Gipublikar sa Amazon ubos sa lisensya sa CC BY 4.0 ang "MASSIVE" (Multilingual Amazon SLURP for Slot Filling, Intent Classification, and Virtual-assistant Evaluation) dataset, mga modelo alang sa mga sistema sa pagkat-on sa makina, ug mga himan alang sa pagbansay sa imong kaugalingong mga modelo nga magamit sa masabtan ang impormasyon sa natural nga pinulongan (NLU, Natural Language Understanding). Ang set naglakip sa labaw sa usa ka milyon nga annotated ug classified text pamulong nga giandam alang sa 51 ka mga pinulongan.
Ang koleksyon sa SLURP, nga orihinal nga magamit alang sa English, gigamit ingon usa ka reperensiya sa pagtukod sa MASSIVE set, nga na-localize sa 50 nga uban pang mga lengguwahe gamit ang mga propesyonal nga maghuhubad. Ang natural nga lengguwahe nga pagsabot (NLU) nga teknolohiya ni Alexa una nga nagbag-o sa sinultihan ngadto sa teksto, dayon gipadapat ang daghang mga modelo sa NLU sa teksto nga nag-analisar sa presensya sa mga keyword aron mahibal-an ang esensya sa pangutana sa tiggamit.
Usa sa mga katuyoan sa paghimo ug pagmantala sa set mao ang pagpahiangay sa mga katabang sa tingog aron maproseso ang kasayuran sa daghang mga sinultian nga dungan, ingon usab aron madasig ang mga nag-develop sa ikatulo nga partido nga maghimo mga aplikasyon ug serbisyo nga nagpalapad sa mga kapabilidad sa mga katabang sa tingog. Aron madani ang atensyon sa mga developers, ang Amazon naglunsad og usa ka kompetisyon sa paghimo sa pinakamaayo nga generic nga modelo gamit ang usa ka gipatik nga dataset.
Sa pagkakaron, ang mga voice assistant nagsuporta lamang sa pipila ka mga pinulongan ug naggamit sa mga modelo sa pagkat-on sa makina nga nahigot sa usa ka piho nga pinulongan. Ang MASSIVE nga proyekto nagtumong sa pagwagtang niini nga kakulian pinaagi sa paghimo sa unibersal nga mga modelo ug mga sistema sa pagkat-on sa makina nga makahimo sa pag-parse ug pagproseso sa impormasyon sa lain-laing mga pinulongan.
Source: opennet.ru