如何使用多個語料庫文件在Python中的Watson語言翻譯器中用作並行語料庫

Question

Watson語言翻譯文檔說：

“TMX文件，包含源語言和目標語言的並行句子。您可以在一個請求中上傳多個parallel_corpus文件。所有上傳的parallel_corpus文件合並后，您的並行語料庫必須包含至少5,000個並行句子才能成功訓練。”

我有很多語料庫文件，我會用它來訓練我的翻譯模型。 我已經查找了以編程方式執行此操作的可能方法，但沒有成功。

我發現這樣做的唯一方法是將它們手動合並到一個文件中。

有沒有辦法通過API將多個文件作為並行語料庫發送？

你能提供Python或Curl的例子嗎？

謝謝。

唯一正常工作的是手動聚合.TMX文件並只發送一個文件。 我還沒有找到任何方式將多個文件作為parallel_corpora發送

with open("./training/my_corpus_SPA.TMX", "rb") as parallel:
custom_model = language_translation.create_model(
base_model_id = 'en-es',
name = 'en-es-base1xx',
#forced_glossary = glossary,
parallel_corpus = parallel).get_result()
print(json.dumps(custom_model, indent=2))

Answer 1

我想我在這里找到了解決方案

我試過這個似乎工作：

open(corpus_fname1, 'rb')為parallel1 ， open(corpus_fname2, 'rb')為parallel2 ：

 custom_model = language_translation.create_model(
     base_model_id = base_model_es_en,
     name = model01_name,
     parallel_corpus = parallel1,
     parallel_corpus_filename2 = parallel2,
     forced_glossary=None).get_result()