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 | ||
user:zeman:wmt [2012/01/18 10:34] zeman Eman. |
user:zeman:wmt [2012/01/19 08:14] zeman Musíme se nacházet na hřišti, aby to fungovalo. |
||
---|---|---|---|
Line 127: | Line 127: | ||
musim se pochlubit, ze (az na jeste par much) mam ukazku pouziti emana pro preklad i pro ty, kdo to jeste vubec nezkouseli: | musim se pochlubit, ze (az na jeste par much) mam ukazku pouziti emana pro preklad i pro ty, kdo to jeste vubec nezkouseli: | ||
- | svn co https:// | + | <code bash>svn co https:// |
cd statmt/ | cd statmt/ | ||
# podivejte se na README | # podivejte se na README | ||
Line 134: | Line 134: | ||
# to jen proto, abyste mohla potvrdit certifikat sourceforge | # to jen proto, abyste mohla potvrdit certifikat sourceforge | ||
# a pak uz podle readme spustit mikropokus | # a pak uz podle readme spustit mikropokus | ||
- | SKIP_IRSTLM=yes eman clone --start < eman.samples/ | + | SKIP_IRSTLM=yes eman clone --start < eman.samples/ |
Prikaz: | Prikaz: | ||
Line 141: | Line 141: | ||
ukaze manualovou stranku | ukaze manualovou stranku | ||
+ | |||
+ | ==== Tvorba šablon (nové druhy kroků, seeds) ==== | ||
+ | |||
+ | Jako příklad viz eman.seeds/ | ||
+ | * BINARIES: odkaz na krok, ve kterém byly zkompilovány externí nástroje, např. SRILM. Spustitelné binární soubory leží zřejmě přímo ve složce tohoto kroku jako výstupní soubor. | ||
+ | * CORP: zkrácený název trénovacího korpusu. I jednotlivým korpusům odpovídají kroky, které vyrábějí či zpřístupňují dotyčné datové soubory. Na to slouží mj. nový skript '' | ||
+ | * CORPAUG: faktory dotyčného korpusu, které se mají použít pro trénování. | ||
+ | * ORDER: řád modelu (např. 3 pro trigram). | ||
+ | Volitelně lze nastavit i další vstupní proměnné. | ||
+ | |||
+ | Konstruktor (skript '' | ||
+ | |||
+ | Dále vytvoří soubor '' | ||
+ | |||
+ | Dále vytvoří soubor '' | ||
+ | |||
+ | Teprve v přípravném režimu se také vyrobí hlavní skript '' | ||
+ | |||
+ | ==== Založení nového kroku podle šablony ==== | ||
+ | |||
+ | Použijeme příkaz '' | ||
+ | |||
+ | <code bash>cd $STATMT/ | ||
+ | SRC=en TGT=cs eman init dandata</ | ||
+ | |||
+ | ==== Korpusové kroky ==== | ||
+ | |||
+ | Některé kroky připravují části korpusů, které jsou pro experiment potřeba. Takový krok asi typicky bude přímo zasvěcen přípravě korpusu, ale není ani vyloučeno, že korpus bude vedlejším produktem jiné činnosti. Každopádně pokud je výsledkem nebo jedním z výsledků kroku korpus, je vhodné ve složce daného kroku založit soubor '' | ||
+ | |||
+ | ==== Sestavování experimentu jako posloupnosti kroků ==== | ||
+ | |||
+ | Pokusit se alespoň zpočátku využít existující kroky pro alignment, jazkový model apod. a nekonvertovat ty svoje. Vytvořit nějakou šablonu '' | ||
+ | * binarizace korpusu a alignmentu | ||
+ | * extrakce gramatiky pro vývojová i testovací data (jeden, nebo dva různé kroky?); analogicky ke kroku '' | ||
+ | * volání dekodéru Joshuy ('' | ||
+ | * asi i nějaká úprava mertu, byť současný eman už samozřejmě obsahuje konfiguraci mertu pro Mosese |