[ Skip to the content ]

Institute of Formal and Applied Linguistics Wiki

• ÚFAL Wiki Home
• ÚFAL Home
• Sitemap
• RSS
• ÚFAL calendar
• Recent changes
• Login
• Hledat:

[ Back to the navigation ]

Differences

This shows you the differences between two versions of the page.

View differences: Side by SideInline Go

Link to this comparison view

Both sides previous revision Previous revision 2012/02/28 13:42 zeman Už běží všech 6 pokusů s češtinou a neangličtinou.2012/02/28 13:30 zeman Doběhly zbývající pokusy s novými testovacími daty.2012/02/28 13:10 zeman První výsledky na testovacích datech 2012.2012/02/28 11:19 zeman Aktualizace úkolů: data pro páry s češtinou jsou hotová.2012/02/27 16:02 zeman Problémy se značkováním korpusů OSN.2012/02/27 15:55 zeman Aktualizace úkolů.2012/02/27 14:58 zeman Doběhlo en-es a en-fr v7.2012/02/27 14:21 zeman Doběhlo fr-en v7.2012/02/27 13:44 zeman Doběhlo es-en v7.2012/02/27 12:28 zeman Aktualizace aktuálních úkolů.2012/02/09 21:10 zeman Doběhlo de-en v7.2012/02/09 16:21 zeman Doběhlo en-de v7.2012/02/07 22:00 zeman Doběhlo en-cs v7.2012/02/07 14:47 zeman Doběhlo cs-en v7.2012/02/07 09:49 zeman BLEU.2012/02/07 09:48 zeman Aktualizace úkolů: uvozovky jsou hotové.2012/02/05 14:27 zeman Výsledky pokusů s uvozovkami včetně úpravy testovacích dat.2012/02/04 23:41 zeman Jak označkovat newstest.2012/02/04 18:24 zeman Jiná dev data?2012/02/04 18:23 zeman Aktuální úkoly.2012/02/04 18:16 zeman Čeština s němčinou, španělštinou a francouzštinou.2012/02/04 17:25 zeman Odkaz na WMT 2012.2012/02/04 17:21 zeman Úklid uvozovek.2012/02/04 16:53 zeman Uvozovky i na testovací data.2012/02/04 16:34 zeman Úklid.2012/02/03 18:15 zeman Poznámky o Ondrových datech a o pokusech s Emanem.2012/02/02 10:05 zeman fr-en s uvozovkami.2012/02/01 14:22 zeman Nový úkol: nová data.2012/02/01 10:02 zeman en-fr doběhlo, fr-en nějak havarovalo.2012/01/29 22:33 zeman Záznam o tom, jak se v datech upravují uvozovky.2012/01/29 22:18 zeman obo-max-test20112012/01/26 09:11 zeman Odstraněny zastaralé výsledky s výjimkou neobvyklých jazykových párů (čeština-neangličtina).2012/01/26 09:03 zeman Ladí se na newstest2008.2012/01/26 09:01 zeman obo-max2012/01/26 08:44 zeman Doběhly uvozovky en-es.2012/01/25 22:50 zeman Odstraněny zastaralé poznámky o časové náročnosti.2012/01/25 22:49 zeman obo-max2012/01/25 21:09 zeman obo-max doběhlo.2012/01/25 11:57 zeman obo-max3 doběhlo.2012/01/25 11:45 zeman Další uvozovky doběhly potřetí, snad už se správným alignmentem.2012/01/25 07:17 zeman Druhý běh francouzštiny konečně hotov.2012/01/24 22:07 zeman 2012/01/24 13:57 zeman fr-en s uvozovkami.2012/01/24 13:56 zeman U uvozovkových pokusů bude nutný třetí běh.2012/01/23 19:07 zeman ende uvozovky2012/01/23 08:28 zeman Kontrolní běh uvozovek, čeština už je hotová.2012/01/22 21:25 zeman Předběžné výsledky prvních pokusů s uvozovkami.2012/01/22 21:17 zeman Paralelizovaná Giza už mi funguje.2012/01/22 21:03 zeman obo-max-final2012/01/22 11:11 zeman