Differences
This shows you the differences between two versions of the page.
Next revision | Previous revision Next revision Both sides next revision | ||
user:pecina:mt-exp [2012/09/26 09:05] pecina vytvořeno |
user:pecina:mt-exp [2012/09/26 09:26] pecina |
||
---|---|---|---|
Line 1: | Line 1: | ||
- | === 1) Factored | + | === A) Factored |
- | Překládáme nezávisle do lemmat a POS značek a z nich potom vygenerujeme patřičnou formu pomoci morfologického slovníku. | + | Překládáme nezávisle do lemmat a POS značek a z nich potom vygenerujeme patřičnou formu pomoci morfologického slovníku. V úvahu přicházejí tyto překladové scénáře: |
- | + | * '' | |
- | V úvahu přicházejí tyto překladové scénáře: | + | |
- | t: | + | |
- | t: | + | |
A generovací model: | A generovací model: | ||
- | g:lemma|tag→forma | + | *'' |
- | Generování bude dle morfologického slovníku Jarky Hlaváčové. Měli bychom dostat jednoznačné mapování | + | Generování bude dle morfologického slovníku Jarky Hlaváčové. Měli bychom dostat jednoznačné mapování |
**Experimenty: | **Experimenty: | ||
- | a) baseline 1: čistý frázový překlad | + | * //baseline 1//: čistý frázový překlad |
- | t: forma-> | + | '' |
- | + | * //baseline 2//: vylepšená baseline všemi prostředky, | |
- | b) baseline 2: vylepšená baseline všemi prostředky, | + | '' |
- | t: forma-> | + | '' |
- | a: | + | '' |
- | a: | + | * // |
- | + | '' | |
- | c) motivace: překlad na lematech je mnohem lepší než na formách | + | |
- | t: lemma-> | + | |
- | d) hypotéza 1: nezávislý překlad lemmat a forem bude kvalitou někde mezi b) a c) | + | * //hypotéza 1// nezávislý překlad lemmat a forem bude kvalitou někde mezi //baseline 2// a // |
- | t: lemma→lemma, | + | '' |
- | r) hypotéza 2: nezávislý překlad lemmat a forem a následné generování podle modelu z trénovacích dat nebude tak úspěšné (minimálně kvůli neznámým formám), BLEU lze čekat menší než v d). Předchozí experimenty nepotvrdily, | + | * //hypotéza 2//: nezávislý překlad lemmat a forem a následné generování podle modelu z trénovacích dat nebude tak úspěšné (minimálně kvůli neznámým formám), BLEU lze čekat menší než u //hypotézy 1//. Předchozí experimenty nepotvrdily, |
- | t: lemma→lemma, | + | '' |
- | f) hypotéza 3: nezávislý překlad lemmat a forem a následně generování podle modelu z morfologického slovníku bude lepší než b) (umíme generovat i formy, které nejsou v datech), teoreticky bychom se s BLEU měli dostat na hodnoty z d) | + | * //hypotéza 3//: nezávislý překlad lemmat a forem a následně generování podle modelu z morfologického slovníku bude lepší než //baseline 2// (umíme generovat i formy, které nejsou v datech), teoreticky bychom se s BLEU měli dostat na hodnoty z //hypotézy 1// |
- | t: lemma→lemma, | + | '' |
**Rizika:** | **Rizika:** | ||
- | i) hypotéza | + | * Hypotéza |
- | ii) hypotéza | + | * Hypotéza |
**Technické detaily:** | **Technické detaily:** | ||
- | * paralelní trénovací data — v baseline experimentu použijeme jen část CzEngu, na závěr potom celý | + | |
- | * monolinguální trénovací data pro LM a GM — POS tagged data pro LM_lemma, LM_POS + GM | + | * monolinguální trénovací data pro LM a GM — POS tagged data pro LM_lemma, LM_POS + GM |
- | * filtrováni GM -> nejdříve filtrování | + | * filtrováni GM -> nejdříve filtrování překladové tabulky na základě testovacích dat, potom filtrování generovací tabulky na zakládě cílové strany překladové tabulky. |
- | překladové tabulky na základě testovacích dat, potom filtrování generovací tabulky na zakládě cílové strany překladové tabulky | + |