gpt4 book ai didi

hindi - 使用 MOSES 从印地语到英语的统计机器翻译

转载 作者:行者123 更新时间:2023-12-01 12:38:09 24 4
gpt4 key购买 nike

我需要使用 MOSES 创建一个印地语到英语的翻译系统。我有一个平行语料库,其中包含大约 10000 个印地语句子和相应的英语翻译。我按照 Baseline system creation page 中描述的方法进行操作.但是,就在第一阶段,当我想标记我的印地语语料库并尝试执行

~/mosesdecoder/scripts/tokenizer/tokenizer.perl -l hi < ~/corpus/training/hi-en.hi> ~/corpus/hi-en.tok.hi

,tokeniser 给了我以下输出:

Tokenizer Version 1.1
Language: hi
Number of threads: 1
WARNING: No known abbreviations for language 'hi', attempting fall-back to English version...

我什至尝试使用 'hin' 但它仍然无法识别该语言。谁能告诉翻译系统的正确制作方法。

最佳答案

Moses 不支持印地语标记化,tokenizer.perl 使用 nonbreaking_prefix.* 文件(来自 https://github.com/moses-smt/mosesdecoder/blob/master/scripts/tokenizer/tokenizer.perl#L516)

Moses 提供的带有不间断前缀的语言是:

  • ca: 加泰罗尼亚语
  • cs:捷克语
  • 德:德语
  • el: 希腊语
  • zh: 英语
  • es: 西类牙语
  • fi:芬兰语
  • fr:法语
  • 胡:匈牙利语
  • 是:冰岛语
  • 它:意大利语
  • lv:拉脱维亚语
  • nl:荷兰语
  • 复数:波兰语
  • pt: 葡萄牙语
  • ro:罗马尼亚语
  • ru:俄语
  • sk:斯洛伐克语
  • sl:斯洛文尼亚
  • sv:瑞典语
  • 助教:泰米尔语

来自 https://github.com/moses-smt/mosesdecoder/tree/master/scripts/share/nonbreaking_prefixes


然而,所有的希望都没有丢失,在使用 Moses 训练机器翻译模型之前,您肯定可以使用其他分词器对您的文本进行分词,尝试使用谷歌搜索“Hindi Tokenziers”,周围有大量这样的词。

关于hindi - 使用 MOSES 从印地语到英语的统计机器翻译,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27669446/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com