obo-max32012/01/21 21:35 zeman Jiné augmented_corpora. Go Next revision		Previous revision 2012/02/29 10:00 zeman Doběhlo fr-cs.2012/02/29 07:01 zeman Doběhly pokusy bez angličtiny, ale směrem do češtiny asi došlo k nějaké chybě.2012/02/28 13:56 zeman Příprava tabulky pro překlad mezi češtinou a neangličtinou.2012/02/28 13:47 zeman Aktualizace úkolů.2012/02/28 13:42 zeman Už běží všech 6 pokusů s češtinou a neangličtinou.2012/02/28 13:30 zeman Doběhly zbývající pokusy s novými testovacími daty.2012/02/28 13:10 zeman První výsledky na testovacích datech 2012.2012/02/28 11:19 zeman Aktualizace úkolů: data pro páry s češtinou jsou hotová.2012/02/27 16:02 zeman Problémy se značkováním korpusů OSN.2012/02/27 15:55 zeman Aktualizace úkolů.2012/02/27 14:58 zeman Doběhlo en-es a en-fr v7.2012/02/27 14:21 zeman Doběhlo fr-en v7.2012/02/27 13:44 zeman Doběhlo es-en v7.2012/02/27 12:28 zeman Aktualizace aktuálních úkolů.2012/02/09 21:10 zeman Doběhlo de-en v7.2012/02/09 16:21 zeman Doběhlo en-de v7.2012/02/07 22:00 zeman Doběhlo en-cs v7.2012/02/07 14:47 zeman Doběhlo cs-en v7.2012/02/07 09:49 zeman BLEU.2012/02/07 09:48 zeman Aktualizace úkolů: uvozovky jsou hotové.2012/02/05 14:27 zeman Výsledky pokusů s uvozovkami včetně úpravy testovacích dat.2012/02/04 23:41 zeman Jak označkovat newstest.2012/02/04 18:24 zeman Jiná dev data?2012/02/04 18:23 zeman Aktuální úkoly.2012/02/04 18:16 zeman Čeština s němčinou, španělštinou a francouzštinou.2012/02/04 17:25 zeman Odkaz na WMT 2012.2012/02/04 17:21 zeman Úklid uvozovek.2012/02/04 16:53 zeman Uvozovky i na testovací data.2012/02/04 16:34 zeman Úklid.2012/02/03 18:15 zeman Poznámky o Ondrových datech a o pokusech s Emanem.2012/02/02 10:05 zeman fr-en s uvozovkami.2012/02/01 14:22 zeman Nový úkol: nová data.2012/02/01 10:02 zeman en-fr doběhlo, fr-en nějak havarovalo.2012/01/29 22:33 zeman Záznam o tom, jak se v datech upravují uvozovky.2012/01/29 22:18 zeman obo-max-test20112012/01/26 09:11 zeman Odstraněny zastaralé výsledky s výjimkou neobvyklých jazykových párů (čeština-neangličtina).2012/01/26 09:03 zeman Ladí se na newstest2008.2012/01/26 09:01 zeman obo-max2012/01/26 08:44 zeman Doběhly uvozovky en-es.2012/01/25 22:50 zeman Odstraněny zastaralé poznámky o časové náročnosti.2012/01/25 22:49 zeman obo-max2012/01/25 21:09 zeman obo-max doběhlo.2012/01/25 11:57 zeman obo-max3 doběhlo.2012/01/25 11:45 zeman Další uvozovky doběhly potřetí, snad už se správným alignmentem.2012/01/25 07:17 zeman Druhý běh francouzštiny konečně hotov.2012/01/24 22:07 zeman 2012/01/24 13:57 zeman fr-en s uvozovkami.2012/01/24 13:56 zeman U uvozovkových pokusů bude nutný třetí běh.2012/01/23 19:07 zeman ende uvozovky2012/01/23 08:28 zeman Kontrolní běh uvozovek, čeština už je hotová.2012/01/22 21:25 zeman Předběžné výsledky prvních pokusů s uvozovkami. Go Next revision Both sides next revision
user:zeman:wmt [2012/02/01 14:22] zeman Nový úkol: nová data.		user:zeman:wmt [2012/02/04 17:25] zeman Odkaz na WMT 2012.
