如何使用多个语料库文件在 Python 中的 Watson Language Translator 中用作并行语料库答案

【问题标题】：How to use multiple corpora files to use as parallel corpora in Watson Language Translator in Python如何使用多个语料库文件在 Python 中的 Watson Language Translator 中用作并行语料库
【发布时间】：2019-10-13 22:06:30
【问题描述】：

Watson Language Translator 文档说：

“包含源语言和目标语言并行句子的 TMX 文件。您可以在一个请求中上传多个 parallel_corpus 文件。所有上传的 parallel_corpus 文件加起来，您的并行语料库必须包含至少 5,000 个并行句子才能成功训练。”

我有许多语料库文件，我将使用它们来训练我的翻译模型。我已经查找了以编程方式执行此操作的可能方法，但没有成功。

我发现这样做的唯一方法是将它们手动合并到一个文件中。

有没有办法通过 API 将多个文件作为并行语料库发送？

你能提供 Python 或 Curl 的例子吗？

谢谢。

唯一有效的方法是手动聚合 .TMX 文件并仅发送一个文件。我还没有找到将多个文件作为并行语料库发送的任何方法

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))

【问题讨论】：

标签： python ibm-cloud customization ibm-watson language-translation

【解决方案1】：

我想我在here找到了解决方案

我试过这个，它似乎工作：

open(corpus_fname1, 'rb') 为parallel1，open(corpus_fname2, 'rb') 为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()

【讨论】：