csak erdekessegkepp, egy kb 10 ora alatt (ejszaka) tanitott SPM alapu word2vec model (25 epochs) tesztje:
▁kedves: ▁tisztelt, ▁szia, ▁szervusz, ▁köszönjük, ▁helló, ▁kollégák, ▁köszönöm, ▁kérése, ▁kérés, ▁úr
▁hölgyeim: ▁uraim, ▁képviselőtársaim, ▁barroso, ▁gratulálni, ▁előadónk, ▁végezetül, ▁képviselőtársa, ▁képviselőcsoportom, ▁képviselőtársam, ▁üdvözölni
▁és: ▁az, ▁hogy, ▁egy, ▁ön, ▁meg, ▁nem, ▁vagy, ▁ez, ▁ezt, ▁önnek
▁uraim: ▁hölgyeim, ▁képviselőtársaim, ▁barroso, ▁gratulálni, ▁képviselőcsoportom, ▁előadónk, ▁mindenekelőtt, ▁képviselőtársa, ▁képviselőtársam, ▁úrnak
!: ?, ..., ▁..., ▁-, !», ], ▁[, en, ▁вам, er
▁hello: ▁dear, ▁hi, ▁greetings, ▁friend, ▁sir, ▁good, ▁inquiry, madam, ▁hope, ▁urgent
▁minden: ▁új, ▁egy, ▁csak, ▁ez, ▁már, ▁meg, ▁még, ▁itt, ▁további, ▁így
▁macska: ▁kutya, ▁majom, kutya, farkú, ▁kígyó, ▁kecske, ▁teknős, macska, ▁galamb, ▁macskák
▁es: ▁das, ▁im, ▁hat, ▁zu, ▁ist, ▁um, ▁die, ▁sie, ▁mit, ▁ich
▁beka: ▁muf, ▁kola, gora, ▁segge, ▁kura, ▁gorb, kkar, ▁gavi, ▁elefant, ▁riny
!: ?, ..., ▁..., ▁-, !», ], ▁[, en, ▁вам, er
▁ich: ▁zu, ▁auch, ▁habe, ▁noch, ▁bei, ▁mich, ▁wir, ▁ist, ▁ein, ▁das
▁bin: ▁mich, ▁habe, ▁nur, ▁ich, ▁mir, ▁dir, ▁ist, ▁meine, ▁aber, ▁kann
▁wieder: ▁schon, ▁erst, ▁doch, ▁jetzt, ▁einmal, ▁dann, ▁gerade, ▁heute, ▁wird, ▁werde
▁hier: ▁jetzt, ▁dann, ▁wenn, ▁nicht, ▁auch, ▁noch, ▁kann, ▁bei, ▁sind, ▁wird
,: ▁и, ., ;, ▁также, ▁а, ▁только, ▁в, ▁даже, ▁тоже, ▁̶
▁bei: ▁auf, ▁auch, ▁über, ▁zu, ▁aus, ▁wir, ▁nicht, ▁nach, ▁noch, ▁ist
▁dir: ▁dich, ▁mir, ▁euch, ▁mich, ▁alles, ▁deine, ▁hoffe, ▁wenn, ▁auch, ▁dann
...: ▁ибо, ▁вот, ▁меня, ▁просто, ▁нам, »"., ▁..., ▁действительно, ▁нас, ▁совершенно
▁hasta: ▁desde, ▁antes, ▁después, ▁durante, ▁año, ▁tras, ▁pasado, ▁mientras, ▁cuando, ▁sólo
▁la: ▁de, ▁en, ▁et, ▁le, ▁l, ▁du, le, ▁un, ▁d, ▁si
▁vista: ▁punto, ▁desde, ▁hasta, ▁casi, ▁pero, ▁aunque, ▁naturaleza, ▁estar, ▁completamente, ▁puntos
,: ▁и, ., ;, ▁также, ▁а, ▁только, ▁в, ▁даже, ▁тоже, ▁̶
▁baby: ▁daddy, baby, ▁dog, ▁woman, ▁kids, ▁child, ▁heart, ▁lover, ▁mother, ▁babies
az input itt csak 2.3GB text volt HU EN DE ES FR IT RU nyelveken (wikipedia, hirek, blog/forum content).
a RU minta utolag lett hozzafuzve (csak a karakterkeszlet miatt), vszinu ezert tanulta azt meg az irasjelekre...
most fut ujra 12GB szoveggel, rendesen megkeverve (HU es EN nagyobb aranyban, DE kozepes) de ez eltart majd par napig (ugy szamoltam 4-5 ora 1 menet, x 25 tehat kb 1 het lesz... de nezem majd a checkpointokat, lehet 1-2 nap utan mar hasznalhato)