy osadzania dla wszystkich naszych zdań.
# 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)
Wizualizacja podobieństwa
Mając w ręku osadzanie tekstu, możemy wykorzystać ich iloczyn skalarny, aby zobrazować, jak podobne są zdania w różnych językach. Ciemniejszy kolor wskazuje, że osadzenia są semantycznie podobne.
Wielojęzyczne podobieństwo
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)")
Podobieństwo angielsko-arabskie
visualize_similarity(en_result, ar_result, english_sentences, arabic_sentences, 'English-Arabic Similarity')
Angielsko-rosyjskie podobieństwo
visualize_similarity(en_result, ru_result, english_sentences, russian_sentences, 'English-Russian Similarity')
Podobieństwo angielsko-hiszpańskie
visualize_similarity(en_result, es_result, english_sentences, spanish_sentences, 'English-Spanish Similarity')
Podobieństwo angielsko-włoskie
visualize_similarity(en_result, it_result, english_sentences, italian_sentences, 'English-Italian Similarity')
Podobieństwo włosko-hiszpańskie
visualize_similarity(it_result, es_result, italian_sentences, spanish_sentences, 'Italian-Spanish Similarity')
Podobieństwo angielsko-chińskie
visualize_similarity(en_result, zh_result, english_sentences, chinese_sentences, 'English-Chinese Similarity')
Podobieństwo angielsko-koreańskie
visualize_similarity(en_result, ko_result, english_sentences, korean_sentences, 'English-Korean Similarity')
Podobieństwo chińsko-koreańskie
visualize_similarity(zh_result, ko_result, chinese_sentences, korean_sentences, 'Chinese-Korean Similarity')
I więcej...
Powyższe przykłady można rozszerzyć do każdej pary języków: angielski, arabski, chiński, holenderski, francuski, niemiecki, włoski, japoński, koreański, polski, portugalski, rosyjski, hiszpański, tajski i turecki. Udanego kodowania!
Tworzenie wielojęzycznej wyszukiwarki podobieństw semantycznych
Podczas gdy w poprzednim przykładzie zwizualizowaliśmy garść zdań, w tej sekcji zbudujemy semantyczny indeks wyszukiwania zawierający około 200 000 zdań z korpusu Wikipedii. Około połowa będzie po angielsku, a druga połowa po hiszpańsku, aby zademonstrować wielojęzyczne możliwości Universal Sentence Encoder.
Pobierz dane do indeksu
Po pierwsze, będziemy pobrać zdań wiadomości wielokrotność językach z Aktualności Komentarz Corpus [1]. Bez utraty ogólności podejście to powinno również działać w przypadku indeksowania pozostałych obsługiwanych języków.
Aby przyspieszyć demo, ograniczamy się do 1000 zdań na język.
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
Używanie wstępnie wytrenowanego modelu do przekształcania zdań w wektory
Obliczamy zanurzeń w partii tak, aby zmieścić się w pamięci RAM GPU.
# 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]
Budowanie indeksu wektorów semantycznych
Używamy SimpleNeighbors bibliotekę --- który jest opakowaniem dla drażnić biblioteki --- skutecznie sprawdzić wyniki od korpusu.
%%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
Sprawdź, czy działa wyszukiwarka semantyczna-podobieństwa
W tej sekcji zademonstrujemy:
- Możliwości wyszukiwania semantycznego: wyszukiwanie zdań z korpusu, które są semantycznie podobne do podanego zapytania.
- Możliwości wielojęzyczne: robienie tego w wielu językach, gdy zapytanie odpowiada językowi i językowi indeksu
- Możliwości wielojęzyczne: wydawanie zapytań w innym języku niż indeksowany korpus
- Korpus mieszany język: wszystkie powyższe w jednym indeksie zawierającym wpisy ze wszystkich języków
Funkcje wyszukiwania semantycznego w wielu językach
W tej sekcji pokazujemy, jak odzyskać zdania związane z zestawem przykładowych zdań w języku angielskim. Rzeczy do wypróbowania:
- Wypróbuj kilka różnych przykładowych zdań
- Spróbuj zmienić liczbę zwracanych wyników (są one zwracane w kolejności podobieństwa)
- Spróbuj krzyż językach możliwości wracając wyników w różnych językach (może chcieć użyć Google Translate na pewne rezultaty w swoim ojczystym języku do testow)
sample_query = 'The stock market fell four points.'
index_language = 'English'
num_results = 10
query_embedding = embed_text(sample_query)[0]
search_results = language_name_to_index[index_language].nearest(query_embedding, n=num_results)
print('{} sentences similar to: "{}"\n'.format(index_language, sample_query))
search_results
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.']
Możliwości mieszanego korpusu
Wydamy teraz zapytanie w języku angielskim, ale wyniki będą pochodzić z dowolnego z indeksowanych języków.
sample_query = 'The stock market fell four points.'
num_results = 40
query_embedding = embed_text(sample_query)[0]
search_results = language_name_to_index[index_language].nearest(query_embedding, n=num_results)
print('{} sentences similar to: "{}"\n'.format(index_language, sample_query))
search_results
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.']
Wypróbuj własne zapytania:
query = 'The stock market fell four points.'
num_results = 30
query_embedding = embed_text(sample_query)[0]
search_results = combined_index.nearest(query_embedding, n=num_results)
print('{} sentences similar to: "{}"\n'.format(index_language, query))
search_results
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.']
Dalsze tematy
Wielojęzyczny
Wreszcie, zachęcamy do wypróbowania zapytań w każdym z obsługiwanych języków: angielski, arabski, chiński, holenderski, francuski, niemiecki, włoski, japoński, koreański, polski, portugalski, rosyjski, hiszpański, tajski i turecki.
Ponadto, mimo że indeksowaliśmy tylko w podzbiorze języków, możesz również indeksować zawartość w dowolnym z obsługiwanych języków.
Odmiany modelu
Oferujemy warianty modeli Universal Encoder zoptymalizowane pod kątem różnych rzeczy, takich jak pamięć, opóźnienie i/lub jakość. Zachęcamy do eksperymentowania z nimi, aby znaleźć odpowiedni.
Najbliższe sąsiednie biblioteki
Wykorzystaliśmy Annoy do sprawnego wyszukiwania najbliższych sąsiadów. Patrz sekcja kompromisów czytać o liczbie drzew (pamięć) i zależne od liczby elementów, aby szukać (opóźnienie zależne) --- SimpleNeighbors tylko pozwala kontrolować liczbę drzew, ale refaktoryzacji kodu do korzystania drażnić bezpośrednio powinny być proste, chcieliśmy tylko, aby ten kod był jak najprostszy dla zwykłego użytkownika.
Jeśli drażnić nie skaluje się do aplikacji, należy również sprawdzić Faiss .
Wszystkiego najlepszego w budowaniu wielojęzycznych aplikacji semantycznych!
[1] J. Tiedemanna 2012, równoległego danych, narzędzia i interfejsy OPUS . W materiałach z 8. Międzynarodowej Konferencji na temat Zasobów Językowych i Oceny (LREC 2012)