Difference between revisions of "Talk:Parallel corpus pruning"
Jump to navigation
Jump to search
(Removing all content from page) |
|||
| Line 1: | Line 1: | ||
<pre> |
|||
(10:38:51) @: Hiciste algo al final de lo de descartar frases de un corpus paralelo? |
|||
(10:39:02) +: aun no |
|||
(10:39:03) @: La verdad es que es un problema bastante interesante |
|||
(10:39:12) +: este mes estoy con el bretón |
|||
(10:39:17) @: vale |
|||
(10:39:22) +: queremos hacer un traductor en un mes |
|||
(10:39:26) +: entonces, tengo mucho trabajo :) |
|||
(10:39:26) @: coño |
|||
(10:39:31) @: si si |
|||
(10:39:47) +: sí el problema es interesante |
|||
(10:39:55) @: yo había pensado en usar la fertilidad |
|||
(10:39:56) +: estoy esperando para que me den dos corpus |
|||
(10:40:08) @: cada par de lenguas debe tener una fertilidad típica |
|||
(10:40:20) @: pequeña ewntre lenguas emparentadas |
|||
(10:40:26) +: (de islandés y faroés... alineados y etiquetados) |
|||
(10:40:30) @: ahm |
|||
(10:40:30) +: sí |
|||
(10:40:38) @: combinando la fertilidad |
|||
(10:40:44) @: y las papalbras que han quedado desalineadas |
|||
(10:40:53) @: creo que se podría hacer algo |
|||
(10:40:59) @: aunque no tengo claro como |
|||
(10:41:10) @: bueno |
|||
(10:41:16) @: te dejo con el bretón |
|||
(10:41:21) +: hmm |
|||
(10:41:32) @: si se me ocurre algo te lo digo |
|||
(10:41:45) +: qué te parece si pongo algo sobre todo eso en el wiki |
|||
(10:41:52) +: una página de discusión |
|||
(10:41:58) +: para que no olvide |
|||
(10:42:03) @: bien |
|||
(10:42:14) @: pero no lo veo muy relacionado con Apertium |
|||
(10:42:17) @: más bien con SMT |
|||
(10:42:24) +: no, es muy relacionado |
|||
(10:42:34) +: te digo por qué |
|||
(10:42:51) +: si queremos hacer traductores de manera más rápido |
|||
(10:43:10) +: tenemos que encontrar una manera de hacer reglas y diccionarios bilingües |
|||
(10:43:27) +: los resultados de retratos no están bien |
|||
(10:43:34) +: (para los bilingües) |
|||
(10:43:40) @: vale |
|||
(10:43:46) +: porque si usas un corpus tipo europarl |
|||
(10:43:50) @: caca |
|||
(10:44:00) +: dónde las frases muchas veces no tienen mucho que ver |
|||
(10:44:09) @: lo he sufrido con el par es-pt |
|||
(10:44:10) +: salen todos tipos de barbaridades |
|||
(10:44:31) @: vale pues ponlo en el wiki y mandame el enlace |
|||
(10:44:38) +: si podemos descartar 70% del corpus y solo hacer los bilingües con la parte buena (si haya) |
|||
(10:44:38) @: por si se me ocurre algo añadirlo |
|||
(10:44:46) +: sería muy útil |
|||
</pre> |
|||
