Update README.md

README.md

@@ -17,29 +17,29 @@ Modelo feito con OpenNMT para o par inglés-galego utilizando unha arquitectura
 
 **Como traducir / How to translate**
 
-+ Abrir terminal bash
-+ Instalar [Python 3.9](https://www.python.org/downloads/release/python-390/)
-+ Instalar [Open NMT toolkit v.2.2](https://github.com/OpenNMT/OpenNMT-py)
-+ Traducir un input_text utilizando o modelo NOS-MT-en-gl co seguinte comando:
++ Abrir terminal bash / Open bash terminal
++ Instalar / Install [Python 3.9](https://www.python.org/downloads/release/python-390/)
++ Instalar / Install [Open NMT toolkit v.2.2](https://github.com/OpenNMT/OpenNMT-py)
++ Traducir un input_text utilizando o modelo NOS-MT-en-gl co seguinte comando / Translate an input_text using the NOS-MT-en-gl model with the following command:
 
 ```bash 
 onmt_translate -src input_text -model NOS-MT-en-gl -output ./output_file.txt -replace_unk -gpu 0
 ```
-+ O resultado da tradución estará no PATH indicado no flag -output.
++ O resultado da tradución estará no PATH indicado no flag -output / The result of the translation will be in the PATH indicated by the -output flag.
 
 **Adestramento / Training**
 
-Datos utilizados para o adestramento
+No adestramento, utilizamos corpora auténticos e sintéticos. Os primeiros son corpora de traducións feitas directamente por tradutores humanos. Os segundos son corpora de traducións inglés-portugués, que convertemos en inglés-galego a través da tradución automática portugués-galego con Opentrad/Apertium e transliteración para palabras fóra de vocabulário.
 
-Auténticos e Sintéticos (Transliteração)[Colocar Paper] 
+In the training we have used authentic and synthetic corpora. The former are corpora of translations directly produced by human translators. The latter are corpora of english-portuguese translations, which we have converted into english-galician by means of portuguese-galician translation with Opentrad/Apertium and transliteration for out-of-vocabulary words. 
 
 **Procedemento de adestramento / Training process**
 
-+ Tokenization dos datasets feita co tokenizador de linguakit https://github.com/citiususc/Linguakit
++ Tokenization dos datasets feita co tokenizador de linguakit / Tokenization of the datasets made with linguakit tokeniser https://github.com/citiususc/Linguakit
 
-+ O vocabulario para os modelos foi xerado a través do script [learn_bpe.py](https://github.com/OpenNMT/OpenNMT-py/blob/master/tools/learn_bpe.py) da open NMT
++ O vocabulario para os modelos foi xerado a través do script / The vocabulary for the models was generated through the script [learn_bpe.py](https://github.com/OpenNMT/OpenNMT-py/blob/master/tools/learn_bpe.py) da open NMT
 
-+ Usando o .yaml neste repositorio pode replicar o proceso de adestramento do seguinte xeito
++ Usando o .yaml neste repositorio pode replicar o proceso de adestramento do seguinte xeito / Using .yaml in this repository you can replicate the training process as follows
 
 ```bash 
 onmt_build_vocab -config  bpe-en-gl_emb.yaml -n_sample 100000
@@ -50,9 +50,12 @@ onmt_train -config bpe-en-gl_emb.yaml
 
 Os parámetros usados para o desenvolvimento do modelo poden ser consultados directamente no mesmo ficheiro .yaml  bpe-en-gl_emb.yaml 
 
+The parameters used for the development of the model can be directly consulted in the same .yaml file bpe-en-gl_emb.yaml 
+
 **Avaliación / Evaluation** 
-A avalación dos modelos é feita cunha mistura de tests desenvolvidos internamente
-(gold1, gold2, test-suite) con outros datasets disponíbeis en galego (Flores).
+A avalación BLEU dos modelos é feita cunha mistura de tests desenvolvidos internamente (gold1, gold2, test-suite) con outros datasets disponíbeis en galego (Flores).
+
+The BLEU evaluation of the models is made with a mixture of internally developed tests (gold1, gold2, test-suite) with other datasets available in Galician (Flores).
 
 | GOLD 1        | GOLD 2        | FLORES  | TEST-SUITE|
 | ------------- |:-------------:| -------:|----------:|