Generowanie tłumaczeń za pomocą NMT

Tłumaczenie maszynowe z Keras

Thushan Ganegedara

Data Scientist and Author

Motywacja

Mamy wytrenowany model
Musi wspierać ludzi w zadaniach tłumaczenia
Testowanie modelu na nowych danych
Jak?
- Wydzielony zbiór testowy do oceny modelu
- Model przetestujemy, prosząc go o przetłumaczenie jednego zdania.

Przekształcanie danych wejściowych

Zdanie w języku angielskim

en_st = ['the united states is sometimes chilly during december , but it is sometimes freezing in june .']

Przekształcenie zdania dla enkodera

en_seq = sents2seqs('source', en_st, onehot=True, reverse=True)
print(np.argmax(en_seq, axis=-1)

English: ['the united states is sometimes chilly during december , 
           but it is sometimes freezing in june .']
Reversed sentence: ['june in freezing sometimes is it ...'] 
Reversed sequence: [[34   3  54       10        2  4  7 45  5 69 10  2 23 22  6]]

Generowanie tłumaczenia

Generowanie predykcji
```
fr_pred = model.predict(en_seq)
```
fr_pred.shape
- [sentences, seq len, vocab size]

Pobieranie przewidywanych klas

fr_seq = np.argmax(fr_pred, axis=-1)[0]

[[ 3  7 35 34  2 ...  5  4  4  0  0]] # <= fr_seq

fr_seq.shape
- [num sentences, sequence len]

Konwersja predykcji na zdanie

Konwersja identyfikatorów słów na zdanie za pomocą wyrażenia listowego

fr_sentence = ' '.join([fr_id2word[i] for i in fr_seq if i != 0])

English: the united states is sometimes chilly during december , but it is sometimes freezing in june .

French:                    les états unis est parfois froid en décembre mais il est parfois le gel en

French (Google Translate): les etats-unis sont parfois froids en décembre, mais parfois gelés en juin

Wyrażenia listowe — szczegóły

Wyrażenie listowe

word_list = [fr_tok.index_word[i] for i in fr_seq if i != 0]

Pętla for

word_list = []
for i in fr_seq:
  if i != 0:
    word_list.append(fr_tok.index_word[i])

Czas na ćwiczenia!

Tłumaczenie maszynowe z Keras