menu
Tatoeba
 language
Prohlížet věty expand_more
Náhodná věta
Podle jazyka
Podle seznamů
Podle štítků
Podle nahrávek
Komunita expand_more
Zeď
Seznam všech členů
Jazyky členů
Rodilí mluvčí
Zaregistrovat se Přihlásit se
language Čeština
menu
Tatoeba

chevron_right Zaregistrovat se

chevron_right Přihlásit se

Prohlížet věty

chevron_right Náhodná věta

chevron_right Podle jazyka

chevron_right Podle seznamů

chevron_right Podle štítků

chevron_right Podle nahrávek

Komunita

chevron_right Zeď

chevron_right Seznam všech členů

chevron_right Jazyky členů

chevron_right Rodilí mluvčí

search
PomocPokročilé hledání
clear
swap_horiz
search

Menu

Zpět na Zeď

sysko sysko 26. září 2010 26. září 2010 13:59:43 UTC flag Report link Trvalý odkaz (permalink)

I've run the remove duplicates script

{{vm.hiddenReplies[3313] ? 'expand_more' : 'expand_less'}} skrýt odpovědi zobrazit odpovědi
sysko sysko 26. září 2010 26. září 2010 14:04:48 UTC flag Report link Trvalý odkaz (permalink)

so it's why the number of sentences in some languages may have decrease

by the way overall, we have now more than 500 000 sentences ! (515 000 to be exact)
Congratulations to everyone, some months ago I would have never imagine we will reach it so fast. Next step, 1 000 000 :p

{{vm.hiddenReplies[3315] ? 'expand_more' : 'expand_less'}} skrýt odpovědi zobrazit odpovědi
sacredceltic sacredceltic 26. září 2010 26. září 2010 14:12:20 UTC flag Report link Trvalý odkaz (permalink)

tu es sûr que ça a marché ? Parce que j'ai du mal à croire que ça n'aie pas diminué le nombre de phrases anglaises parmi lesquelles je vois évidemment le plus de doublons puisqu'elles sont les plus nombreuses...

{{vm.hiddenReplies[3316] ? 'expand_more' : 'expand_less'}} skrýt odpovědi zobrazit odpovědi
sysko sysko 26. září 2010 26. září 2010 14:33:39 UTC flag Report link Trvalý odkaz (permalink)

oui car ensuite j'ai fait un "select count(*) , text, lang from sentences group by text, lang having count(*) > 1" qui me montre les phrases en double, et il n'en reste plus qu'une dizaine qui ont rajouté entre temps (le script a tourné hier en soirée)
Mais le nombre de phrase anglaise a baissé, après il est vrai que beaucoup des phrases anglaises se ressemblent parfois à un mot près ou à un singulier pluriel près.

{{vm.hiddenReplies[3318] ? 'expand_more' : 'expand_less'}} skrýt odpovědi zobrazit odpovědi
sacredceltic sacredceltic 26. září 2010 26. září 2010 14:43:58 UTC flag Report link Trvalý odkaz (permalink)

Bon, ben au temps pour moi. Tu as sans doute raison que les ressemblances sont illusoires.

{{vm.hiddenReplies[3319] ? 'expand_more' : 'expand_less'}} skrýt odpovědi zobrazit odpovědi
sysko sysko 26. září 2010 26. září 2010 14:55:09 UTC flag Report link Trvalý odkaz (permalink)

Mais il est vrai en tout cas qu'il serait intéressant de voir, surtout pour l'Anglais, le nombre de phrase réellement différentes. Il me semble que dans le même ordre idée, voir un peu la richesse réelle du corpus, CK avait établi des statistiques sur le nombre de mots différents dans le corpus, et la fréquence de certain. Ce qui n'était pas forcément très glorieux (c'est pour cela que dans les versions futures, il nous faudra trouver divers moyens pour favoriser l'ajout de nouvelles phrases, et si possible contenant du nouveau vocabulaire)

{{vm.hiddenReplies[3321] ? 'expand_more' : 'expand_less'}} skrýt odpovědi zobrazit odpovědi
sacredceltic sacredceltic 26. září 2010 26. září 2010 15:02:22 UTC flag Report link Trvalý odkaz (permalink)

Et ça n'est pas simple d'évaluer la notion de "différence". Tatoeba va justement permettre la créativité en matière d'instruments d'analyse...Je suis impatient de voir tout ça !