首先是nlp语言涉及的基本概念:
1、机器翻译
机器翻译(Machine Translation,简称MT)是自然语言处理领域的一个重要分支,其目标是将一种语言的文本自动转换为另一种语言的文本。
发展至今已存在三种模式:基于规则的机器翻译、基于统计的机器翻译和基于神经网络机器翻译。
三者的区别就在于统计机器翻译从数据驱动建模机器翻译任务,神经网络机器翻译利用映射关系学习,而规则机器翻译则是利用语法规则和词典进行翻译。
2、数据划分:
训练集(Training Set)、开发集(Development Set,也常被称为验证集,Validation Set)和测试集(Test Set)。
训练集是为了提高拟合度。
开发集是为了选择最佳的模型配置,确保泛化能力。
测试集是反映模型的泛化能力。
3、测试
最开始给的测试结果很低,只有0.3197,第二次给出的改进的代码分数有所提高,有0.7811。
nlp自然语言处理的分数和机器学习的分数好坏的比较好像是不一样的,nlp是越高越好,机器学习是越低越好,可能是运用的模型不一样的原因。
看了一下里面的文件大概是5个,应该是训练集、开发集、测试集、和术语词典,其中开发集是分开的中英文两份。
但是对于整个代码的部分其实还没有看懂,pthyon语言需要先学习一部分,只能大概看懂部分的思路,接下来继续学习,加油!