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 [2013/04/29 11:04] zeman Gigafrenu už taky běží mert. |
user:zeman:wmt [2013/04/30 09:49] zeman Už i poslední tm nad news8euro je hotový. |
||
---|---|---|---|
Line 7: | Line 7: | ||
===== Aktuální úkoly ===== | ===== Aktuální úkoly ===== | ||
+ | * Nová data pro rok 2013. | ||
+ | * Opravují se 3 jazykové modely nad news8all... | ||
+ | * Vyrobit modely. Ale pozor, s novými DEV a TEST daty, viz níže! | ||
+ | * Vývojová a testovací data: | ||
+ | * Kvůli ruštině musím pro nové pokusy (nad news8) přepnout DEV z 2010 na 2012. | ||
+ | * Od pondělního odpoledne 29.4.2013 všechny nové pokusy testovat na wmt2013. | ||
+ | * Inventura trénovacích dat: | ||
+ | * Europarl je stejný jako loni, tedy verze 7. | ||
+ | * News Commentary jsou nové a trochu větší, navíc s ruštinou, verze 8. | ||
+ | * Newsall je nové, protože přibyl rok 2012 a ruština. | ||
+ | * Korpus UN bude asi stejný, i když to na stránkách WMT výslovně nepíšou. Totéž gigafren. | ||
+ | * Gigawordy používám správné (ověřeno): | ||
+ | * Navíc je úplně nový korpus Common Crawl (prý je ale špinavý). Ten zatím nepoužívám a do termínu už to nestihnu. | ||
* Dohnat pokusy s anglickým Gigawordem. | * Dohnat pokusy s anglickým Gigawordem. | ||
+ | * Pouštím 4 merty se starým newseuro: cs-en, de-en, es-en a fr-en. | ||
* Všechny překlady do angličtiny zopakovat s Gigawordem. | * Všechny překlady do angličtiny zopakovat s Gigawordem. | ||
* Pokračovat v práci na gigafren. Překladový model je natrénovaný, | * Pokračovat v práci na gigafren. Překladový model je natrénovaný, | ||
Line 13: | Line 27: | ||
* Pro oba směry (en-fr a fr-en) chci překlad s Gigawordem i bez něj, tj. TM: | * Pro oba směry (en-fr a fr-en) chci překlad s Gigawordem i bez něj, tj. TM: | ||
* 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). | * 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. | + | * Dokončit pokusy s korpusy un.es-en a un.fr-en |
* Běží merty... | * Běží merty... | ||
- | * 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. | ||
- | * Nové by mělo být i newsall, protože přibyl rok 2012. | ||
- | * Navíc je úplně nový korpus Common Crawl (prý je ale špinavý). | ||
- | * Gigawordy používám správné (ověřeno): | ||
- | * 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? | * 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? | ||
* 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. | * 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. |