Informace o publikaci
Slovenské vzory dělení: čas pro změnu?
| Autoři | |
|---|---|
| Rok publikování | 2004 |
| Druh | Článek ve sborníku |
| Konference | SLT 2004, sborník 4. ročníku semináře o Linuxu a TeXu |
| Fakulta / Pracoviště MU | |
| Citace | |
| www | |
| Obor | Využití počítačů, robotika a její aplikace |
| Klíčová slova | Slovak hyphenation; electronic publishing; segmentation; stratification; bootstrapping |
| Popis | Dělení slov neboli algoritmická segmentace velké množiny řetězců nějakého jazyka je problém častější než by se na první pohled zdálo. Pro volně šiřitelné slovenské dělení slov zatím existuje pouze řešení vycházející z~definice slabiky ve slovenštině, bez rozsáhlého pokrytí výjimek. Z~více než miliónu shromážděných a rozdělených slov se podařilo vygenerovat programem PatGen nové volně šiřitelné vzory, které se s~nepravidelnostmi jazyka vyrovnávají lépe než dosud dostupné řešení. Výsledek je použitelný nejen v~distribucích TeXu, ale i v~dalších systémech jako například OpenOffice.org. Použité a diskutované techniky bootstrappingu, stratifikace a generování vzorů jsou použitelné při řešení širokého spektra dalších segmentačních aplikací. |
| Související projekty: |