Lab2: Ερώτημα 4.2.2

[DominusTea]

Τα n-grams που παράγονται στο ερώτημα αυτό ,μέσω της εντολής build-lm.sh -i <αρχείο lm_train.text> -n <τάξη γλωσσικού μοντέλου> -o <αρχείο_εξόδου.ilm.gz>, σε εμάς περιέχουν και τα κόστη των uttids πέρα από τα κόστη των φωνημάτων. Αυτό είναι κάτι το επιθυμητό ή έχει γίνει κάποιο λάθος στα προηγούμενα βήματα.

[njellinas]

Θα πρέπει να περιεχουν μονο τα κοστη των φωνηματων. Μηπως εχεις βαλει καπου στο preprocessing τα utterance ids σε καποιο αρχειο που δεν επρεπε?

[Yenn1s]

για να φτιαχτούν χρησιμοποιούμε το αρχείο (πχ) lm_train.text, που είναι ανακατασκευή του αρχείου .text που φτιάχνεται στο preprocessing , στα οποία σε όλα πρέπει να υπάρχει τα utterance ids, οπότε να μην βάλουμε τα utterance ids στο lm_train?
(επίσης δίνεται βάρος και στα < s > και < /s > )

[njellinas]

Στο lm_train δε θα πρέπει να υπάρχουν τα utterance ids.