Differences
This shows you the differences between two versions of the page.
Both sides previous revision Previous revision Next revision | Previous revision Next revision Both sides next revision | ||
khresmoi:start [2012/02/27 17:28] hlavacova |
khresmoi:start [2012/02/29 09:54] hlavacova |
||
---|---|---|---|
Line 15: | Line 15: | ||
---- | ---- | ||
- | ==== Poznámky k datům ==== | ||
- | Píšu to rovnou sem nahoru, aby to bylo na ráně. | ||
- | Data z **JRC-Aquis** se během posledních několika týdnů změnila, takže nejsou kompatibilní se skriptem, který je k nim dodáván, ten se nezměnil. Měla jsem zálohovaná data z páru fr-en, tak jsem je zpracovala, jsou na svém místě. V adresáři original jsou i ostatní data, tj. pro páry de-en a cs-en, ale nejsou zpracovaná, | ||
- | Zpracování fr-en jsem provedla " | ||
- | Z porovnání obou paralelních fr-en dat usuzuji, že na ně byl použit jiný aligner. Lepší? | ||
- | |||
Line 43: | Line 37: | ||
| French-English 109 corpus | WMT12 | web | 22.5Ms | | sent | | | | DONE | | | French-English 109 corpus | WMT12 | web | 22.5Ms | | sent | | | | DONE | | ||
| Medpedia wiki| Medpedia | in | | | Medpedia wiki| Medpedia | in | | ||
- | | Corpus Of Parallel Patent Applications (Coppa)| WIPO | in | 24,8Mw = 1,2Ms | | sent | | + | | Corpus Of Parallel Patent Applications (Coppa)| WIPO | in | 24,8Mw = 1,2Ms | | sent | |
- | | Corpus Of Parallel Patent Applications (Coppa)| WIPO | in | 33,5Mw | | par | | + | | Corpus Of Parallel Patent Applications (Coppa)| WIPO | in | 33,5Mw | | par | |
- | | Corpus Of Parallel Patent Applications (Coppa)| WIPO | tech | 153,8Mw = 7,5Ms | | sent | | + | | Corpus Of Parallel Patent Applications (Coppa)| WIPO | tech | 153,8Mw = 7,5Ms | | sent | |
- | | Corpus Of Parallel Patent Applications (Coppa)| WIPO | tech | 178,8Mw | | par | | + | | Corpus Of Parallel Patent Applications (Coppa)| WIPO | tech | 178,8Mw | | par | |
| MAREC | Wien TU | in | ? | ? | ? | | | | MAREC | Wien TU | in | ? | ? | ? | | | ||
| Springer Bilingual Corpus | much.more | in | | 1.09 Mw | sent | | | | Springer Bilingual Corpus | much.more | in | | 1.09 Mw | sent | | | ||
Line 56: | Line 50: | ||
w, s, f ... words, sentences, files (for parallel data only source (English) words are counted) | w, s, f ... words, sentences, files (for parallel data only source (English) words are counted) | ||
* viz podrobnější info v podsekcích | * viz podrobnější info v podsekcích | ||
+ | |||
+ | |||
+ | [[khresmoi: | ||
+ | |||
=== Zdroje | === Zdroje |