Auf dem Weg zu einem Welt-Englisch Sprachmodell für virtuelle Assistenten auf Geräten

Towards a World-English Language Model for On-Device Virtual Assistants

March 27, 2024

Autoren: Rricha Jalota, Lyan Verwimp, Markus Nussbaum-Thom, Amr Mousa, Arturo Argueta, Youssef Oualil

cs.AI

Zusammenfassung

Neuronale Netzwerk-Sprachmodelle (NNLMs) für Virtuelle Assistenten (VAs) sind in der Regel sprach-, regions- und in einigen Fällen geräteabhängig, was den Aufwand für Skalierung und Wartung erhöht. Die Kombination von NNLMs für eine oder mehrere Kategorien ist ein Weg, um die Skalierbarkeit zu verbessern. In dieser Arbeit kombinieren wir regionale Varianten des Englischen, um ein "Weltenglisch" NNLM für VAs auf Geräten zu erstellen. Insbesondere untersuchen wir die Anwendung von Adapter-Engpässen, um dialektspezifische Merkmale in unseren bestehenden Produktions-NNLMs zu modellieren {und die Multi-Dialekt-Baselines zu verbessern}. Wir stellen fest, dass Adaptermodule effektiver sind beim Modellieren von Dialekten als die Spezialisierung ganzer Teilnetzwerke. Basierend auf dieser Erkenntnis und unter Nutzung des Designs unserer Produktionsmodelle führen wir eine neue Architektur für das Weltenglisch NNLM ein, die die Genauigkeit, Latenz und Speicherbeschränkungen unserer Einzeldialektmodelle erfüllt.

English

Neural Network Language Models (NNLMs) for Virtual Assistants (VAs) are generally language-, region-, and in some cases, device-dependent, which increases the effort to scale and maintain them. Combining NNLMs for one or more of the categories is one way to improve scalability. In this work, we combine regional variants of English to build a ``World English'' NNLM for on-device VAs. In particular, we investigate the application of adapter bottlenecks to model dialect-specific characteristics in our existing production NNLMs {and enhance the multi-dialect baselines}. We find that adapter modules are more effective in modeling dialects than specializing entire sub-networks. Based on this insight and leveraging the design of our production models, we introduce a new architecture for World English NNLM that meets the accuracy, latency, and memory constraints of our single-dialect models.