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 (TM) 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) pro tyto obsah typy ve srovnání s obecným strojový překlad.

Nejdůležitějším faktorem, který může ovlivnit efektivitu procesu přizpůsobení, je použitá 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 a popisy produktů), model nemusí být schopen se naučit, jaký je požadovaný styl.
Jedinečný obsah typ:

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 ty 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 post-editována 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 Datasets klikněte na Train a custom MT engine.

Otevře se stránka Dataset details.
Zadejte název datové sady.
Výběry jazyka umožňují různé možnosti:
1. Chcete-li Vytvořit datovou sadu pro obecný jazyk, Vybrat stejný zdroj a cíl jazyk ve výběrech pro zdroj a cíl jazyk a kód jazyka.
2. Chcete-li Vytvořit datovou sadu specifickou pro kód jazyka, Vybrat zdroj a cíl jazyk ze seznamu první rozevírací seznam a poté určit 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, Vybrat zdroj a cíl jazyk ze seznamu první rozevírací seznam, určit zdroj a cíl kód jazyka ze seznamu druhý rozevírací seznam (lze přidat různé varianty stejného cíl jazyk) a klikněte na + Add more locale pairs.
Zobrazí se okno Input data.
Klikněte na Add translation memories.

Otevře se stránka Choose translation memories s funkcí vyhledávání .
Chcete-li přidat TM k datové sadě, klikněte na ikonu . TM je přidána do sloupce Selected.

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 translation memory page.

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

Otevře se stránka Dataset details.
Zkontrolujte zobrazené podrobnosti a pokud jsou správné, klikněte na Continue.

Otevře se stránka Cleaning filters.
Použijte požadované filtry a klikněte na Create.

Datová sada je vytvořena a přidána do seznamu na stránce Datasets s počátečním stav Cleaning a stav Training MT ve sloupci Created for.