Kouhei Sutou
null+****@clear*****
Tue Sep 15 11:40:54 JST 2015
Kouhei Sutou 2015-09-15 11:40:54 +0900 (Tue, 15 Sep 2015) New Revision: 370b3aefce4b31420c5583732bc3f85d843c4349 https://github.com/groonga/groonga/commit/370b3aefce4b31420c5583732bc3f85d843c4349 Message: doc ja: translate scorer Modified files: doc/locale/ja/LC_MESSAGES/reference.po doc/source/reference/scorer.rst doc/source/reference/scorers/scorer_tf_idf.rst doc/source/reference/scoring_note.rst Modified: doc/locale/ja/LC_MESSAGES/reference.po (+98 -19) =================================================================== --- doc/locale/ja/LC_MESSAGES/reference.po 2015-09-15 09:24:10 +0900 (6237042) +++ doc/locale/ja/LC_MESSAGES/reference.po 2015-09-15 11:40:54 +0900 (9918f75) @@ -7,7 +7,7 @@ msgid "" msgstr "" "Project-Id-Version: 1.2.1\n" "Report-Msgid-Bugs-To: \n" -"PO-Revision-Date: 2015-09-11 23:08+0900\n" +"PO-Revision-Date: 2015-09-15 11:37+0900\n" "Last-Translator: Masafumi Yokoyama <yokoyama �� clear-code.com>\n" "Language-Team: Japanese\n" "Language: ja\n" @@ -18211,7 +18211,7 @@ msgstr "" # ba173f61de044473a5984626b9757135 msgid "Scorer" -msgstr "" +msgstr "スコアラー" # 9be3e930df1a4d3b88343fdad07441bf msgid "" @@ -18219,40 +18219,56 @@ msgid "" "computes score of matched record. The default scorer function uses the " "number of appeared terms. It is also known as TF (term frequency)." msgstr "" +"Groongaにはスコアー関数をカスタマイズするスコアーモジュールがあります。スコ" +"アー関数はマッチしたレコードのスコアーを計算します。デフォルトのスコアー関数" +"は出現単語数をスコアーにします。これはTF（term frequency。単語の出現数）と呼" +"ばれている計算方法です。" # e08f8ce9095042b3838ab191a44762dc msgid "" "TF is a fast score function but it's not suitable for the following cases:" -msgstr "" +msgstr "TFは高速なスコアー関数ですが、次のケースには適していません。" # afd0bccbf6d44935bb4324b58852808e msgid "" "Search query contains one or more frequently-appearing words such as \"the\" " "and \"a\"." msgstr "" +"検索クエリーが「the」や「a」のように非常によく出現する単語を含んでいる。" # 5aeb338808ec4d4f8be0dedb58166c55 msgid "" "Document contains many same keywords such as \"They are keyword, keyword, " "keyword ... and keyword\". Search engine spammer may use the technique." msgstr "" +"文書中に「They are keyword, keyword, keyword ... and keyword」というように同" +"じキーワードが大量に含まれている。検索エンジンのスパマーはこのテクニックを使" +"うかもしれません。" # 8f758c4630224be2bb63432399446624 msgid "" -"Score function can solve these cases. For example, `TF-IDF <http://en." +"Score function can solve these cases. For example, `TF-IDF <https://en." "wikipedia.org/wiki/Tf%E2%80%93idf>`_ (term frequency-inverse document " -"frequency) can solve the first case. `Okapi BM25 <http://en.wikipedia.org/" +"frequency) can solve the first case. `Okapi BM25 <https://en.wikipedia.org/" "wiki/Okapi_BM25>`_ can solve the second case. But their are slower than TF." msgstr "" +"スコアー関数でこれらのケースを解決できます。例えば、 `TF-IDF <https://ja." +"wikipedia.org/wiki/Tf-idf>`_ （term frequency-inverse document frequency。そ" +"の文書中での単語の出現数を、文書全体での単語の出現数で割ったもの）は最初の" +"ケースを解決できます。 `Okapi BM25 <https://en.wikipedia.org/wiki/" +"Okapi_BM25>`_ は2番目のケースを解決できます。しかし、これらはTFより遅いです。" # 4a558b61f52e4cb1878c84fccb10907b msgid "" "Groonga provides TF-IDF based scorer as :doc:`/reference/scorers/" "scorer_tf_idf` but doesn't provide Okapi BM25 based scorer yet." msgstr "" +"Groongaは :doc:`/reference/scorers/scorer_tf_idf` としてTF-IDFベースのスコア" +"ラーを提供しています。しかし、Okapi BM25ベースのスコアラーはまだ提供していま" +"せん。" msgid "This section describes how to use scorer." -msgstr "このセクションではscorerの使い方について説明します。" +msgstr "このセクションではスコアラーの使い方について説明します。" msgid "" "You can specify custom score function in :ref:`select-match-columns`. There " @@ -18266,17 +18282,21 @@ msgid "" "For score function that doesn't require any parameter such as :doc:`/" "reference/scorers/scorer_tf_idf`::" msgstr "" +":doc:`/reference/scorers/scorer_tf_idf` のように、いくつかのスコアー関数には" +"引数はありません。::" # 338e793a2d2946489fd1e2dd1400cba3 # 56a9899e34844c619c232b2d3ad1e5c8 msgid "You can specify weight::" -msgstr "" +msgstr "重みを指定することができます。::" # 481e916d02df461886db702e64f3d75d msgid "" "For score function that requires one or more parameters such as :doc:`/" "reference/scorers/scorer_tf_at_most`::" msgstr "" +":doc:`/reference/scorers/scorer_tf_at_most` のように引数が必要なスコアー関数" +"もあります。::" msgid "" "You can use different score function for each :ref:`select-match-columns`::" @@ -18294,6 +18314,11 @@ msgid "" "But the actual ``_score`` is ``2``. Because the ``select`` command uses TF-" "IDF based scorer ``scorer_tf_idf()``." msgstr "" +"``Groonga! Groonga! Groonga! Groonga is very fast!`` には ``Groonga`` が4つ含" +"まれています。デフォルトのTFベースのスコアラーを使うと、 ``_score`` は ``4`` " +"です。しかし、実際は ``_score`` は ``2`` になります。なぜなら、この " +"``select`` コマンドはTF-IDFベースの ``scorer_tf_idf()`` スコアラーを使ってい" +"るからです。" msgid "Here is an example that uses weight:" msgstr "以下は重みを使った例です。" @@ -18304,6 +18329,8 @@ msgid "" "``_score``. It had ``2`` as ``_score`` in the previous example that doesn't " "specify weight." msgstr "" +"``Groonga! Groonga! Groonga! Groonga is very fast!`` の ``_score`` は ``22`` " +"です。重みを指定していない前の例では ``_score`` は ``2`` でした。" # 3242a06dcbd649aca6c943795cdaf053 msgid "" @@ -18311,6 +18338,10 @@ msgid "" "reference/scorers/scorer_tf_at_most` scorer requires one argument. You can " "limit TF score by the scorer." msgstr "" +"以下は必ず引数を1つ指定しなければいけないスコアラーを使う例です。 :doc:`/" +"reference/scorers/scorer_tf_at_most` スコアラーには引数を1つ指定しなければい" +"けません。このスコアラーを使うと、TFのスコアーの最大値を制限することができま" +"す。" # 02cd9a4624a34c9280b537e2415cacb4 msgid "" @@ -18319,8 +18350,13 @@ msgid "" "``4``. But the actual ``_score`` is ``2``. Because the scorer used in the " "``select`` command limits the maximum score value to ``2``." msgstr "" +"``Groonga! Groonga! Groonga! Groonga is very fast!`` は ``Groonga`` を4つ含ん" +"でいます。もし、デフォルトのスコアラーである標準のTFベースのスコアラーを使っ" +"ていた場合、 ``_score`` は ``4`` になります。しかし、実際の ``_score`` は " +"``2`` です。