 TensorFlow.org'da görüntüleyin |  Google Colab'da çalıştırın |  GitHub'da görüntüle |  Not defterini indir |  TF Hub modeline bakın |
Bu not defteri, Çok Dilde Evrensel Cümle Kodlayıcı modülüne nasıl erişileceğini ve birden çok dilde cümle benzerliği için nasıl kullanılacağını gösterir. Bu modül bir uzantısıdır özgün Evrensel Encoder modülü .
Not defteri aşağıdaki gibi bölünmüştür:
- İlk bölüm, dil çiftleri arasındaki cümlelerin görselleştirilmesini gösterir. Bu daha akademik bir çalışma.
- İkinci bölümde, birden çok dilde bir Wikipedia külliyatı örneğinden anlamsal bir arama motorunun nasıl oluşturulacağını gösteriyoruz.
Alıntı
Bu ortak çalışmada incelenen modellerden yararlanan araştırma makalelerinde şunlar belirtilmelidir:
Anlamsal erişim için çok dilli evrensel cümle kodlayıcı
Yinfei Yang, Daniel Cer, Amin Ahmad, Mandy Guo, Jax Law, Noah Constant, Gustavo Hernandez Abrego, Steve Yuan, Chris Tar, Yun-Hsuan Sung, Brian Strope ve Ray Kurzweil. 2019. arXiv ön baskı arXiv:1907.04307
Kurmak
Bu bölüm, Çok Dilli Evrensel Cümle Kodlayıcı Modülüne erişim ortamını kurar ve ayrıca bir dizi İngilizce cümle ve çevirilerini hazırlar. Aşağıdaki bölümlerde, çok dilli modül diller arasında benzerlik hesaplamak için kullanılacaktır.
Kurulum Ortamı
%%capture
# Install the latest Tensorflow version.
!pip install tensorflow_text
!pip install bokeh
!pip install simpleneighbors[annoy]
!pip install tqdm
Ortak içe aktarmaları ve işlevleri ayarlayın
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)
Bu, bu not defterinde metni kodlamak için kullanacağımız önceden eğitilmiş ML modelini içe aktardığımız ek ortak koddur.
# 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)
Diller Arasındaki Metin Benzerliğini Görselleştirin
Cümle yerleştirmeleri artık elimizdeyken, farklı diller arasındaki anlamsal benzerliği görselleştirebiliriz.
Metin Gömmelerini Hesaplama
Önce paralel olarak çeşitli dillere çevrilmiş bir dizi cümle tanımlıyoruz. Ardından, tüm cümlelerimiz için yerleştirmeleri önceden hesaplarız.
# 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)
Benzerliği Görselleştirme
Elimizde metin yerleştirmeleri ile, diller arasında ne kadar benzer cümleler olduğunu görselleştirmek için nokta çarpımlarını alabiliriz. Daha koyu bir renk, yerleştirmelerin anlamsal olarak benzer olduğunu gösterir.
Çok Dilli Benzerlik
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)")
İngilizce-Arapça Benzerliği
visualize_similarity(en_result, ar_result, english_sentences, arabic_sentences, 'English-Arabic Similarity')
İngilizce-Rus Benzerliği
visualize_similarity(en_result, ru_result, english_sentences, russian_sentences, 'English-Russian Similarity')
İngilizce-İspanyolca Benzerliği
visualize_similarity(en_result, es_result, english_sentences, spanish_sentences, 'English-Spanish Similarity')
İngilizce-İtalyanca Benzerliği
visualize_similarity(en_result, it_result, english_sentences, italian_sentences, 'English-Italian Similarity')
İtalyan-İspanyolca Benzerliği
visualize_similarity(it_result, es_result, italian_sentences, spanish_sentences, 'Italian-Spanish Similarity')
İngilizce-Çince Benzerliği
visualize_similarity(en_result, zh_result, english_sentences, chinese_sentences, 'English-Chinese Similarity')
İngilizce-Korece Benzerliği
visualize_similarity(en_result, ko_result, english_sentences, korean_sentences, 'English-Korean Similarity')
Çin-Kore Benzerliği
visualize_similarity(zh_result, ko_result, chinese_sentences, korean_sentences, 'Chinese-Korean Similarity')
Ve dahası...
Yukarıdaki örnekler İngilizce, Arapça, Çince, Hollandaca, Fransızca, Almanca, İtalyanca, Japonca, Korece, Lehçe, Portekizce, Rusça, İspanyolca, Tay ve Türk gelen herhangi bir dil çiftine uzatılabilir. Mutlu kodlama!
