比基线模子快100倍 Google开源文本天生“加快器”LaserTagger

尽量最新的研究突得端到端的要领在文本天生上比之前更有上风，但其自己存在的不行表明性，一方面使得该模子必要大量的实习数据才气到达可接管的机能程度，另一方面凡是只能逐字天生笔墨，本质上是很慢的。

克日，Google研究团队开源了一款文本编辑模子LaserTagger，可推理出一系列编辑操纵，以将源文本转换为方针文本。研究职员断言，LaserTagger处理赏罚文本天生一样平常不易堕落，且更易于实习和执行。

在此之前，Google已经宣布了Meena，一个具有26亿个参数的神经收集，可处理赏罚多轮对话。1月初，Google在论文中还提出了Reformer模子，可处理赏罚全部小说。

GitHub链接：https://github.com/google-research/lasertagger

LaserTagger计划和成果

对付很多文本天生使命，输入和输出之间存在高度重叠，LaserTagger正是操作了一点。譬喻，在检测和更正语法错误或多个归并句子时，大大都输入文本可以保持稳固，只需修改一小部门单词。然后，LaserTagger会天生一系列编辑操纵，而非现实单词。

今朝支持的四种编辑操纵：

• Keep（将单词复制到输出中）

• Delete（删除单词）

• Keep-AddX（添加短语X到标志的单词前）

• Delete-AddX（删除标志的单词）

下图对LaserTagger在句子归并中的应用举办了声名。

图注：LaserTagger猜测的编辑操纵中，删除“Turing”，添加“ and he ”。请留意，输入和输出文本存在的高度重叠。

全部添加的短语均来自受限定的词汇表。该词汇表是一个优化进程的功效，该优化进程具有两个方针：（1）最小化词汇表的巨细和（2）最大化实习样本的数目，个中添加到方针文本的独一须要单词仅来自词汇表。短语词汇量受限定会使输出决定的空间变小，并防备模子添加恣意词，从而减轻了“幻觉”（注：hallucination，模子在所天生的文本中，输入信息中并不存在）的题目。

输入和输出文本的高重叠性的一个推论是，所需的修改每每是局部的而且互相独立。这意味着编辑操纵可以高精度地并行推理，与次序执行推理的自回归seq2seq模子对比，可明显进步端到端的速率。

功效

研究职员评估了LaserTagger在四个使命中的示意，别离是：句子归并，拆分和改述，抽象总结和语法更正。功效表现，行使大量实习样本环境下，LaserTagger与基于BERT的seq2seq基线后果相等，而且在实习样本数目有限时明明优于基线。下面表现了WikiSplit数据集上的功效，个中的使命是将一个长句子改写为两个连贯的短句子。

图注：在100万个样本的完备数据集上实习模子时，LaserTagger和基于BERT的seq2seq基线后果相等，但在10,000个或更少样本的子样本长举办实习时，LaserTagger明明优于基线模子（SARI得分越高越好）。

LaserTagger首要利益

与传统的seq2seq要领对比，LaserTagger具有以下利益：

1. 节制：通过节制输出短语词汇（也可以手动编辑或清算），LaserTagger比seq2seq基线更不易发生“幻觉”题目。

2. 推理速率：LaserTagger计较推理的速率比seq2seq基线快100倍，可以或许满意现实环境下的及时题目。

3. 数据服从：纵然仅行使几百或几千个实习样本举办实习，LaserTagger也会发生公道的输出。尝试中，seq2seq基线必要成千上万个样本才气得到沟通的机能。

Google团队最后写道：“ LaserTagger的上风在大局限应用时变得越发明明，譬喻，通过收缩相应时刻并镌汰一再性，改造了某些处事中语音应答的名目。高推理速率使该模子可以插入现有技能仓库中，而不会在用户端增进任何明明的耽误，而改造的数据服从可以网络多种说话的实习数据，从而使来自差异说话配景的用户受益。 ”

相干链接：https://ai.googleblog.com/2020/01/encode-tag-and-realize-controllable-and.html

本文素材来自互联网

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!