Line 2:		Line 2:
	http://matrix.statmt.org/		http://matrix.statmt.org/
-	http://www.statmt.org/wmt11/translation-task.html	+	http://www.statmt.org/wmt12/translation-task.html
	http://svn.ms.mff.cuni.cz/projects/statmt/wiki/enhi/joshua		http://svn.ms.mff.cuni.cz/projects/statmt/wiki/enhi/joshua
	<code>/net/work/people/zeman/wmt</code>		<code>/net/work/people/zeman/wmt</code>
Line 66:		Line 66:
	===== Pokusy s uvozovkami =====		===== Pokusy s uvozovkami =====
-	Na začátku léta 2011 jsem se pokoušel poloautomaticky opravit a sjednotit uvozovky ve všech jazycích WMT 2011. Myslím, že to nebylo dodělané, a momentálně to nemůžu najít. Šlo o úpravu trénovacích korpusů. Výsledkem měla být "v6b" (verze 6b) všech korpusů, na nich se měly všechny pokusy pustit znova. Asi.	+	Paralelní data, která máme k&nbsp;dispozici, používají velmi různorodou směs znaků pro uvozovky. Často také není poznat, zda jde o počáteční, nebo koncové uvozovky. Napsal jsem skript, který se tohle pokusí rozpoznat (je jazykově závislý), a znaky pro uvozovky sjednotit. Všechny korpusy jsem tímto skriptem protáhl a vznikly verze označené ''v6b'' (včetně vývojových a testovacích dat). Nyní je třeba pustit všechny pokusy znova a zjistit, zda to nějak ovlivní skóre.
-	''$STATMT/scripts/specchar.pl''	+	<code bash>$STATMT/scripts/specchar.pl</code>
-	a co historie loňských commitů?	+
-	Podle časových značek u korpusů v ''augmented_corpora'' se zdá, že poslední "v6b" jsem vytvořil 21.4.2011. Vypadá to, že mám news-commentary+europarl ve verzi v6b pro všechny čtyři jazykové páry (cs-en, de-en, es-en, fr-en).	+	Takhle se upraví korpus v&nbsp;''augmented_corpora'', aby vznikla verze v6b (korpus musíme také označkovat, protože budeme potřebovat faktory lemma a stc):
-	UPDATE: Tohle jsem k uvozovkám našel v textovém souboru s průběžnými výsledky z loňského WMT (Makefilem se tam primárně myslí Makefile dat pro WMT, tedy ''/net/work/people/zeman/wmt/Makefile''):	+	<code bash>cd /net/work/people/zeman/wmt</code>
		+	Do Makefile přidáme nově upravené korpusy, mající v&nbsp;názvu ".v6b.", např.:
-	---------------------------------------	+	<code bash>EUROPARL = $(foreach pair,es-en/es es-en/en,europarl-v6b.$(pair))
-	Mám k dispozici trénovací data s opravenými uvozovkami, zatím jen pro angličtinu se španělštinou.	+	NEWSCOMM = $(foreach pair,es-en/es es-en/en,news-commentary-v6b.$(pair))</code>
-	Potřebuju je označkovat, abych mohl pouštět experimenty s faktory lemma a stc.	+
-	cd /net/work/people/zeman/wmt	+	Ale pozor! Jestliže jsme už předtím zpracovali jiný jazykový pár, musíme ho z&nbsp;Makefile alespoň dočasně vyhodit! Jinak si novým zkopírováním zdrojových korpusů přepíšeme případnou označkovanou verzi korpusu!
-	# Přidat do Makefile nově upravené korpusy mající v názvu ".v6b.", např.:	+
-	EUROPARL = $(foreach pair,es-en/es es-en/en,europarl-v6b.$(pair))	+	<code bash>make corpus CORPUS=europarl-v6b.fr-en LANGUAGE=fr</code>
-	NEWSCOMM = $(foreach pair,es-en/es es-en/en,news-commentary-v6b.$(pair))	+
-	# Ale pozor! Jestliže už jsme předtím zpracovali jiný jazykový pár, musíme ho z Makefile alespoň dočasně vyhodit!	+	Teď použijeme TectoMT/Treex a cluster k&nbsp;označkování nových korpusů. Původní aplikace se nachází v&nbsp;''$TMT_ROOT/applications/reordering/actag'', ale už v&nbsp;ní přestala fungovat němčina, protože ze sdílené složky zmizel natrénovaný model pro TreeTagger. Nová aplikace se nachází v&nbsp;''$TMT_ROOT/treex/devel/reordering/actag'', ale zatím v&nbsp;ní funguje pouze němčina.
