ANTOŠ, David and Petr SOJKA. Pattern Generation Revisited. In Proceedings of the Twelfth European TeX Conference. Kerkrade, The Netherlands: NTG, 2001. p. 7-17.
Other formats:   BibTeX LaTeX RIS
Basic information
Original name Pattern Generation Revisited
Name in Czech Generování vzorů
Authors ANTOŠ, David (203 Czech Republic) and Petr SOJKA (203 Czech Republic, guarantor).
Edition Kerkrade, The Netherlands, Proceedings of the Twelfth European TeX Conference, p. 7-17, 2001.
Publisher NTG
Other information
Original language English
Type of outcome Proceedings paper
Field of Study 20200 2.2 Electrical engineering, Electronic engineering, Information engineering
Country of publisher Netherlands
Confidentiality degree is not subject to a state or trade secret
WWW Authors publication WWW page EuroTeX 2001 Proceedings WWW page
RIV identification code RIV/00216224:14330/01:00004829
Organization unit Faculty of Informatics
Keywords in English patterns;UNICODE;finite automata;natural language processing;language engineering
Tags Finite Automata, language engineering, natural language processing, patterns, Unicode
Changed by Changed by: doc. RNDr. Petr Sojka, Ph.D., učo 2378. Changed: 18/10/2006 22:34.
Abstract
The program PATGEN, being nearly twenty years old, doesn't suit today's needs, as a) it is nearly impossible to make changes, b) it is limited to eight-bit encodings, c) it uses static data structures, d) reuse of the pattern technique and packed trie data structure for problems other than hyphenation (context dependent ligature handling, spell checking Thai syllabification, etc) is cumbersome. Those and other reasons explained further in the paper led us to the decision to reimplement PATGEN from scratch in an object-oriented manner (like NTS) and to create the PATtern LIBrary PATLIB and the (hyphenation) pattern generator based on it. We argue that this general aproach allows the code to be used in many applications in computer typesetting area, in addition to those of pattern recognition, which include various language processing, optical character recognition, and others.
Abstract (in Czech)
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 jsme vyvinuli knihovnu PATLIB pro obecnou manipulaci se vzory a na ní postavili generátor vzorů dělení slov v~UNICODE. Popsali jsme architekturu 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.
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
PrintDisplayed: 27/2/2024 07:24