એમેઝોને 51 ભાષાઓમાં ભાષણ સમજવા માટે ડેટાસેટ પ્રકાશિત કર્યો

એમેઝોને CC BY 4.0 લાયસન્સ હેઠળ "MASSIVE" (સ્લોટ ફિલિંગ, ઇન્ટેન્ટ ક્લાસિફિકેશન અને વર્ચ્યુઅલ-સહાયક મૂલ્યાંકન માટે બહુભાષી એમેઝોન SLURP) ડેટાસેટ, મશીન લર્નિંગ સિસ્ટમ્સ માટેના મૉડલ્સ અને તમારા પોતાના મૉડલ્સને તાલીમ આપવા માટેના સાધનો પ્રકાશિત કર્યા છે જેનો ઉપયોગ કરી શકાય છે. પ્રાકૃતિક ભાષા (NLU, નેચરલ લેંગ્વેજ અન્ડરસ્ટેન્ડિંગ) પરની માહિતીને સમજો. સમૂહમાં 51 ભાષાઓ માટે તૈયાર કરાયેલા એક મિલિયનથી વધુ ટીકા અને વર્ગીકૃત ટેક્સ્ટ ઉચ્ચારણોનો સમાવેશ થાય છે.

SLURP સંગ્રહ, મૂળરૂપે અંગ્રેજી માટે ઉપલબ્ધ છે, તેનો ઉપયોગ MASSIVE સેટ બનાવવા માટે સંદર્ભ તરીકે કરવામાં આવ્યો હતો, જે વ્યાવસાયિક અનુવાદકોનો ઉપયોગ કરીને અન્ય 50 ભાષાઓમાં સ્થાનીકૃત કરવામાં આવ્યો હતો. એલેક્સાની પ્રાકૃતિક ભાષા સમજ (NLU) ટેક્નોલોજી પ્રથમ ભાષણને ટેક્સ્ટમાં રૂપાંતરિત કરે છે, પછી ટેક્સ્ટ પર બહુવિધ NLU મોડલ્સ લાગુ કરે છે જે વપરાશકર્તાના પ્રશ્નનો સાર નક્કી કરવા માટે કીવર્ડ્સની હાજરીનું વિશ્લેષણ કરે છે.

સેટ બનાવવા અને પ્રકાશિત કરવાનો એક ધ્યેય વૉઇસ સહાયકોને એકસાથે અનેક ભાષાઓમાં માહિતીની પ્રક્રિયા કરવા માટે અનુકૂલન કરવાનો છે, તેમજ તૃતીય-પક્ષ વિકાસકર્તાઓને એપ્લિકેશન્સ અને સેવાઓ બનાવવા માટે પ્રોત્સાહિત કરવાનો છે જે વૉઇસ સહાયકોની ક્ષમતાઓને વિસ્તૃત કરે છે. વિકાસકર્તાઓનું ધ્યાન આકર્ષિત કરવા માટે, એમેઝોને પ્રકાશિત ડેટાસેટનો ઉપયોગ કરીને શ્રેષ્ઠ સામાન્ય મોડલ બનાવવાની સ્પર્ધા શરૂ કરી.

હાલમાં, વૉઇસ સહાયકો માત્ર થોડી ભાષાઓને સમર્થન આપે છે અને ચોક્કસ ભાષા સાથે જોડાયેલા મશીન લર્નિંગ મોડલ્સનો ઉપયોગ કરે છે. MASSIVE પ્રોજેક્ટનો હેતુ વિવિધ ભાષાઓમાં માહિતીનું વિશ્લેષણ અને પ્રક્રિયા કરવા માટે સક્ષમ સાર્વત્રિક મોડલ અને મશીન લર્નિંગ સિસ્ટમ્સ બનાવીને આ ખામીને દૂર કરવાનો છે.

સોર્સ: opennet.ru