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 [2012/02/27 13:44] zeman Doběhlo es-en v7. |
user:zeman:wmt [2012/02/28 13:30] zeman Doběhly zbývající pokusy s novými testovacími daty. |
||
---|---|---|---|
Line 8: | Line 8: | ||
===== Aktuální úkoly ===== | ===== Aktuální úkoly ===== | ||
- | * Rozpracované: | + | * Rozpracované: |
+ | * Ještě by to chtělo zopakovat celý proces se značkováním korpusů OSN. Nejdřív se ale pokusím nechat alespoň jednou doběhnout současnou verzi. Původní korpus se nechtěl nechat označkovat a zdá se, že problém by mohl být v tom, že některé věty jsou příliš dlouhé. Pustil jsem tedy nejdřív čištění (pouze věty délky 1 až 99 slov), ale kvůli nějaké chybě má označkovaný korpus stejně původní počet vět. Zdá se, že poslední dávku jsem omylem nakopíroval tolikrát, abych se dostal na původní počet řádků. Mělo by to ale být striktně paralelní, takže by to výsledek snad nemuselo nějak zásadně poškodit. | ||
* Stáhnout a otestovat nová testovací data (WMT 2012). | * Stáhnout a otestovat nová testovací data (WMT 2012). | ||
* Všechny přípravy korpusů a zarovnání zopakovat i pod Emanem. Naučit se registrovat korpusy Corpmanem. | * Všechny přípravy korpusů a zarovnání zopakovat i pod Emanem. Naučit se registrovat korpusy Corpmanem. | ||
* Připravit data pro cs-de, cs-es a cs-fr (news-commentary+europarl.v7). | * Připravit data pro cs-de, cs-es a cs-fr (news-commentary+europarl.v7). | ||
+ | * Data už jsou připravena, | ||
* Prohnat všechna data Morfessorem a vyhodnotit překlad s ním. | * Prohnat všechna data Morfessorem a vyhodnotit překlad s ním. | ||
* Otestovat vliv omezení délky fráze na 5 tokenů (zkusit i default a 10). | * Otestovat vliv omezení délky fráze na 5 tokenů (zkusit i default a 10). | ||
Line 107: | Line 109: | ||
Pokusy s& | Pokusy s& | ||
- | 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): '' | + | 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): '' |
- | ^ Jazyky ^ v6 ^ v6b-tr ^ v6b ^ v7 ^ | + | ^ Jazyky ^ v6 ^ v6b-tr ^ v6b ^ v7 ^ wmt12 ^ |
- | | en-cs | 0.1191 | 0.1246 | 0.1257 | 0.1299 | | + | | en-cs | 0.1191 | 0.1246 | 0.1257 | 0.1299 |
- | | cs-en | 0.1692 | 0.1792 | 0.1801 | 0.1814 | | + | | cs-en | 0.1692 | 0.1792 | 0.1801 | 0.1814 |
- | | en-de | 0.1337 | 0.1274 | 0.1334 | 0.1350 | | + | | en-de | 0.1337 | 0.1274 | 0.1334 | 0.1350 |
- | | de-en | 0.1885 | 0.1859 | 0.1896 | 0.1915 | | + | | de-en | 0.1885 | 0.1859 | 0.1896 | 0.1915 |
- | | en-es | 0.2573 | 0.2531 | 0.2627 | | | + | | en-es | 0.2573 | 0.2531 | 0.2627 | 0.2756 | 0.2757 |
- | | es-en | 0.2446 | 0.2375 | 0.2497 | 0.2562 | | + | | es-en | 0.2446 | 0.2375 | 0.2497 | 0.2562 |
- | | en-fr | 0.2591 | 0.2619 | 0.2526 | | | + | | en-fr | 0.2591 | 0.2619 | 0.2526 | 0.2729 | 0.2572 |
- | | fr-en | 0.2243 | 0.2285 | 0.2384 | | | + | | fr-en | 0.2243 | 0.2285 | 0.2384 | 0.2448 | 0.2391 |
===== Pokusy s Emanem ===== | ===== Pokusy s Emanem ===== |