なぜなら、この ``select`` コマンドが使っているスコアラーは最大ス" +"コアーを ``2`` に制限しているからです。" -msgid "Here is an example that uses multiple scorers::" +msgid "Here is an example that uses multiple scorers:" msgstr "以下は複数のスコアラーを使う例です。" # 09dac15dbe374f57b42402a658668d9f @@ -18328,13 +18364,18 @@ msgid "" "The ``--match_columns`` uses ``scorer_tf_idf(title)`` and " "``scorer_tf_at_most(content, 2.0)``. ``_score`` value is sum of them." msgstr "" +"この ``--match_columns`` は ``scorer_tf_idf(title)`` と " +"``scorer_tf_at_most(content, 2.0)`` を使っています。 ``_score`` の値はこれら2" +"つの値の合計になります。" -# 4935322f841e4151bb667e8341fbe005 msgid "" "You can use the default scorer and custom scorer in the same ``--" "match_columns``. You can use the default scorer by just specifying a match " -"column::" +"column:" msgstr "" +"同じ ``--match_columns`` の中でデフォルトのスコアラーとカスタムスコアラーを使" +"うことができます。単にマッチ対象のカラムを指定するとデフォルトのスコアラーを" +"使います。" # 5b2b78f6154a46bc9a8e2e863790d624 msgid "" @@ -18342,6 +18383,9 @@ msgid "" "`/reference/scorers/scorer_tf_at_most` for ``content``. ``_score`` value is " "sum of them." msgstr "" +"この ``--match_columns`` は ``title`` にはデフォルトのスコアラー（TF）を使" +"い、 ``content`` には :doc:`/reference/scorers/scorer_tf_at_most` を使いま" +"す。 ``_score`` の値はこれらのスコアラーの結果の合計になります。" msgid "Built-in scorers" msgstr "組み込みスコアラー" @@ -18359,15 +18403,21 @@ msgstr "スコアラーは実験的な機能です。" # 04fc633c12794541886c0d1da4a10360 msgid "``scorer_tf_at_most`` is a scorer based on TF (term frequency)." msgstr "" +"``scorer_tf_at_most`` はTF（term frequency。単語の出現数）ベースのスコアラー" +"です。" msgid "``scorer_tf_idf``" msgstr "" # 0dead751464842c79ced4fd44c575a25 msgid "" -"``scorer_tf_idf`` is a scorer based of `TF-IDF <http://en.wikipedia.org/wiki/" -"Tf%E2%80%93idf>`_ (term frequency-inverse document frequency) score function." +"``scorer_tf_idf`` is a scorer based of `TF-IDF <https://en.wikipedia.org/" +"wiki/Tf%E2%80%93idf>`_ (term frequency-inverse document frequency) score " +"function." msgstr "" +"``scorer_tf_idf`` は `TF-IDF <https://en.wikipedia.org/wiki/Tf" +"%E2%80%93idf>`_ （term frequency-inverse document frequency。その文書中での単" +"語の出現数を、その単語を文書の数で割ったもの）ベースのスコアー関数です。" # 08b0bf10f21f4fc497765fc271a90a8e msgid "" @@ -18376,36 +18426,52 @@ msgid "" "\"TF divided by DF\" means that \"the number of occurrences of important " "term is more important\"." msgstr "" +"簡単に言うと、TF-IDFとはTF（term frequency。その文書中での単語出現数）を" +"DF（document frequency。その単語を含むドキュメント数）で割ったものです。" +"「TF」は「単語がたくさん出現している方がより重要」という意味を表します。「TF" +"をDFで割る」というのは「重要な単語がたくさん出現している方がより重要」という" +"意味を表します。" # 49a1f39c10964f20985c42336945a33b msgid "" "The default score function in Groonga is TF (term frequency). It doesn't " "care about term importance but is fast." msgstr "" +"Groongaのデフォルトのスコアー関数はTF（term frequency。単語の出現数）です。