“LM-release-v0.2”版本间的差异

来自cslt Wiki
跳转至: 导航搜索
(清空页面)
 
(1位用户的2个中间修订版本未显示)
第1行: 第1行:
<pre>
 
RELEASE TITLE: LM RELEASE
 
RELEASE VERSION: v0.2
 
RELEASE TYPE: STEP RELEASE
 
RELEASE LOCATION: /work4/singular/public/release/lm/v0.2
 
RELATED BUGDB: 11
 
  
1. BACKGROUND:
 
 
 
2. TECHNOLOGY SUMMARY:
 
 
利用40G金融语料和64G通用语料,以3G的大小进行分割,用cleaning v0.1进行清洗,以vocab v0.2为词表,用
 
MultilingualSegmenter.jar进行分词,分别训练,得到36个LM,按照1:1进行插值合并,按照不同剪枝率进行剪枝,
 
得到2组LM(其中通用领域LM由于体积过大,需先将22个LM合并成2个,再按5gram_1e-9进行剪枝,再将2个LM合并,
 
再剪枝)。再将2组LM按照1:1进行合并,得到一组混合LM。
 
 
3. RELEASE COMPONENT:
 
 
LM:  LM RELEASE v0.2
 
 
4. TEST RESULT:
 
 
==============================================================================
 
|    wer / ppl      | test_myhexin_20161019 |  test_1000ju  |  test_2000ju  |
 
==============================================================================
 
| fin_3gram_1e-7    |      6.33/803.275    | 36.76/1623.97 | 45.17/1687.52 |
 
| uni_3gram_1e-7    |      8.05/1511.17    | 27.78/379.833 | 38.08/454.279 |
 
| hybrid_3gram_1e-7 |      6.45/799.42      | 28.89/503.623 | 39.66/590.483 |
 
| given_finance    |      6.47/1104.9      | 37.51/2362.24 | 45.77/2474.66 |
 
| given_universe    |    12.23/4277.15    | 20.79/319.08  | 31.77/351.087 |
 
==============================================================================
 
 
Note:
 
Beam=13
 
max_active=7000
 
fin_3gram_1e-7为40G金融语料训练出的LM
 
uni_3gram_1e-7为64G通用语料训练出的LM
 
hybrid_3gram_1e-7为混合LM
 
given_finance为2.9G金融语料训练出的LM
 
given_universe为海量通用语料训练出的Base LM
 
发音词典为lexicon v0.2
 
AM为tonghuashun v0.1 am
 
 
5. RELEASE TEAM:
 
 
Author: 魏扬
 
Contributor: 白子薇
 
Monitor: 赵梦原
 
 
</pre>
 

2017年7月3日 (一) 14:43的最后版本