Comment démarrer avec les outils d'induction - Revision history

Francis Tyers: /* Acknowledgements */

2021-05-20T02:52:42Z

Acknowledgements

Bech: Lien page anglaise

2014-10-06T11:16:02Z

Lien page anglaise

Bech: Correction accès svn

2014-07-04T21:01:21Z

Correction accès svn

Polo: /* Creation des dictionnaires bilingues. */

2013-02-18T20:52:48Z

Creation des dictionnaires bilingues.

Polo: /* Mac: */

2013-02-18T20:51:10Z

Mac:

Polo: /* Ubuntu: */

2013-02-18T20:50:51Z

Ubuntu:

Polo: /* Exécution de GIZA++ */

2013-02-18T20:49:48Z

Exécution de GIZA++

Polo: /* Extraction des sous-ensembles du fichier d'alignement */

2013-02-18T20:45:12Z

Extraction des sous-ensembles du fichier d'alignement

Polo: /* Extraction des sous ensembles du fichier d'alignement */

2013-02-18T20:44:51Z

Extraction des sous ensembles du fichier d'alignement

Polo: /* Installation de Apertium */

2013-02-18T20:40:25Z

Installation de Apertium

← Older revision		Revision as of 02:52, 20 May 2021
Line 175:		Line 175:

	== Acknowledgements ==		== Acknowledgements ==
	This page wouldn't be possible without the kind assistance of 'spectie' on ~~Freenode~~'s #apertium. That said, all errors/typos are mine, not his.		This page wouldn't be possible without the kind assistance of 'spectie' on OFTC's #apertium. That said, all errors/typos are mine, not his.

← Older revision		Revision as of 11:16, 6 October 2014
Line 1:		Line 1:
			[[Getting started with induction tools\|In English]]

	Voici des directives partielles pour démarrer avec Apertium et les outils associés (comme GIZA++), dans le but final de créer des dictionnaire bilingues. Il pourrait aussi être utile comme prérequis de suivre [[Créer une nouvelle paire de langues]].		Voici des directives partielles pour démarrer avec Apertium et les outils associés (comme GIZA++), dans le but final de créer des dictionnaire bilingues. Il pourrait aussi être utile comme prérequis de suivre [[Créer une nouvelle paire de langues]].

@@ Line 28: / Line 28: @@
 === Installation de lttoolbox ===
 <pre>
-$ svn co https://apertium.svn.sourceforge.net/svnroot/apertium/trunk/lttoolbox
+$ svn co https://svn.code.sf.net/p/apertium/svn/trunk/lttoolbox
 $ cd lttoolbox
 $ ./autogen.sh
@@ Line 41: / Line 41: @@
 === Installation d'Apertium ===
-<pre>$ svn co https://apertium.svn.sourceforge.net/svnroot/apertium/trunk/apertium
+<pre>$ svn co https://svn.code.sf.net/p/apertium/svn/trunk/apertium
 $ cd apertium
 $ ./autogen.sh

@@ Line 94: / Line 94: @@
-== Creation des dictionnaires bilingues. ==
+== Création des dictionnaires bilingues ==
 === Obtention d'un corpus (et getAlignmentWithText.pl) ===
@@ Line 101: / Line 101: @@
 </pre>
-Choisissez une paire de langues. Pour cet exemple, it ce sera Italien (it) et Anglais (en). Pour utiliser une autre paire, trouvez les noms de fichiers depuis le navigateur [http://wt.jrc.it/lt/Acquis/JRC-Acquis.3.0/alignments/] et [http://wt.jrc.it/lt/Acquis/JRC-Acquis.3.0/corpus/].
+Choisissez une paire de langues. Pour cet exemple, nous prendrons l'italien (it) et l'anglais (en). Pour utiliser une autre paire, trouvez les noms de fichiers depuis le navigateur [http://wt.jrc.it/lt/Acquis/JRC-Acquis.3.0/alignments/] et [http://wt.jrc.it/lt/Acquis/JRC-Acquis.3.0/corpus/].
 Récupérez le corpus associé et les fichiers d'alignement.
@@ Line 109: / Line 109: @@
 $ wget http://wt.jrc.it/lt/Acquis/JRC-Acquis.3.0/corpus/jrc-it.tgz
 </pre>
-Le corpus doit être désarchivé, et inseré dans un nouveau répertoire commun.
+Le corpus doit être désarchivé et placé dans un nouveau répertoire commun.
 <pre>
 $ tar xvzf jrc-en.tgz

@@ Line 69: / Line 69: @@
 </pre>
-==== Mac: ====
+==== Mac ====
 Récupérez giza-pp depuis [http://code.google.com/p/giza-pp/ http://code.google.com/p/giza-pp/], puis faites
 <pre>

