Vytvořit datovou sadu

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

Pokyny pro výběr překladové paměti

Phrase Custom AI využívá překladové paměti (TM) k vytváření vlastních modelů strojového překladu (MT), které dodržují specifickou terminologii a styl, což vede k lepší kvalitě překladu (a tím ke zkrácení doby post-editace) u těchto typů obsahu ve srovnání s obecným strojovým překladem.

Nejdůležitějším faktorem, který může ovlivnit efektivitu procesu přizpůsobení, jsou použité překladové paměti. Toto jsou obecné pokyny, které mohou pomoci určit, jaká data pro tento účel použít:

Jediná doména:

Nejlepší je, pokud se datová sada zaměřuje na obsah pokrývající jednotný styl a terminologii. Pokud datová sada obsahuje směs domén (např. právní podmínky webových stránek a popisy produktů), model nemusí být schopen rozpoznat, jaký styl je požadován.
Jedinečný typ obsahu:

Vlastní model strojového překladu 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, proces přizpůsobení nepřinese velký přínos.
Kvalita dat:

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

Aby bylo přizpůsobení efektivní z hlediska návratnosti investic (RoI), musí být datová sada reprezentativní pro většinu dat, u nichž bude mít kvalita strojového překladu větší dopad. Pokud má být například část výstupu strojového překladu post-editována lidskými překladateli, musí být data pro maximalizaci návratnosti investic reprezentativní pro obsah, který bude post-editován.

Vytváření datové sady pro automatizovanou správu aktiv má mírně odlišný proces.

Chcete-li vytvořit datovou sadu pro účely trénování vlastního modelu strojového překladu, postupujte podle těchto kroků:

Na stránce Datové sady klikněte na Trénovat vlastní model strojového překladu.

Otevře se stránka Podrobnosti datové sady.
Zadejte název datové sady.
Výběr jazyků nabízí různé možnosti:
1. Chcete-li vytvořit obecnou jazykovou datovou sadu, vyberte stejný zdrojový a cílový jazyk ve výběru zdrojového a cílového jazyka a národního prostředí.
2. Chcete-li vytvořit datovou sadu specifickou pro národní prostředí, vyberte zdrojový a cílový jazyk z prvního rozevíracího seznamu a poté určete zdrojové a cílové národní prostředí z druhého rozevíracího seznamu.
  
  Lze také přidat více cílových národních prostředí (tj. různé varianty téhož jazyka) pro využití více zdrojů dat.
3. Chcete-li vytvořit datovou sadu s více zdrojovými a cílovými národními prostředími, vyberte zdrojový a cílový jazyk z prvního rozevíracího seznamu, určete zdrojové a cílové národní prostředí z druhého rozevíracího seznamu (můžete přidat různé varianty téhož cílového jazyka) a klikněte na + Přidat další páry národních prostředí.
Zobrazí se okno Vstupní data.
Klikněte na Přidat překladové paměti.

Otevře se stránka Vybrat překladové paměti s funkcí vyhledávání .
Chcete-li do datové sady 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 překladové paměti.

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 dat.
Použijte požadované filtry a klikněte na Vytvořit.

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