Vytvořit datovou sadu

Obsah je strojově přeložen z angličtiny s použitím Phrase Language AI.

Pokyny pro výběr překladová paměť

Phrase Vlastní umělá inteligence využívá překladová paměť k Vytvořit vlastní strojový překlad (MT) modely, které dodržují specifickou terminologii a styl, což vede k lepší kvalitě překladu (a tím ke zkrácení doby post-editace) u těchto typů obsah ve srovnání s obecným strojový překlad.

Nejdůležitějším faktorem, který může ovlivnit efektivitu procesu přizpůsobení, je použité překladová paměť. Toto jsou obecné pokyny, které mohou Nápověda určit, jaká data použít pro tento účel:

Jednotná doména:

Nejlepší je, pokud se datová sada zaměřuje na obsah pokrývající jednotný styl a terminologii. Pokud datová sada obsahuje směs doména (např. právní podmínky webových stránek i popisy produktů), model se nemusí naučit, jaký je požadovaný styl.
Jedinečný typ obsah:

Vlastní MT model staví na obecných modelech trénovaných na obrovském množství veřejných dat shromážděných z internetu. Pokud překladová paměť obsahuje data, která jsou velmi podobná obecným datům použitým k vytvoření obecných modelů, procesem přizpůsobení se mnoho nezíská.
Kvalita dat:

Model bude předpokládat, že každý pár vět v překladové paměti je příkladem výstup, který se od něj očekává. Překladová paměť musí být kvalitní, ideálně vytvořená z profesionálních lidských překladů. Nápověda pro čištění dat může pomoci filtrovat nejškodlivější části datové sady.
Očekávaný objem:

Aby bylo přizpůsobení efektivní z hlediska návratnosti investic (RoI), musí být datová sada reprezentativní pro většinu dat, kde bude mít kvalita MT větší dopad. Pokud má být například část výstup MT podrobena post-editace lidskými překladateli, pro maximalizaci návratnosti investic musí být data reprezentativní pro obsah, který bude podroben post-editace.

Vytvoření datové sady pro automatizovanou kuraci aktiv má mírně odlišný proces.

Chcete-li Vytvořit datovou sadu za účelem trénování Vlastní MT nástroj, postupujte podle těchto kroků:

Na stránce Datové sady klikněte na Vytvořit vlastní MT nástroj.

Otevře se stránka Podrobnosti datové sady.
Zadejte název datové sady.
Výběry jazyka umožňují různé možnosti:
1. Chcete-li vytvořit datovou sadu obecného jazyka, vyberte stejný zdroj a cíl jazyk ve výběrech zdroj a cíl jazyk a kód jazyka.
2. Chcete-li vytvořit datovou sadu specifickou pro kód jazyka, vyberte zdroj a cíl jazyk ze seznamu první rozevírací seznam a poté určete zdroj a cíl kód jazyka ze seznamu druhý rozevírací seznam.
  
  Lze také přidat více cíl kód jazyka (tj. různé varianty stejného jazyk) pro využití více zdroj dat.
3. Chcete-li vytvořit datovou sadu s více zdroj a cíl kód jazyka, vyberte zdroj a cíl jazyk ze seznamu první rozevírací seznam, určete zdroj a cíl kód jazyka ze seznamu druhý rozevírací seznam (lze přidat různé varianty stejného cíl jazyk) a klikněte na + přidat více kód jazyka párů.
Zobrazí se okno Vstupní data.
Klikněte na přidat překladová paměť.

Otevře se stránka Vybrat překladová paměť s funkcí vyhledávání .
Chcete-li k datové sadě přidat TM, klikněte na ikonu . TM se přidá do sloupce Vybrané.

Lze přidat více TM, maximálně však 200 TM a maximálně 8 milionů segmentů. Datová sada by měla ideálně obsahovat alespoň 10 000 segmentů.

Kliknutím na název TM se výběr zobrazí na stránce překladová paměť.

Kliknutím na ikonu odeberete TM ze sloupce Vybrané.
Klikněte na Uložit.

Otevře se stránka Podrobnosti datové sady.
Zkontrolujte zobrazené podrobnosti a pokud jsou správné, klikněte na pokračovat.

Otevře se stránka Filtry čištění.
Použijte požadované filtry a klikněte na vytvořit.

Datová sada je vytvořena a přidána do seznamu na stránce Datové sady s počátečním stavem Čištění a stavem Trénování MT ve sloupci Vytvořeno pro.