-	# Jinak si novým zkopírováním zdrojových korpusů přepíšeme případnou označkovanou verzi korpusu!	+
-	make corpus CORPUS=europarl-v6b.fr-en LANGUAGE=fr	+	<code bash>cd $TMT_ROOT/treex/devel/reordering/actag
-	# Teď použijeme TectoMT a cluster k označkování nových korpusů.	+
-	cd /net/work/people/zeman/tectomt/applications/reordering/actag	+
	nohup nice make CORPUS=europarl-v6b.fr-en LANGUAGE=fr >& make-euro-fren-fr.log &		nohup nice make CORPUS=europarl-v6b.fr-en LANGUAGE=fr >& make-euro-fren-fr.log &
	nohup nice make CORPUS=europarl-v6b.fr-en LANGUAGE=en >& make-euro-fren-en.log &		nohup nice make CORPUS=europarl-v6b.fr-en LANGUAGE=en >& make-euro-fren-en.log &
	nohup nice make CORPUS=news-commentary-v6b.fr-en LANGUAGE=fr >& make-news-fren-fr.log &		nohup nice make CORPUS=news-commentary-v6b.fr-en LANGUAGE=fr >& make-news-fren-fr.log &
-	nohup nice make CORPUS=news-commentary-v6b.fr-en LANGUAGE=en >& make-news-fren-en.log &	+	nohup nice make CORPUS=news-commentary-v6b.fr-en LANGUAGE=en >& make-news-fren-en.log &</code>
-	# No a nyní již můžeme naklonovat nové pokusy.	+
-	# I když můžeme naklonovat oba směry (např. "fren" a "enfr") těsně po sobě, se spuštěním druhého směru by to chtělo počkat kvůli zámkům a vzájemnému nepřetahování se o práci, až než u prvního směru doběhne fáze "prepare".	+	No a nyní již můžeme naklonovat nové pokusy. I když můžeme naklonovat oba směry (např. "fren" a "enfr") těsně po sobě, se spuštěním druhého směru by to chtělo počkat kvůli zámkům a vzájemnému nepřetahování se o práci, až než u prvního směru doběhne fáze "prepare".
-	$STATMT/joshua-scripts/clonex.pl fren-stc-allemma-tmnews+parl-lmnews+parl-lm6-test2011 fren-stc-allemma-tmv6b-lmv6b-lm6-test2011	+
		+	<code bash>$STATMT/joshua-scripts/clonex.pl fren-stc-allemma-tmnews+parl-lmnews+parl-lm6-test2011 fren-stc-allemma-tmv6b-lmv6b-lm6-test2011
	cd fren-stc-allemma-tmv6b-lmv6b-lm6-test2011		cd fren-stc-allemma-tmv6b-lmv6b-lm6-test2011
	$STATMT/joshua-scripts/resetex_scripts.pl		$STATMT/joshua-scripts/resetex_scripts.pl
-	vi scripts/setexp.pl	+	vim scripts/setexp.pl
-	$ac_tmtrain     = 'news-commentary-v6b.fr-en+europarl-v6b.fr-en';	+	$ac_tmtrain     = 'news-commentary-v6b.fr-en+europarl-v6b.fr-en';</code>
		+
		+	Dotažení do konce: i vývojová a testovací data musí být ve verzi v6b. Můžeme přeskočit alignment a trénování jazykového modelu, ale musíme pustit ''prepare.pl'', abychom získali upravená data!
		+
		+	<code bash>$STATMT/joshua-scripts/clonex.pl encs-stc-allemma-tmv6b-lmv6b-lm6-test2011 encs-stc-allemma-tmv6b-lmv6b-lm6-test2011v6b
		+	cd encs-stc-allemma-tmv6b-lmv6b-lm6-test2011v6b
		+	$STATMT/joshua-scripts/resetex_scripts.pl
		+	vim scripts/setexp.pl
		+	$ac_dev         = 'newstest2008-v6b';
		+	$ac_test        = 'newstest2011-v6b';
		+	(qsub.pl) scripts/prepare.pl
		+	nohup nice $STATMT/joshua-scripts/joshua.pl extract > & joshua.log &</code>
-	Výsledky:	+	Pokusy s&nbsp;uvozovkami začaly na jaře 2011. Tehdy jsem upravil pouze trénovací data (Europarl a News-Commentary) pro všechny čtyři jazykové páry. K&nbsp;poslední úpravě došlo 21.4.2011. Vracím se k&nbsp;tomu 16.1.2012. Nejdříve pouštím všechny tehdejší pokusy znova, potom přidám i úpravu vývojových a testovacích dat.
