有沒有關於giza ++的教程？

「自述」文件中的網址無效（http://www.fjoch.com/mkcls.html和http://www.fjoch.com/GIZA++.html）。有關於giza ++的好教程嗎？還是有一些替代品有完整的文件？有沒有關於giza ++的教程？

來源

2011-04-22 Intelligence Gear

第二個鏈接是死的。問題有些爭議（什麼是「好」教程？）。你應該在它關閉之前嘗試改進它。 – 0xC0000022L 2011-04-22 03:55:56

這兩個鏈接都死了... – alvas 2014-07-07 12:44:05

請參閱http://stackoverflow.com/questions/21955792/is-there-a-proper-installation-guide-for-giza-on-ubuntu/43274827#43274827 – alvas 2017-04-07 09:43:11

下面是來自一個教程中，我一類放在一起摘錄。當我有更多的東西時，我會發佈一個鏈接。（注意：這裏假設你已經成功安裝了GIZA ++ - 在* nix系統V2）。

1）含並行句子兩個數據文件開始，每行一個句子。例如，一對平行的英法文件可能如下所示。

樣品1 - train.en

I gave him the book . 
He read the book . 
He loved the book .

樣品2 - train.fr

Je lui ai donne/ le livre . 
Il a lu le livre . 
Il aimait le livre .

2）通過plain2snt.out運行這些文件來獲得目標和源詞彙文件（.vcb ）以及句對文件（ .snt）。

從GIZA ++目錄中，運行：

./plain2snt.out TEXT1 TEXT2

其中TEXT1和TEXT2是在步驟1所述。

這產生在相同的目錄中TEXT1和TEXT2四個文件（假定它們的數據文件在同一個目錄下）：

TEXT1_TEXT2.snt
TEXT1.vcb
TEXT2_TEXT1.snt
TEXT2.vcb

的翻譯文件包含在文本的每個詞的唯一（整數）ID（NB：未標記化/ lemmatized），字/串，和數字該字符串發生的次數。這些由一個空格字符分隔。

句子文件包含數字。對於每個句對，有三行：第一行是語料庫中句對出現次數的計數，第二和第三行是一串（空格分隔）數字，對應於vocab文件。基於* .snt文件的命名約定，第一個文件被假定爲源文件，第二個文件被假定爲目標語言。例如，在文件TEXT1_TEXT2.snt中，第一行將是語料庫中第一個句對出現次數的計數，第二行將是與TEXT1.vcb文件中的單詞對應的一串數字，並且第三行將是與TEXT2.vcb文件中的單詞對應的一串數字。

（注意：這種格式的樣本在http://code.google.com/p/giza-pp/issues/attachmentText?id=8&aid=697742396599277757&name=README-rst&token=40fba3d449abc12366b98b04cfe7dbc1。）

3）現在可以使用TEXT1.vcb，TEXT2.vcb和兩個* .snt文件中的任意一個作爲GIZA ++的輸入來生成對齊。

例如：

./GIZA++ -s TEXT1.vcb -t TEXT2.vcb -c TEXT1_TEXT2.snt

但需要注意的是，當我試圖運行此，我不得不TEXT1_TEXT2.snt沒有名稱的下劃線，以獲得適當的任何輸出重命名爲。

來源

2011-05-08 22:10:58 dmh

感謝您的這麼長時間和完整的答案！:) – 2011-05-09 07:25:25

+11

如果您有類似的錯誤：「錯誤：沒有共存文件給出！「，您應該生成一個包含」snt2cooc.out train.en.vcb train.fr.vcb corpus.snt> cooc.cooc「的coocurrence文件，然後運行」GIZA ++ -S train.en.vcb -T train.fr .vcb -C corpus.snt -CoocurrenceFile cooc.cooc「 – 2013-12-04 01:09:38