加速部署NLU模型，臉書開源釋出跨語言句子向量計算工具LASER

為了加速自然語言處理模型可以應用於多種不同的語言，臉書開源釋出跨語言句子向量計算工具LASER（Language-Agnostic SEntence Representations），該工具支援超過90種語言，讓自然語言處理模型可以簡單地轉換到另一個語言上，包含那些訓練資料較少的語言，像是卡拜爾語、維吾爾族語，甚至連方言也包含在內，特別的是，LASER是將所有語言嵌入到一個共同向量空間，而非每個語言有獨立的模型。

LASER工具會將每個句子不同語言的資料，一併匯入高維度的空間中，目的就是讓相同意思的句子能夠在同一個鄰近區域，輸出的資料可以被視為一個在語義向量空間中通用的語言，臉書研究團隊發現，在向量空間中的距離，與句子的語義相近程度有強烈的相互關聯。

臉書採用的方法即是透過目前的神經機器翻譯技術Seq2seq，將所有語言輸入至5層的雙向長短時記憶（bidirectional LSTM）網路，再用一個共同的解碼器產生語言的輸出結果，不同的是，臉書是用1,024維度固定大小的向量，來表示輸入的句子，如此一來，能夠比較句子的表示法並將其直接送入分類器中。

臉書表示，LASER是第一個可以在一個模型中，處理多種語言的函式庫，該研究成果能夠協助臉書開發自然語言處理相關的功能，像是在一個語言中，將電影評價分為正評和負評，再快速部署到其他100多種語言。