こ" +"の関数は単語の重要度は考慮しませんが高速です。" # a07f30b4e1dd4cb4b2690b2c2771fae3 msgid "TF-IDF cares about term importance but is slower than TF." -msgstr "" +msgstr "TF-IDFは単語の重要度を考慮しますが、TFより遅くなります。" # d2b62f9460124ed0b5f1eff91a1e02d6 msgid "" "TF-IDF will compute more suitable score rather than TF for many cases. But " "it's not perfect." msgstr "" +"TF-IDFは多くの場合でTFよりも適切なスコアーを計算しますが、完璧ではありませ" +"ん。" # 77c24913f6944f0181e93a2be8a4bf84 msgid "" "If document contains many same keywords such as \"They are keyword, keyword, " -"keyword ... and keyword\". It increases score by TF and TF-IDF. Search " +"keyword ... and keyword\", it increases score by TF and TF-IDF. Search " "engine spammer may use the technique. But TF-IDF doesn't guard from the " "technique." msgstr "" +"「They are keyword, keyword, keyword ... and keyword」のように文書中に同じ" +"キーワードがたくさん含まれている場合、TFでもTF-IDFでもスコアーが増えます。検" +"索エンジンのスパマーはこのテクニックを使うかもしれません。しかし、TF-IDFはこ" +"のテクニックを防ぐことができません。" # 54598f0d259c490eb8482793e0eb0dcc msgid "" -"`Okapi BM25 <http://en.wikipedia.org/wiki/Okapi_BM25>`_ can solve the case. " +"`Okapi BM25 <https://en.wikipedia.org/wiki/Okapi_BM25>`_ can solve the case. " "But it's more slower than TF-IDF and not implemented yet in Groonga." msgstr "" +"`Okapi BM25 <https://en.wikipedia.org/wiki/Okapi_BM25>`_ はこのケースを解決で" +"きます。しかし、TF-IDFよりも遅くなります。また、Groongaではまだ実装されていま" +"せん。" msgid "This section describes how to use this scorer." msgstr "このセクションではscorerの使い方について説明します。" @@ -18426,6 +18492,12 @@ msgid "" "``1``. Term that is included in less documents means that the term is more " "characteristic term. Characteristic term is important term." msgstr "" +"``Info Info Info`` には ``Info`` という単語が3回もでてきますが、 ``Info Info " +"Info`` も ``Error`` もどちらもスコアーは ``2`` です。なぜなら、 ``Error`` は " +"``Info`` よりもより重要な単語だからです。 ``Info`` を含むドキュメントの数は " +"``4`` です。 ``Error`` を含むドキュメントの数は ``1`` です。少しのドキュメン" +"トにしか含まれていない単語はより特徴的な単語です。特徴的な単語は重要な単語で" +"す。" # 2090a41517f14934ba2beeb73556310b msgid ":doc:`../scorer`" @@ -18439,21 +18511,28 @@ msgid "" "highly depends on search query. You may be able to use metadata of matched " "record." msgstr "" +"スコアー関数だけでスコアの計算をする必要はありません。スコアー関数は検索クエ" +"リーに非常に依存しています。検索クエリーだけでなく、マッチしたレコードのメタ" +"データも使えないか検討しましょう。" # 234fd16a9c2c4521aa34547eb97c8264 # d2e796c8b27c46e5b2d444478594ac01 # 5db2b8df86eb41c797999b78ddb57fe8 msgid "" -"For example, Google uses `PageRank <http://en.wikipedia.org/wiki/PageRank>`_ " -"for scoring. You may be able to use data type (\"title\" data are important " -"rather than \"memo\" data), tag, geolocation and so on." +"For example, Google uses `PageRank <https://en.wikipedia.org/wiki/" +"PageRank>`_ for scoring. You may be able to use data type (\"title\" data " +"are important rather than \"memo\" data), tag, geolocation and so on." msgstr "" +"たとえば、Googleはスコアーの計算に `ページランク <https://ja.wikipedia.org/" +"wiki/%E3%83%9A%E3%83%BC%E3%82%B8%E3%83%A9%E3%83%B3%E3%82%AF>`_ を使っていま" +"す。