萧箫 发自 凹非寺量子位 报道 | 公众号 QbitAI
还在担心大语言模型“啥都吃”,结果被用假信息训练了?
放在以前,这确实是训练NLP模型时值得担心的一个难题。
现在,谷歌从根本上解决了这个问题。
他们做了个名为TEKGEN的AI模型,直接将知识图谱用“人话”再描述一遍,生成语料库,再喂给NLP模型训练。
如何让AI用“人话”描述知识图谱?谷歌用来描述知识图谱的TEKGEN模型,全名Text from KG Generator(知识图谱文本生成器)。
它会读取一个知识图谱中的所有词语,捋清它们之间的关系,再用“人话”说出来。
从下图中来看,转换语句分为2步:
首先,将关系图谱中的词语,按逻辑进行排列;然后,再添加一些词语、并调整语句间的逻辑关系,将它们变成一段完整的话。
为了实现这个功能,TEKGEN包含4个部分:
三元组(包含主语、宾语、关系词)生成器。将维基百科的知识图谱、和维基百科文本描述进行对应,生成训练数据集。T5的文本-文本生成器,用于将三元组转换成文本信息。实体子图创建器。用于将三元组中的文本信息转换成语句。语义质量滤波器。这部分用来处理低质量的输出,保证生成的语句质量。整体来看,用TEKGEN生成语句的流程是这样的:
当然,这里面也用LAMA(LAnguage Model Analysis) probe,来对用这个语料库训练的模型进行了评估。
在Google-RE和TREx两个数据集上,经过预训练的模型,在各项任务上均取得了非常好的效果。
说不定,将来真能让AI去试试高考语文的“图文转换”题:
作者介绍论文一作小姐姐Oshin Agarwal,是宾夕法尼亚大学的计算机系在读博士生,研究方向是自然语言处理中的信息抽取。
这篇论文,是她在谷歌实习期间完成的。
来自谷歌的Heming Ge、Siamak Shakeri和Rami Al-Rfou也参与了这项工作。
目前,作者们已经将这个用知识图谱生成的语料库放了出来。
想要训练NLP模型的小伙伴,可以用起来了~
论文地址:https://arxiv.org/abs/2010.12688
用知识图谱生成的语料库:https://github.com/google-research-datasets/KELM-corpus
参考链接:https://ai.googleblog.com/2021/05/kelm-integrating-knowledge-graphs-with.html
— 完 —
量子位 QbitAI · 头条号签约
关注我们,第一时间获知前沿科技动态
花粉社群VIP加油站
猜你喜欢