@@ Line 63: / Line 63: @@
 === Installation de mkcls ===
-==== Ubuntu: ====
+==== Ubuntu ====
 Récupérez le paquet Debian approprié pour votre version d'Ubuntu sur [http://cl.aist-nara.ac.jp/~eric-n/ubuntu-nlp/ ubuntu-nlp].
 <pre>

@@ Line 154: / Line 154: @@
 </pre>
-Si ça s'arrête en moins d'une minute, à moins que les dossiers d'entrée aient été minuscules, regardez le log - il est presque certain que la commande ait échoué.
+Si le traitement prend fin après moins d'une minute, sauf si les dossiers d'entrée étaient minuscules - vérifiez le journal -, il est presque certain que la commande a échoué.
-Si ça marche, un certain nombre de fichiers seront créés. Le plus intéressant est dictionary.A3.final, qui contient les informations d'alignement.
+Si le traitement fonctionne, une série de fichiers seront créés. Le plus intéressant est dictionary.A3.final, qui contient les informations d'alignement.
-Les 3 premières lignes de dictionary.A3.final, dans cet exemple de corpus, sont les suivantes. Elles ne sont apparemment pas particulièrement bonnes, probablement à cause du petit corpus.
+Les 3 premières lignes de dictionary.A3.final, dans cet exemple de corpus, sont les suivantes. Elles ne sont apparemment pas particulièrement bonnes, probablement à cause de la taille réduite du corpus.
 <pre>
 # Sentence pair (1) source length 26 target length 21 alignment score : 7.66784e-37

@@ Line 122: / Line 122: @@
 </pre>
-=== Extraction des sous-ensembles du fichier d'alignement ===
+=== Extraction de sous-ensembles du fichier d'alignement ===
 À ce stade, on aura un fichier d'alignement contenant quelques millions de lignes de XML. Il fera fréquemment référence à s1 (la première des deux langues dans le fichier ''jrc-lang1-lang2.xml'', qui est ''jrc-en-it.xml'' dans cet exemple, soit l'anglais) et s2 (l'italien). Le contenu de chaque langue devrait être extrait dans des fichiers spécifiques :

@@ Line 122: / Line 122: @@
 </pre>
-=== Extraction des sous ensembles du fichier d'alignement ===
+=== Extraction des sous-ensembles du fichier d'alignement ===
-À ce stade, il y aura un fichier d'alignement contenant quelques millions de lignes de XML. Il fera fréquemment référence à s1 (la première des deux langues dans le fichier ''jrc-lang1-lang2.xml'', qui est ''jrc-en-it.xml'' dans cet exemple, soit l'anglais) et s2 (l'italien). Le contenu pour chaque langue devrait être extrait dans des fichiers spécifiques :
+À ce stade, on aura un fichier d'alignement contenant quelques millions de lignes de XML. Il fera fréquemment référence à s1 (la première des deux langues dans le fichier ''jrc-lang1-lang2.xml'', qui est ''jrc-en-it.xml'' dans cet exemple, soit l'anglais) et s2 (l'italien). Le contenu de chaque langue devrait être extrait dans des fichiers spécifiques :
 <pre>
@@ Line 131: / Line 131: @@
 </pre>
-Une étape optionnelle peut être utile. Si vous testez juste pour voir si ça marche, ou si vous avez une vieille machine, c'est mieux de n'utiliser qu'un sous ensemble des données, comme ça, elles pourront être analysées en 2 heures plutôt qu'en plusieurs jours. L'utilisation de 10,000 lignes pour chaque language a prit environ 2 hours sur mon Athlon 1.8 Ghz avec 512 MO de RAM. D'autres nombres de ligne conviennent aussi, mais utilisez le même nombre pour les deux fichiers.
+Une étape facultative peut être utile. Si vous testez simplement pour voir si cela marche ou si vous avez une vieille machine, il est préférable de n'utiliser qu'un sous-ensemble des données, de telle sorte qu'elles pourront être analysées en 2 heures plutôt qu'en plusieurs jours. L'utilisation de 10.000 lignes pour chaque langue a pris environ 2 heures sur mon Athlon 1.8 Ghz avec 512 Mo de RAM. D'autres quantités de lignes conviennent aussi, mais utilisez le même nombre de lignes pour les deux fichiers.
 <pre>

@@ Line 39: / Line 39: @@
 (VOIR DÉJÀ LA COHÉRENCE DU LIEN SUR LA PAGE ANGLAISE) !
-=== Installation de Apertium ===
+=== Installation d'Apertium ===
 <pre>$ svn co https://apertium.svn.sourceforge.net/svnroot/apertium/trunk/apertium