台華新聞語料庫

中研院資訊所陳孟彰老師的計劃，檔案是icorpus.json。自2008-11-06開始到2016-02-15結束，收集3266篇新聞，攏總83544句。算標點符號，台語504037詞、1030671字，華語501202詞、1028218字。

計劃結束後，若有錯誤修改，囥佇icorpus.yaml。

Frank何澤政的處理方法

1. 先揣適當的新聞
2. 鉸做合理的長度
3. 修正錯字
4. 接著查辭典
5. 把文章放到資料庫
6. 接著檢查斷詞部分
7. 接著檢查翻譯的部分
8. 然後還要整篇再看一次

開的時間，前後加起來不只四小時

語料授權

本著作係採用創用 CC 姓名標示-非商業性-相同方式分享 4.0 國際 (CC BY-NC-SA 4.0) 授權條款授權。

授權人：中央研究院 資訊科學研究所 陳孟彰研究員

語料

會當到網站看翻譯的結果，嘛會當掠規个網站的json。

程式授權

程式部份用MIT授權。

安裝

virtualenv --python=python3 venv
. venv/bin/activate
pip install -r requirements.txt

走django

python manage.py runserver

訓練翻譯模型

python 文章/模型訓練/臺華新聞做語料.py
python 文章/模型訓練/摩西模型訓練.py

走翻譯服務

python 文章/摩西服務.py