あなたも、データの種類（たとえば、「メモ」データよりも「タイトル」データ" +"の方が重要など）、タグ、位置情報などを使えないか検討してみましょう。" # 52a4d5186b54437ea4e23fe4738a6b79 # c47c62b2763b4b91aabe70a511609e97 # 783d9c2eba194e41ad08da84fce8f862 msgid "Please stop to think about only score function for scoring." -msgstr "" +msgstr "スコアーの計算をスコアー関数だけで考えることはやめましょう。" # 10554355660e4dd598895dbf8a619c45 msgid "Sharding" Modified: doc/source/reference/scorer.rst (+2 -2) =================================================================== --- doc/source/reference/scorer.rst 2015-09-15 09:24:10 +0900 (f025844) +++ doc/source/reference/scorer.rst 2015-09-15 11:40:54 +0900 (9c685ce) @@ -26,9 +26,9 @@ cases: the technique. Score function can solve these cases. For example, `TF-IDF -<http://en.wikipedia.org/wiki/Tf%E2%80%93idf>`_ (term +<https://en.wikipedia.org/wiki/Tf%E2%80%93idf>`_ (term frequency-inverse document frequency) can solve the first case. -`Okapi BM25 <http://en.wikipedia.org/wiki/Okapi_BM25>`_ can solve the +`Okapi BM25 <https://en.wikipedia.org/wiki/Okapi_BM25>`_ can solve the second case. But their are slower than TF. Groonga provides TF-IDF based scorer as Modified: doc/source/reference/scorers/scorer_tf_idf.rst (+3 -3) =================================================================== --- doc/source/reference/scorers/scorer_tf_idf.rst 2015-09-15 09:24:10 +0900 (97c7bad) +++ doc/source/reference/scorers/scorer_tf_idf.rst 2015-09-15 11:40:54 +0900 (3b89ca3a) @@ -18,7 +18,7 @@ Summary ------- ``scorer_tf_idf`` is a scorer based of `TF-IDF -<http://en.wikipedia.org/wiki/Tf%E2%80%93idf>`_ (term +<https://en.wikipedia.org/wiki/Tf%E2%80%93idf>`_ (term frequency-inverse document frequency) score function. To put it simply, TF (term frequency) divided by DF (document @@ -35,11 +35,11 @@ TF-IDF will compute more suitable score rather than TF for many cases. But it's not perfect. If document contains many same keywords such as "They are keyword, -keyword, keyword ... and keyword". It increases score by TF and +keyword, keyword ... and keyword", it increases score by TF and TF-IDF. Search engine spammer may use the technique. But TF-IDF doesn't guard from the technique. -`Okapi BM25 <http://en.wikipedia.org/wiki/Okapi_BM25>`_ can solve the +`Okapi BM25 <https://en.wikipedia.org/wiki/Okapi_BM25>`_ can solve the case. But it's more slower than TF-IDF and not implemented yet in Groonga. Modified: doc/source/reference/scoring_note.rst (+1 -3) =================================================================== --- doc/source/reference/scoring_note.rst 2015-09-15 09:24:10 +0900 (a9b8db9) +++ doc/source/reference/scoring_note.rst 2015-09-15 11:40:54 +0900 (926dd09) @@ -1,5 +1,3 @@ -:orphan: - .. _note: You don't need to resolve scoring only by score function. Score @@ -7,7 +5,7 @@ metadata of matched record. For example, Google uses `PageRank - <http://en.wikipedia.org/wiki/PageRank>`_ for scoring. You may be + <https://en.wikipedia.org/wiki/PageRank>`_ for scoring. You may be able to use data type ("title" data are important rather than "memo" data), tag, geolocation and so on. -------------- next part -------------- HTML����������������������������...Download
