XenC数据选择工具
-
系统要求:
gcc version 4.5.1 or higherCMake 2.8.4 or higher
boost version 1.57.0 or higher
gzip
-
编译安装
解压XenC-master.zip文件
进入目录,执行cmake ./
执行make
成功后会在当前目录下生成XenC的可执行文件,可将其加到环境变量中
-
使用
需要文件:
- 领域内单语语料(分词后)
- 全领域单语语料(分词后)
执行命令:XenC -s 语言(en英文,zh中文…) -i 领域内单语语料 -o
全领域单语语料 -m 排序方法(默认2交叉熵,效果优于其他) --mono(指明是单语) --order 几元语言模型(默认4就行)
生成文件:全领域单语语料打分结果(*.gz)
解压后使用sort的命令按分数排序即可(分数分布从0到1,越低越好)。
备注