==== training language model
~/mosesdecoder32/srilm/bin/i686/ngram-count -order 3 -interpolate -unk -text corpus/corpus.lowercased.kh -lm lm/kh.lm
(contoh nama language model : kh.lm)
==== training translation model
~/mosesdecoder32/mosesdecoder/scripts/training/train-model.perl -root-dir . --corpus corpus/corpus.lowercased --f id --e kh --lm 0:3:/home/user/pba2017/lm/kh.lm:0
==== test decoder
~/mosesdecoder32/mosesdecoder/moses-cmd/src/moses -f model/moses.ini
BLEU
~/mosesdecoder32/mosesdecoder/moses-cmd/src/moses -f model/moses.ini < intest > out
~/mosesdecoder32/mosesdecoder/scripts/generic/multi-bleu.perl ref < out
catatan :
intest : file yang berisi kalimat sumber uang akan diuji
out : file hasil terjemahan mesin
ref : file yang berisi kalimat target yang diterjemahkan secara manual
k = 5
Contoh :
Jumlah parallel corpus = 1000
Bagi corpus menjadi 5 bagian :
Fold A : 1-200
Fold B : 201-400
Fold C : 401-600
Fold D : 601-800
Fold E : 801-1000
Siapkan 5 mesin di folder yang berbeda :
Mesin 1 :
Fold A sebagai Kalimat penguji
Fold B,C,D dan E sebagai corpus yang ditraining menjadi model
Mesin 2 :
Fold B sebagai Kalimat penguji
Fold A,C,D dan E sebagai corpus yang ditraining menjadi model
Mesin 3 :
Fold C sebagai Kalimat penguji
Fold A,B,D dan E sebagai corpus yang ditraining menjadi model
Mesin 4 :
Fold D sebagai Kalimat penguji
Fold A,B,C dan E sebagai corpus yang ditraining menjadi model
Mesin 3 :
Fold E sebagai Kalimat penguji
Fold A,B,C dan D sebagai corpus yang ditraining menjadi model
Buat Tabel hasil pengujian :
Mesin | Corpus Training | Corpus Uji | Nilai BLEU
Mesin1 | B,C,D,E | A | 60,66
dst...
Cari nilai rata2 Nilai BLEU
