亚马逊的研究职员用多种说话实习了一小我私人工智能模子来改造产物搜刮

亚马逊在环球14个国度开展营业，个中9个国度有资格享受其Prime年度订阅处事。基于此，该公司有一个弘大的愿望，那就是使其购物体验不会由于说话而有任何折扣。

为了探求一种高效的翻译多种说话的要领，亚马逊的研究职员计划了一种名为“多使命”的购物模子，在这种模子中，差异使命的成果彼此重叠，并且每每彼此强化。这小我私人工智能同时针对几种差异说话的数据举办实习，行使个中任何一种说话都能得到更好的功效。

正如亚马逊应用科学家Nikhil Rao在博客中表明的那样，这种改造的道理，是由于一种说话可以或许弥补另一种说话的空缺。譬喻，在法语中轻易夹杂的短语，在德语中也许就会泾渭理解，因此多说话培训可以辅佐加强几个产物查询之间的区别。

团队的体系将与产物和产物描写相干的查询映射到暗示空间的统一地区，而不思量说话，这首要是为了辅佐模子将它在一种说话中学到的常识推广到其他说话，让搜刮功效在空间的一个地区彼此靠近。

体系会吸取两个输入，一个查询和一个产物问题，然后输出单个位，指示产物是否与查询匹配。一个编码器组件操作了谷歌的Transformer架构，研究职员说它的可伸缩性比其他架构更好，而模子的分类器团结了查询和产物编码。该团队通过随机选择一种输入说话并“教”它用这种说话对查询产物对举办分类来实习体系。然后再用它的每种输入说话对带注释的样例查询举办一系列epoch从新到尾的实习。对齐阶段通过最小化产物名称编码和查询之间的间隔，确保为差异说话定制的输出共享一个暗示空间。

亚马逊暗示，在涉及10种差异双语模式、10种三语模式和1种五语模式的尝试中，他们取得了“强有力的功效”。F1分数是人工智能中一个常见的绩效权衡指标，它会将假阳性和假阴性的比率思量在内。按照F1分数，一个同时接管法语和德语实习的多说话模子比一个只会法语的模子跨越11%，比一个只会德语的模子跨越5%。

（编辑：河北网）

【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!