微软开发了一个称为Speller100的系统,官方提到,这是有史以来覆盖最多种语言,并且准确性最高的拼写校正系统,Speller100能够校正100多种语言的拼写,进而改善Bing用户的搜寻结果。
微软搜索引擎Bing服务全球用户,接受100多种语言的查询,而在用户提交的查询中,约有15%的存在拼写错误,而使用带有拼写错误的资料查询,便会得到错误的答案,降低查询结果的品质,因此拼写校正是Bing搜寻堆叠中排序很前面的元件,因为能够有效改善所有下游搜寻元件的结果。
在很长一段时间,微软都只提供大约20种语言的拼写校正,而其他语言的使用者,则必须手动修正错误查询,或是接受较差的搜寻结果,而微软为了要提升Bing的搜寻品质,将当前的拼写校正服务扩展至100多种语言,并且要为这些语言,提供与原本20种语言相同的校正品质。但微软很快就发现这是一个极困难的目标,因为模型需要有大量的资料来训练每一种语言的模型,更别说要收集100种语言的资料,势必付出难以计数的时间和金钱。
微软克服了这个困难,推出了高精确度和高召回率的大规模多语言拼写校正模型,这些模型被统称为Speller100,微软主要使用了零样本学习(Zero-Shot Learning)以及大规模预训练技术,来达成这样的目标。
传统拼写校正解决方案,都是使用网络上的资料,来强化语言模型,但这种方法仅对存在大量资料的语言有效,对于网络只有少数资料,用户回馈也少的语言,要收集足够的训练资料,是一个大挑战,因此微软认为,这些语言模型不能只仰赖训练资料,来学习某种语言的拼写。Speller100的基础是使用语言家族的概念,以多种语言共享的相似性,来组成更大一组的语言。
而零样本则是另一个概念,可以让语言模型更准确地学习和校正拼写,不需要特定语言的标注训练资料,微软解释,这就像是人们自动学习了德语、荷兰语、南非荷兰语、苏格兰语和卢森堡语的拼写,这是Speller100中的关键元件,可以将拼写校正扩展到非常少,甚至是没有资料的语言。
虽然目前BERT、UniLM和DeBERTa等大型Transformer网络在自然语言处理上,已经有很大的进步,能够用于下一句预测和翻译等工作,但微软提到,拼写是完全不同的语言任务。广义上来说,拼写存在2种错误,一种是单词不存在于特定语言词汇表中,称为非字词错误(Non-Word Error),另一种是单词本身有效,但是不适用于整体文意,称为真字词错误(Real-Word Error),这两个错误都是字符层级的变异,与目标字词存在合理的编辑距离,因此拼写校正的核心,便是建立错误模型和语言模型。
整体来说,拼写校正是一个序列到序列的问题,要将拼写错误的文字,转换成为正确的形式,把错误看作是噪声的话,就可以把拼写校正工作,当作是将损毁的文字,转换为原始文字的降噪过程,微软采用类似脸书的BART技术,这是一个适用于自然语言生成、翻译和理解的单词等级降噪自动编码预训练方法。
微软设计了噪声函数,来模仿旋转、删除和替换等常见拼写错误,进而减少机器学习人工标签的需求,特别是对没有训练资料的语言来说特别有用,进而获得预训练模型,并且对模型进行微调,就可得到适用于特定语言的零样本或是少量样本学习。
使用了Speller100系统,可有效降低30%在Bing中没有结果的页面数,用户需要手动重组查询的次数也减少5%,而且也大幅增加了用户点击拼写建议的次数,从原本个位数百分比上升到67%,用户点击结果页面中任意连结的概率,也从原本的个位数百分比,上升到了70%。微软提到,这些数字说明了Speller100的效果。
相关文章
- YouTube更新违反规定政策,提升惩处透明度和一致性
2023-12-31 14:00:52
- 传苹果将把中国iCloud正式交给本地化经营 苹果手机icloud换区存储操作
2023-12-27 18:34:43
- 刘德华代言什么手机?刘德华成华为Mate 60 RS非凡大师华为5G新手机代言人
2023-09-26 21:55:08
- WebOS新系统:Palm Pre手机最新款高价登港
2023-06-23 15:39:14
- 帮助企业组织对抗勒索软件,资安通报机构设立防护专区,可协助事前、事中与事后因应
2023-06-22 09:36:10
- 蔚来全系产品降价3万 取消免费换电 换一次电池180元