Çok Dilli Semantik-Benzerlik Arama Motoru Oluşturma
Önceki örnekte bir avuç cümleyi görselleştirirken, bu bölümde bir Wikipedia Corpus'tan yaklaşık 200.000 cümlelik bir anlamsal arama dizini oluşturacağız. Evrensel Cümle Kodlayıcının çok dilli yeteneklerini göstermek için yaklaşık yarısı İngilizce ve diğer yarısı İspanyolca olacaktır.
Verileri Dizine İndirin
Öncelikle gelen katları dilde haber cümleleri indirecektir Haber Commentary Corpus [1]. Genelliği kaybetmeden, bu yaklaşım, desteklenen dillerin geri kalanını indekslemek için de çalışmalıdır.
Demoyu hızlandırmak için dil başına 1000 cümle ile sınırlandırıyoruz.
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
Cümleleri vektörlere dönüştürmek için önceden eğitilmiş bir model kullanma
Onlar GPU RAM sığacak şekilde biz gruplar halinde katıştırmalarını hesaplamak.
# 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]
Anlamsal vektörlerin bir dizini oluşturma
Biz kullanmak SimpleNeighbors için bir sarıcı kütüphane --- rahatsız verimli derlemden sonuçlarını bakmak için --- kütüphanede.
%%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
Anlamsal benzerlik arama motorunun çalıştığını doğrulayın
Bu bölümde şunları göstereceğiz:
- Semantik-arama yetenekleri: verilen sorguya semantik olarak benzer olan tümceden cümlelerin alınması.
- Çok dilli yetenekler: dil ve dizin dili eşleşmesini sorguladıklarında bunu birden çok dilde yapma
- Diller arası yetenekler: sorguları dizine eklenmiş tümceden farklı bir dilde yayınlama
- Karışık dil derlemi: Yukarıdakilerin tümü, tüm dillerden girişleri içeren tek bir dizinde
Anlamsal arama diller arası yetenekler
Bu bölümde, bir dizi örnek İngilizce cümleyle ilgili cümlelerin nasıl alınacağını gösteriyoruz. Denenecek şeyler:
- Birkaç farklı örnek cümle deneyin
- Döndürülen sonuçların sayısını değiştirmeyi deneyin (benzerlik sırasına göre döndürülürler)
- (Kullanmak isteyebilirsiniz farklı dillerde sonuçlar dönerek çapraz dilli yetenekleri deneyin Google Translate aklı kontrol için ana dilinizde bazı sonuçlar üzerine)
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.']
Karışık korpus yetenekleri
Şimdi İngilizce bir sorgu yayınlayacağız, ancak sonuçlar dizine eklenmiş dillerden herhangi birinden gelecek.
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.']
Kendi sorgularınızı deneyin:
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.']
Diğer konular
Çok dilli
İngilizce, Arapça, Çince, Hollandaca, Fransızca, Almanca, İtalyanca, Japonca, Korece, Lehçe, Portekizce, Rusça, İspanyolca, Tay ve Türk: Son olarak, biz desteklenen dillerden herhangi birinde sorguları denemenizi öneririz.
Ayrıca, dillerin yalnızca bir alt kümesinde dizine eklemiş olsak da, desteklenen dillerden herhangi birinde içeriği de dizine alabilirsiniz.
Model varyasyonları
Bellek, gecikme ve/veya kalite gibi çeşitli şeyler için optimize edilmiş Evrensel Kodlayıcı modellerinin varyasyonlarını sunuyoruz. Lütfen uygun olanı bulmak için onlarla deney yapmaktan çekinmeyin.
En yakın komşu kütüphaneleri
En yakın komşuları verimli bir şekilde aramak için Annoy'u kullandık. Bkz ödünleşimler bölümü (gecikme bağımlı) aramak için ağaçlar (bellek bağımlı) ve öğe sayısı sayısı hakkında okumak için --- SimpleNeighbors sadece ağaçların sayısını kontrol etmenizi sağlar, ancak kullanım kızdırmak kod üstlenmeden doğrudan olmalıdır basit, biz sadece bu kodu genel kullanıcı için mümkün olduğunca basit tutmak istedik.
Rahatsız uygulamanız için ölçek etmezse, ayrıca kontrol edin FAISS .
Çok dilli semantik uygulamalarınızı en iyi şekilde inşa edin!
[1]: J. Tiedemann, 2012, Opus veriler, Araçlar ve arabirimleri paralel . 8. Uluslararası Dil Kaynakları ve Değerlendirme Konferansı Bildirilerinde (LREC 2012)