-	Skóre "dříve" znamená před úpravou trénovacích dat, tedy -stc-allemma-tmnews+parl-lmnews+parl-lm6-test2011.	+
-	Skóre "nyní" znamená po úpravě trénovacích dat, tedy -stc-allemma-tmv6b-lmv6b-lm6-test2011.	+
-	Vylaďovací ani testovací data zatím nijak upravována nebyla.	+
-	Jejich úpravu bychom ale měli taky otestovat, protože např. teď obsahují samé ASCII uvozovky, které jsou pro Joshuu neznámým tokenem.	+
-	es-en: dříve 0.2452, nyní 0.2428	+	Nový průběh všech osmi starých pokusů (supervised truecasing, žádná normalizace uvozovek, nové je na nich paralelní počítání alignmentu, ale výsledek by měl být identický – nekontroloval jsem): ''$SRC$TGT-stc-allcstem4-tmnews+parl-lmnews+parl-lm6-test2011'', v&nbsp;tabulce uvedeno jako "v6". Varianta, ve které byly uvozovky upraveny pouze v&nbsp;trénovacích datech (''$SRC$TGT-stc-allemma-tmv6b-lmv6b-lm6-test2011''), je označena "v6b-tr". Varianta, ve které úpravou uvozovek prošla i vývojová a testovací data (''$SRC$TGT-stc-allemma-tmv6b-lmv6b-lm6-test2011v6b''), je označena "v6b".
-	en-es: dříve 0.2590, nyní 0.2542	+
		+	^ Jazyky ^ v6 ^ v6b-tr ^ v6b ^
		+	| en-cs | 0.1191 | 0.1246 | |
		+	| cs-en | 0.1692 | 0.1792 | |
		+	| en-de | 0.1337 | 0.1274 | |
		+	| de-en | 0.1885 | 0.1859 | |
		+	| en-es | 0.2573 | 0.2531 | |
		+	| es-en | 0.2446 | 0.2375 | |
		+	| en-fr | 0.2591 | 0.2619 | |
		+	| fr-en | 0.2243 | 0.2285 | |
-	===== Inventura 16.1.2012 =====	+	===== Pokusy s Emanem =====
-	16.1.2012 21:12: Pouštím znova pokus ''encs-stc-allcstem4-tmnews+parl-lmnews+parl-lm6-test2011''. Zřejmě to neobsahuje opravené uvozovky (v6b), ale potřebuju zjistit, zda se to vůbec rozběhne.	+	Tohle jsou data, která Ondřej použil pro svůj „malý pokus“:
		+	SRCAUG=enNmT1+stc
		+	TGTAUG=csNmT1+stc
		+	ALILABEL=enNmT1-lemma-csNmT1-lemma
		+	DEV: wmt10
		+	TEST: wmt11
-	Nový průběh všech osmi starých pokusů (supervised truecasing, žádná normalizace uvozovek, nové je na nich paralelní počítání alignmentu, ale výsledek by měl být identický – nekontroloval jsem): ''$SRC$TGT-stc-allcstem4-tmnews+parl-lmnews+parl-lm6-test2011''	+	Kopie příslušných korpusů jsou na mém hřišti v těchto krocích (ukázáno rovnou na inicializaci kroku dandata):
-	^ Jazyky ^ BLEU ^	+	<code>/home/zeman/projekty/statmt/playground/corpman --wait wmt10/csNmT1+stc
-	| en-cs | 0.1191 |	+
-	| cs-en | 0.1692 |	+
-	| en-de | 0.1337 |	+
-	| de-en | 0.1885 |	+
-	| en-es | 0.2573 |	+
-	| es-en | 0.2446 |	+
-	| en-fr | 0.2591 |	+
-	| fr-en | 0.2243 |	+
-	Od jara mám vytvořené také pokusy s korpusy, ve kterých jsou upravené uvozovky (verze 6b), takže je teď taky pustím. Je to spíš na oprášení starého kódu, ale bude se to muset pustit ještě jednou, protože momentálně se uvozovky opravují pouze v trénovacích datech, ale ne ve vývojových a testovacích. (Opravu testovacích dat bych si mohl ospravedlnit např. budoucím hodnocením lidmi. A nebo alespoň normalizovat testovací data tím brutálnějším skriptem od Philippa.)	+	SRC=en TGT=cs IMPORTCORPUS=yes TRALS=s.corpus.60681730.20120201-2157 TRALT=s.corpus.892024c6.20120201-2157 TRTMS=s.corpus.402e5219.20120201-2302 TRTMT=s.corpus.d8e0b2d7.20120201-2157 TRLMT=s.corpus.d8e0b2d7.20120201-2157 DEVS=s.corpus.e46c791e.20120201-2159 DEVT=s.corpus.c3230ea2.20120201-2201 TESTS=s.corpus.7b9dc07b.20120201-2205 TESTT=s.corpus.d0ef157e.20120201-2208 eman init dandata
