apertium-eu-es/README

   1
   2 TRANSLATOR
   3
   4 These are the linguistic data for the Apertium Basque--Spanish machine translator.
   5 It translates only in the direction Basque--Spanish.
   6 You need apertium-2.0 and lttoolbox-2.0 to use this translator.
   7
   8
   9 To compile the linguistical data simply do:
  10
  11 $ ./configure
  12
  13 to generate a Makefile file and then
  14
  15 $ make
  16
  17 inside of this directory.
  18
  19
  20 TAGGER
  21
  22 To use this language-pair package with apertium YOU DO NOT NEED TO
  23 RETRAIN THE TAGGER. Probabilities and auxiliary data are provided for
  24 both the en-ca and the ca-en translation directions which should be
  25 acceptable for most applications, and should work even if you change
  26 the dictionaries in a reasonably way.
  27
  28 If for some reason you need to retrain the tagger (for example, you
  29 have made really extensive changes to the dictionaries such as
  30 creating new lexical categories), you have three alternatives:
  31
  32 * To perform a supervised training:
  33
  34   To this end tagged corpora is provided, but tagged corpora
  35   (eu-tagger-data/eu.tagged ) could be
  36   obsolete for some words. If this is the case, the tagger training
  37   program  will show you where the problems are and you will need
  38   to solve them by hand. Be sure to solve the problems by modifying
  39   ONLY the .tagged file, NEVER the .untagged file that is
  40   automatically generated.
  41
  42   The supervised training is done by typing:
  43
  44   make -f eu-es-supervised.make (for the Basque part-of-speech tagger)
  45 * To perform an unsupervised training:
  46
  47   For this purpose you will need to assemble a large (hundreds of
  48   thousand of words) plain-text corpus for each language (for example,
  49   using a robot to harvest text from online newspapers) and put them in
  50   the proper place, for instance eu-tagger-data/eu.crp.txt. This type
  51 of training does not need human
  52   intervention but, as expected, results will be less adequate than
  53   those obtained with the supervised training.
  54
  55   The unsupervised training is done through the iterative Baum-Welch
  56   algorithm. By default the number of iterations is set to 8, but you
  57   can change this value by editing the Makefile and changing the
  58   value of TAGGER_UNSUPERVISED_ITERATIONS.
  59
  60   The unsupervised training is done by typing:
  61
  62   make -f eu-es-unsupervised.make (for the Basque part-of-speech tagger)
  63
  64   This is the training method followed to train the basque tagger.
  65
  66
  67 * To perform an unsupervised training by using target-language
  68   information and the rest of the modules of the Apertium MT engine:
  69
  70   To do so you need large plain-text corpora on both languages. Please
  71   download the apertium-tagger-training-tools package and follow the
  72   instructions provided there.