Differences

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

--- user:zeman:wmt [2013/04/15 12:13]
zeman Aktuální úkoly.
+++ user:zeman:wmt [2013/04/28 10:10]
zeman Kombinace czengu a newseuro je hotová, byť se starým newseurem.
@@ Line 7: / Line 7: @@
 ===== Aktuální úkoly =====
-  * Znova označkovat anglický Gigaword, tentokrát Featuramou.
+  * Dohnat pokusy s anglickým Gigawordem.
-    * Označkováno už je, dva dílčí dokumenty se musely značkovat dodatečně. Nyní (pondělí 15.4.2013) běží slévání výstupu.
+    * Vyrábí se jazykový model z anglického Gigawordu (od 11:14 úterý 16.4.2013).
-    * Vyrobit jazykový model z anglického Gigawordu (předtím se ještě bude sto let vyrábět faktor stc, tak bacha, zablokuje to konzoli).
     * Všechny překlady do angličtiny zopakovat s Gigawordem.
   * Pokračovat v práci na gigafren. Překladový model je natrénovaný, je potřeba vyrobit kroky model, mert, translate a evaluator.
-  * Dokončit pokusy s korpusy un.es-en a un.fr-en. Běží merty, pak translate a evaluator. Pak kombinace un s jinými korpusy (newseuro a newsall).
+    * Počkat, až bude hotový jazykový model z anglického Gigawordu, abychom nemuseli zase něco jednorázově odkládat.
-    * Pokusy s překladovým modelem pouze na UN doběhly a moc se nevyznamenaly. Bez ohledu na to, že jazykový model obsahoval newsall i gigaword.
+    * Pro oba směry (en-fr a fr-en) chci překlad s Gigawordem i bez něj, tj. TM:gigafren, LM:gigafren + newsall [+ gigaword].
-    * Ještě je ale potřeba vyzkoušet kombinovaný překladový model (newseuro+un). Ten byl na minulém hřišti úspěšný.
+    * Pak chci ještě totéž, ale překladový model je kombinovaný s newseuro, případně i s un (ale un to asi moc nevylepší a bude to nezvladatelně veliké).
+  * Dokončit pokusy s korpusy un.es-en a un.fr-en.
+    * Vyrobit kombinovaný překladový model (newseuro+un). Ten byl na minulém hřišti úspěšný.
+    * Až bude také k dispozici jazykový model z anglického Gigawordu, pustit model, mert, translate a evaluator.
   * Zkontrolovat data pro rok 2013.
     * Nejsou náhodou letos nové verze korpusů newseuro a newsall?
       * Europarl je stejný jako loni, tedy verze 7.
       * U News Commentary to není jisté, spíš asi budou nové.
-      * Korpus UN bude asi stejný, i když to na stránkách WMT výslovně nepíšou.
-      * Navíc je úplně nový korpus Common Crawl (prý je ale špinavý).
       * Nové by mělo být i newsall, protože přibyl rok 2012.
-    * Používám správné verze Gigawordů?
+    * Navíc je úplně nový korpus Common Crawl (prý je ale špinavý).
-    * O ruštině nemluvě...
+    * Gigawordy používám správné (ověřeno): en 5, es 3, fr 3.
+    * Korpus UN bude asi stejný, i když to na stránkách WMT výslovně nepíšou.
+    * Vůbec nemám nachystaná ruská data!
   * Proč při překladu odkudkoliv do angličtiny to s jazykovým modelem na newsall dopadne malinko hůř než bez něj? Nemělo by to spíš dopadnout zřetelně líp? Co je s ním? Jak je velký? Jakou dostal váhu? Jak se po jeho přidání změnil výstup překladu?
-  * Giga.fr-en: Stále ještě se vyrábí překladový model. Pokud se ale stihne vyrobit, musím z něj vyždímat nějaké výsledky.
   * danmake.pl na rozdíl od emana nerozlišuje kroky, které jsou OUTDATED nebo FAILED. Když mu eman select pro nějakou sadu požadavků najde několik kroků, z nichž první je nějak vadný a druhý je DONE, danmake klidně použije ten první a pak se diví.
   * Nějak tu chybí pořádná tabulka loňských výsledků. To je mám opisovat z&nbsp;článku na WMT?

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

Institute of Formal and Applied Linguistics Wiki

Differences