Generování vzorů dělení slov v UNICODE

ANTOŠ, David and Petr SOJKA. Generování vzorů dělení slov v UNICODE (Hyphenation Pattern Generation for UNICODE). In Sborník druhého semináře o Linuxu a TeXu, SLT 2001. Brno: Konvoj, 2001, p. 23-32. ISBN 80-7302-009-2.

Basic information

• Original name: Generování vzorů dělení slov v UNICODE
• Name (in English): Hyphenation Pattern Generation for UNICODE
• Authors: ANTOŠ, David (203 Czech Republic) and Petr SOJKA (203 Czech Republic, guarantor).
• Edition: Brno, Sborník druhého semináře o Linuxu a TeXu, SLT 2001, p. 23-32, 2001.
• Publisher: Konvoj

Other information

• Original language: Czech
• Type of outcome: Proceedings paper
• Field of Study: 20200 2.2 Electrical engineering, Electronic engineering, Information engineering
• Country of publisher: Czech Republic
• Confidentiality degree: is not subject to a state or trade secret
• WWW: URL
• RIV identification code: RIV/00216224:14330/01:00002849
• Organization unit: Faculty of Informatics
• ISBN: 80-7302-009-2
• Keywords in English: patterns;UNICODE;finite automata;natural language processing;language engineering
• Tags: Finite Automata, language engineering, natural language processing, patterns, Unicode

Abstract

Článek popisuje techniku vzorů jako prostředek pro získávání informace z~rozsáhlých dat a zpětné rozpoznávání. Typickou aplikací této techniky je dělení slov. Dosud chybí generátor vzorů dělení pro systém $\Omega$ (pro UNICODE) a rozšíření programu PATGEN, omezeného osmibitovým ASCII, není únosné. Proto vyvíjíme knihovnu PATLIB pro obecnou manipulaci se vzory a na ní postavíme generátor vzorů dělení slov v~UNICODE. Popíšeme architekturu připravovaného systému a dále méně známou datovou strukturu dynamic packed trie, kterou lze výhodně použít pro efektivní ukládání konečných jazyků s výstupy. Vzory lze použít i pro rozpoznávání hranic složených slov, proto zmíníme návrhy na rozšíření následníků TeXu o klasifikované dělení s~více typy dělících bodů a o automatické potlačování ligatur na švech složených~slov.

Abstract (in English)

Pattern generation technique is described, together with design of software library for pattern handling PATLIB.

Links

• MSM 143300003, plan (intention): Name: Interakce člověka s počítačem, dialogové systémy a asistivní technologie

Investor: Ministry of Education, Youth and Sports of the CR, Human-computer interaction, dialog systems and assistive technologies

• VS97028, research and development project: Name: Laboratoř zpracování přirozeného jazyka (s aplikacemi pro podporu výuky zrakově postižených)

Investor: Ministry of Education, Youth and Sports of the CR, Natural Language Processing Laboratory (with applications supporting education of people with limited sight)