Was sind Trainings und Modelle?
Ein Modell ist das System, das die Übersetzung für ein bestimmtes Sprachenpaar bereitstellt. Das Ergebnis eines erfolgreichen Trainings ist ein Modell. Zum Trainieren eines Modells werden drei sich gegenseitig ausschließende Dokumenttypen benötigt: Training, Optimierung und Testen. Auch der Dokumenttyp „Wörterbuch“ kann bereitgestellt werden. Weitere Informationen finden Sie unter Satzausrichtung.
Wenn beim Queuing eines Trainings nur ein Trainingsdataset angegeben wird, erstellt Benutzerdefinierter Translator automatisch Optimierungs- und Testdaten. Er verwendet eine zufällige Teilmenge von Sätzen aus den Trainingsdokumenten und schließt diese Sätze aus den eigentlichen Trainingsdaten aus.
Trainingsdokumenttyp für Benutzerdefinierter Translator
Die im Trainingsset enthaltenen Dokumente werden von Custom Translator als Grundlage zum Erstellen Ihres Modells verwendet. Beim Trainieren werden die in diesen Dokumenten vorhandenen Sätze einander zugeordnet (bzw. miteinander verbunden). Für das Erstellen Ihrer Trainingsdokumentenmappe gelten keine Einschränkungen. Sie können alle Dokumente, die Sie für relevant halten, in ein Modell aufnehmen. Schließen Sie sie in einem anderen Modell aus, um die Folgen anhand des BLEU-Scores (Bilingual Evaluation Understudy) anzuzeigen. Wenn das Optimierungs- und Testset konstant bleiben, können Sie mit der Zusammensetzung des Trainingssets experimentieren. Dies ist ein effektiver Ansatz, um die Qualität Ihres Übersetzungssystems zu verbessern.
Sie können mehrere Trainings in einem Projekt ausführen und den BLEU-Score für alle Trainingsläufe vergleichen. Wenn Sie zu Vergleichszwecken mehrere Trainings ausführen, achten Sie darauf, dass stets dieselben Optimierungs-/Testdaten angegeben werden. Überprüfen Sie auch manuell die Ergebnisse auf der Registerkarte Test.
Optimierungsdokumenttyp für Benutzerdefinierter Translator
Custom Translator verwendet die in diesem Set enthaltenen parallelen Dokumente zum Optimieren der idealen Ergebnisse im Übersetzungssystem.
Mit den Optimierungsdaten werden beim Trainieren alle Parameter und Gewichtungen des Übersetzungssystems gemäß den optimalen Werten eingestellt. Wählen Sie Ihre Optimierungsdaten sorgfältig aus: Die Optimierungsdaten sollten repräsentativ für den Inhalt der Dokumente sein, die Sie künftig übersetzen möchten. Die Optimierungsdaten haben einen großen Einfluss auf die Übersetzungsqualität. Durch Optimierung kann das Übersetzungssystem Übersetzungen bereitstellen, die den Beispielen in den Optimierungsdaten am nächsten kommen. Sie benötigen nicht mehr als 2.500 Sätze in Ihren Optimierungsdaten. Für eine optimale Übersetzungsqualität wird empfohlen, das Optimierungsset manuell zu bestimmen, indem Sie die repräsentativsten Sätze auswählen.
Wählen Sie für Ihr Optimierungsset Sätze aus, deren Länge sinnvoll und repräsentativ in Hinblick auf die künftig übersetzten Sätze ist. Wählen Sie Sätze mit Wörtern und Ausdrücken aus, die Sie etwa auch in dem Umfang in künftigen Übersetzungen erwarten. In der Praxis führt eine Satzlänge von 7 bis 10 Wörtern zu den besten Ergebnissen. Diese Sätze bieten genug Kontext, um Flexion zu erkennen, und die Satzlänge ist aussagekräftig, jedoch nicht zu komplex.
Die im Optimierungsset verwendeten Sätze müssen fehlerfrei sein und dem tatsächlichen Sprachgebrauch entsprechen. Dazu gehören keine Tabellenzellen, Gedichte, Auflistungen oder Sätze, die nur aus Satzzeichen oder Zahlen bestehen.
Wenn Sie Ihre Optimierungsdaten manuell auswählen, sollten sie nicht die gleichen Sätze wie Ihre Trainings- und Testdaten enthalten. Die Optimierungsdaten haben einen wesentlichen Einfluss auf die Übersetzungsqualität. Wählen Sie die Sätze also sorgfältig aus.
Wenn Sie sich über die Zusammenstellung der Optimierungsdaten nicht sicher sind, wählen Sie einfach die Trainingsdaten aus, und lassen Sie Benutzerdefinierter Translator die Optimierungsdaten für Sie auswählen. Wenn der benutzerdefinierte Translator die Optimierungsdaten automatisch festlegt, wird eine zufällige Teilmenge von Sätzen aus Ihren zweisprachigen Trainingsdokumenten ausgewählt und aus dem Trainingsmaterial ausgeschlossen.
Testdataset für Custom Translator
Im Testset enthaltene parallele Dokumente werden zur Berechnung des BLEU-Scores verwendet. Dieser Wert gibt die Qualität Ihres Übersetzungssystems an. Er gibt Auskunft darüber, wie exakt die Übersetzungen, die das Übersetzungssystem anhand dieses Trainings anfertigt, mit den Referenzsätzen im Testdataset übereinstimmen.
Der BLEU-Score ist ein Maß für das Delta zwischen der automatischen Übersetzung und der Referenzübersetzung. Der Wert liegt zwischen 0 und 100. Der Wert 0 zeigt an, dass kein einziges Wort des Referenzmaterials in der Übersetzung vorkommt. Der Wert 100 bedeutet, dass die automatische Übersetzung genau mit der Referenz übereinstimmt: Das gleiche Wort befindet sich an genau derselben Stelle. Der zurückgegebene Wert ist der Durchschnitt des BLEU-Scores für alle Sätze der Testdaten.
Die Testdaten sollten im Quelle-Ziel-Paar parallele Dokumente mit paarweisen Entsprechungen enthalten: Sätze in der Ausgangssprache und ihre idealen Übersetzungen in der Zielsprache. Sie können die gleichen Kriterien verwenden, die Sie beim Zusammenstellen der Optimierungsdaten genutzt haben. Die Testdaten haben jedoch keinen Einfluss auf die Qualität des Übersetzungssystems und werden ausschließlich verwendet, um die BLEU-Bewertung für Sie zu generieren.
Sie benötigen nicht mehr als 2.500 Sätze als Testdaten. Wenn das Testsystem das Testset automatisch festlegt, wird eine zufällige Teilmenge von Sätzen aus Ihren zweisprachigen Trainingsdokumenten ausgewählt und aus dem Trainingsmaterial ausgeschlossen.
Sie können die benutzerdefinierten Übersetzungen des Testsets anzeigen und mit den in Ihrem Testset bereitgestellten Übersetzungen vergleichen, indem Sie im Modells zur Registerkarte „Test“ navigieren.