快别「一句wòcào行天下」，清华搞了个神器专治词穷

Posted 2022-05-19 QbitAl

鱼羊 发自 凹非寺
量子位 | 公众号 QbitAI

奈何本人没文化，一句（哔——）行天下。

这位胖友，不知你行走江湖，是否也有过这样的烦恼？

那么这里有个神器，可就值得好好说道说道了。

“听我说谢谢你，因为有你，温暖了四季”用成语应该怎么说？

在搜索框内输入你想表达的意思，再在词性一栏里选择成语，AI立马就能给你抛出几十上百个选项。

背景颜色越深，代表系统推荐程度越高。

要是碰上啥看不懂的，鼠标一点，就能查看具体释义。

还不只是中文，比如当你想脱口而出一句“鹅妹子嘤”，但又想知道有没有更华丽的中文表达，同样是一键即可得。

怎么样，够方便不？

是不是有点“妈妈再也不用担心我词穷”内味儿了（手动狗头）。

来自清华的“反向词典”

这个神器名叫WantWords，反向词典。

背后的AI，来头不小：诞生自清华大学自然语言处理与社会人文计算实验室，项目指导教师为孙茂松教授和刘知远副教授。

所谓“反向”，就是和常规词典不同，不是按词寻义，而是反过来给词典一段描述，让它来帮你找词。

作者在GitHub中介绍，他们希望反向词典起到三种作用：

解决话到嘴边，却忽然想不起来怎么说的“舌尖现象”
帮助新语言学习者
帮助无法选择单词的失读症患者

这个反向词典背后的核心AI，名为多通道逆向词典模型，相关论文还中选过AAAI 2020。

具体而言，多通道逆向词典模型采用了双向LSTM（BiLSTM）和注意力作为基本框架，并在其中加入了4个特定特征预测器。

采用多个预测器来识别输入查询中目标词的不同特征，一方面，能使嵌入质量较差的目标词通过特征被挑选出来。

另一方面，也可以过滤掉与正确目标词有接近嵌入、但存在矛盾特征的词。

也就是说，AI选词能更精准。

而为了让AI更容易找到真正“正确”的词，除了词性、词素这两个词语的“内部特征”外，作者还考虑了层次体系和义原这两个“外部特征”。

所谓层次体系，是用来区分一个词是实体还是概念，实体下面又会分出各种各样的实体。

义原在语言学中则是指最小的不可再分的语义单位。语言学家认为义原体系在任何语言中都适用，不与特定语言相关。

举个例子，“男孩”这个词可以由“人类”、“男性”、“儿童”这个三个义原表示，“女孩”则可以由“人类”、“女性”、“儿童”的组合来表达。

△图源：HowNet

新算法已测试，相关新系统开发中

前文提到，WantWords反向词典最早诞生于清华NLP实验室，主要由岂凡超和张磊在2019年合作完成。

在与果壳交流时岂凡超谈到，刚开始，他们并没有对这个项目进行推广，只是身边的同学使用后反馈还不错。

直到去年11月，这个项目突然火爆，一时之间访问量暴增，把服务器都给挤垮了。

自此之后，WantWords开始受到更多关注，也收获了不少建议和来自志愿者的技术支持。

不仅有了网页版，微信小程序也已正式上线，还有APP版正在开发中。

△微信小程序“WantWords”

根据研发团队的最新公告，今年除夕之前，反向查词还测试完成了新算法，其性能相较于原有算法有显著提高。

而在反向词典之外，研究团队还开发“名言名句语义检索及推荐系统”，以及“汉语词语搭配查询系统”。

目前这两个系统尚未对外开放，感兴趣的小伙伴可以边读论文（文末奉上），边蹲一波。

对了，研发团队还表示，WantWords作为一个开源项目，随时欢迎大家加入，参与设计&开发、提出需求、反馈问题。感兴趣的话就去官网戳戳公告吧~

相关论文：
https://arxiv.org/abs/1912.08441
https://arxiv.org/abs/2202.13145

参考链接：
[1]官网：https://wantwords.net/
[2]果壳文章：https://mp.weixin.qq.com/s/er-JwST7dUQjMh6VzBE1bA
[3]https://deeplang.feishu.cn/docs/doccnoH9ncCZspo2Ubx79bpZ0Lh#ijyigh