Nlp 当使用像fast_align这样的单词对齐工具时，更多的句子是否意味着更准确？

我正在使用fast_align在1000个德语句子和1000个英语翻译句子之间进行单词对齐。到目前为止，质量不太好

---

在这个过程中加入更多的句子是否有助于快速对齐以便更准确？假设我用100k对齐的句子对获取一些OPUS数据，然后在其末尾添加1000个句子，并将其输入fast_align。那有帮助吗？我似乎找不到任何关于这是否有意义的信息。

[免责声明：我对对齐几乎一无所知，并且没有使用fast\u align。]

对

您可以向自己证明这一点，也可以通过从数据集中删除数据，以更低的比例尝试，绘制精度/比例曲线

也就是说，1000已经低得离谱了，就这些目的而言，1000≈≈ 0，我不希望它工作

更理想的是尝试10公里、100公里和1米。与其他人的结果更具可比性的是一些标准语料库，如维基百科或研究研讨会的数据

---

添加与对您很重要的数据非常不同的数据可能会产生不同的结果，但在这种情况下，添加更多的数据几乎不会有什么坏处。如果您提到一个特定的域、数据集或目标，我们可以提供更多的建议。

您拥有的数据集是什么，域和内容类型是什么，您的目标是什么？