2023-06-12 17:27:49
- 电商平台三巨头开打最大规模折扣 价格战再次打响
2023-03-05 18:58:40
- 爱立信节省成本裁员四千人 爱立信全球员工总数五分之一
2023-02-24 22:27:29
- 蜜芽关停近况,八位数重金买三字顶级新域名mia.com也关闭
2023-02-23 16:18:14
- 联想CEO杨元庆:联想集团需要裁员32%削减部分业务支出
2023-02-18 12:45:25
- 蓝色光标2022营收亏损18亿 客户预算减少明显
2023-02-18 12:40:08
- 三星工厂或将80%生产转至越南 因本地劳动力成本上升
2023-02-17 23:09:16
- 香港八达通卡如何激活?没用失效过期余额怎么办
2023-02-17 18:34:51
- 中兴通讯被曝将裁员20% 称只裁国外的
2023-02-17 18:33:26
- 苹果新iPhone15Pro手机终于改用USB-C(火牛)数据线??Lightning充电接口退出
2023-02-17 16:57:22
- 突发!蓝色光标曾为中国民企500强龙头 如今业绩亏损断崖下跌
2023-02-16 14:31:19
- 三星发布自家carplay车载中控系统 Car Mode for Galaxy 可以连接carplay吗?
2023-02-14 00:53:17
- Opera浏览器宣布集成ChatGPT 一键生成网页内容摘要
2023-02-14 00:32:08
- 谷歌google计划重返进入中国市场?但结果可能令你失望
2023-02-13 16:57:15
- Zoom紧急裁员1300人 佔员工总数15%
2023-02-08 14:59:11
最新资讯
- YouTube更新违反规定政策,提升惩处透明度和一致性2023-12-31 14:00:52
- 美国法院裁定阿里须为Squishmallows玩具侵权案答辩2023-12-28 19:59:34
- 小米汽车传员工3700人 雷军称小米汽车不可能卖9万92023-12-28 19:41:57
- 吉利飙逾6% 电动车品牌极氪新车款极氪007昨上市 预售价格22.99万元2023-12-28 19:30:28
- 日本丰田汽车厂11月全球产量创新高2023-12-28 19:26:02
手机
- 中国11月手机出货量增34% 5G手机出货量2709.2万部2023-12-28 19:27:57
- 荣耀发布新一代旗舰荣耀Magic5系列,新款上市价格分期0首付3999元起2023-03-06 16:12:32
- 美国商务部指违禁,长江存储被美国拜登制裁名单面临停工裁员2023-02-17 18:41:53
- 苹果Apple iOS车载系统CarPlay支持哪些更多汽车品牌2023-02-02 17:33:27
- 香港去哪买三星手机回来吗? 买香港便宜售价手机市场地点和网站2023-02-02 11:03:11
数码
- 华为5G芯片正式亮相:预示华为将发首款5G手机2023-08-31 13:22:33
- 腾讯传计划放弃虚拟现实VR硬件计划2023-02-17 23:32:30
- 三星手机份额大跌!三星手机中国市场份额变化国内仅剩3%2023-02-01 17:06:15
- 三星手机份额大跌在中国没市场了!国内市场占有率仅剩1%国外比苹果销量高2023-02-01 16:59:53
- vivo发布2022 vivoNEX手机极简易浏览器下载:简洁流畅无广告!2022-12-02 17:29:30
科技
- 中兴受美国制裁事件 被罚了20亿美元过程事件始末 中兴被制裁后公司现状2023-11-02 22:12:46
- B站怎么炸崩了哔哩哔哩服务器今日怎么又炸挂了?技术团队公开早先原因2023-03-06 19:05:55
- 苹果iPhoneXS/XR手机电池容量续航最强?答案揭晓2023-02-19 15:09:54
- 华为荣耀两款机型起内讧:荣耀Play官方价格同价同配该如何选?2023-02-17 23:21:27
- google谷歌原生系统Pixel3 XL/4/5/6 pro手机价格:刘海屏设计顶配版曾卖6900元2023-02-17 18:58:09