license: mit
language:
- gl
metrics:
- bleu (Gold1): 36.8
- bleu (Gold2): 47.1
- bleu (Flores): 32.3
- bleu (Test-suite): 42.7
license: mit
English text here
Descrici贸n do Modelo
Modelo feito con OpenNMT para o par ingl茅s-galego utilizando unha arquitectura transformer.
Como traducir
- Abrir terminal bash
- Instalar Python 3.9
- Instalar Open NMT toolkit v.2.2
- Traducir un input_text utilizando o modelo NOS-MT-en-gl co seguinte comando:
onmt_translate -src input_text -model NOS-MT-en-gl -output ./output_file.txt -replace_unk -gpu 0
- O resultado da traduci贸n estar谩 no PATH indicado no flag -output.
Adestramento
No adestramento, utilizamos corpora aut茅nticos e sint茅ticos do ProxectoN贸s. Os primeiros son corpora de traduci贸ns feitas directamente por tradutores humanos. Os segundos son corpora de traduci贸ns ingl茅s-portugu茅s, que convertemos en ingl茅s-galego a trav茅s da traduci贸n autom谩tica portugu茅s-galego con Opentrad/Apertium e transliteraci贸n para palabras f贸ra de vocabulario.
Procedemento de adestramento / Training process
Tokenization dos datasets feita co tokenizador de linguakit https://github.com/citiususc/Linguakit
O vocabulario para os modelos foi xerado a trav茅s do script learn_bpe.py da OpenNMT
Usando o .yaml neste repositorio pode replicar o proceso de adestramento do seguinte xeito
onmt_build_vocab -config bpe-en-gl_emb.yaml -n_sample 100000
onmt_train -config bpe-en-gl_emb.yaml
Hiperpar谩metros
Os par谩metros usados para o desenvolvemento do modelo poden ser consultados directamente no mesmo ficheiro .yaml bpe-en-gl_emb.yaml
Avaliaci贸n A avalaci贸n BLEU dos modelos 茅 feita cunha mistura de tests desenvolvidos internamente (gold1, gold2, test-suite) con outros datasets dispon铆beis en galego (Flores).
| GOLD 1 | GOLD 2 | FLORES | TEST-SUITE |
|---|---|---|---|
| 36.8 | 47.1 | 32.3 | 42.7 |
Licenzas do Modelo
MIT License
Copyright (c) 2023 Proxecto N贸s
Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions:
The above copyright notice and this permission notice shall be included in all copies or substantial portions of the Software.
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.
Financiamento
Esta investigaci贸n foi financiada polo proxecto "N贸s: o galego na sociedade e econom铆a da intelixencia artificial", resultado dun acordo entre a Xunta de Galicia e a Universidade de Santiago de Compostela, o que resultou no subsidio ED431G2019/04 da Consellar铆a de Educaci贸n, Universidade e Formaci贸n Profesional da Galiza, e polo Fondo Europeo de Desenvolvemento Rexional (programa ERDF/FEDER), e Grupos de Referencia: ED431C 2020/21.
Citar este traballo