		+	s.dandata.1d1f8734.20120203-1125
-	''$SRC$TGT-stc-allemma-tmv6b-lmv6b-lm6-test2011''	+	wmt10/enNmT1+stc = s.corpus.e46c791e.20120201-2159
		+	wmt10/csNmT1+stc = s.corpus.c3230ea2.20120201-2201
		+	wmt11/enNmT1+stc = s.corpus.7b9dc07b.20120201-2205
		+	wmt11/csNmT1+stc = s.corpus.d0ef157e.20120201-2208
-	První výsledky jsou zatím bez záruky, protože v průběhu Gizy jsem narazil na kvótu. Procesy sice nespadly, ale nejsem si jistý, co prováděly těch několik hodin, kdy nemohly psát na disk. Takže raději pustit ještě jednou (ostatně jeden z nich dokonce nedoběhl).	+	Korpusy pro alignment:
		+	s.corpus.60681730.20120201-2157
		+	s.corpus.892024c6.20120201-2157
-	24.1.2012 už mám i skoro všechny kontrolní výsledky druhého běhu, ale mezitím jsem zjistil chybu v počítání alignmentu, takže pouštím potřetí (zatím šest pokusů pro češtinu, němčinu a španělštinu, později pustím i francouzštinu, až i u ní skončí druhý běh).	+	GIZASTEP=s.mosesgiza.8a492679.20120202-1628 DATASTEP=s.dandata.1d1f8734.20120203-1125 ALISYM=gdfa eman init danalign
		+	s.danalign.9fb3696a.20120203-1128
		+	JOSHUASTEP=s.joshua.2723ccd9.20120131-1031 ALIGNSTEP=s.danalign.9fb3696a.20120203-1128 eman init binarize --start --mem 31g
		+	s.binarize.4576151d.20120203-1524
		+	BINARIZESTEP=s.binarize.4576151d.20120203-1524 FOR=dev eman init extract --start
		+	s.extract.95792bfb.20120203-1528
		+	BINARIZESTEP=s.binarize.4576151d.20120203-1524 FOR=test eman init extract --start
		+	s.extract.01f5693c.20120203-1528
		+	SRILMSTEP=s.srilm.e99247ad.20120201-0921 DATASTEP=s.dandata.1d1f8734.20120203-1125 ORDER=5 eman init danlm --start
		+	s.danlm.06d337e0.20120203-1600
		+	LMSTEP=s.danlm.06d337e0.20120203-1600 EXTRACTSTEP=s.extract.95792bfb.20120203-1528 eman init zmert --start
		+	s.zmert.884b636b.20120203-1602
		+	MERTSTEP=s.zmert.884b636b.20120203-1602 EXTRACTSTEP=s.extract.01f5693c.20120203-1528 eman init daneval --start
		+	s.daneval.96709ff9.20120203-1603</code>
-	^ Jazyky ^ BLEU ^ Kontrolní běh ^ Třetí běh ^	+	Výsledek Danova pokusu s Ondřejovými malými daty:
-	| en-cs | FAILED | 0.1267 | 0.1246 |	+	BLEU = 0.1185
-	| cs-en | 0.1748 | 0.1748 | 0.1792 |	+	(Ondřej měl s Mosesem asi 0.1230.)
-	| en-de | 0.1268 | 0.1268 | 0.1274 |	+	Ještě je potřeba to testovat stejným skriptem jako Ondřej, abychom použili stejnou tokenizaci a taky abychom dostali rozptyl skóre.
-	| de-en | 0.1869 | 0.1869 | 0.1859 |	+
-	| en-es | 0.2542 | 0.2542 | 0.2531 |	+
-	| es-en | 0.2428 | FAILED | 0.2375 |	+
-	| en-fr | 0.2586 | 0.2628 | 0.2619 |	+
-	| fr-en | 0.2294 | 0.2294 | |	+

---

[ Back to the navigation ] [ Back to the content ]