在AI语义理解领域，谷歌一直不遗余力地进行研发投入。2015年谷歌发布的基于深度神经网络的谷歌智能邮件回复，2016年上线的神经机器翻译系统都是谷歌在该领域的研究成果。在消费级产品之外，谷歌还持续为AI开发者提供技术支持，不断推出新的开源工具。下面上海Google推广小编就带大家了解谷歌在这一领域的新进展。

　　针对语句的语法结构分析，谷歌在16年夏天开源了SyntaxNet神经网络框架以及与之搭配的英语分析预训练模型Parsey McParseface。之后谷歌又发布了针对其他40门语言的语法分析模型。并将它们命名为Parsey's Cousins。对英语国家开发者而言，为英语之外的语言开发机器学习系统是一件相当不容易的事。现在，经过将近一年的努力，谷歌推出了SyntaxNet框架以及Parsey相关模型的升级版。

　　SyntaxNet升级

　　这是SyntaxNet自诞生以来的最重大升级。这建立在谷歌对各语言的语义理解研究基础之上。此次升级的核心是一项新技术：能对输入语句的多层表示进行很好的学习。具体来讲，它延伸了TensorFlow，能对多层语言结构进行合成建模，还能够在语句或文件处理过程中，动态地生成神经网络架构。

　　举个例子，该升级使创建基于字母的模型(能学习把单独字母组合成词语)，变得更加简单。该模型还能够学习到，不同词语在共同组成部分(共享的字母)方面存在联系。在另一方面，Parsey和Parsey’s Cousins通过词语排序而运行。因此它们必须要对训练中的词语进行记忆，并依赖语境来决定“生词”(此前未记忆过的词语)的语法函数。

　　ParseySaurus

　　为了展示新版本 SyntaxNet 的强大之处，谷歌同时发布了新的预训练过的模型 ParseySaurus。ParseySaurus 模型，使用了上文提到的基于字母的输入表示。因此，它极大提升了预测新词语含义的能力。这是基于两个方面来实现：词汇的拼写和在语境中的使用方式。ParseySaurus 的准确率远远超出 Parsey’s Cousins，错误率降低了25%。由于语言的形态特性和其他属性，新模型在俄语、土耳其语、匈牙利语上的效果尤其好——这些语言中，同一个词汇有多种不同形态，其中许多形态从未在训练阶段出现过。

　　竞赛

　　你或许会对“基于字母的模型是不是语义识别的最佳选择”感到好奇。或者，是否有其他更好的技术。谷歌表示，新版本的谷歌 SyntaxNet 提供了许多全新可能性，比如 beam search 和不同的训练目标;但新 SyntaxNet 的能力不止于此。谷歌与布拉格大学(Charles University)合作，将在今年的 CoNLL 大会上举办多语言分解竞赛(multilingual parsing competition)。竞赛目标是为45种语言，开发出在现实环境下有良好表现的语义分解系统。