2001
Pattern Generation Revisited
ANTOŠ, David a Petr SOJKAZákladní údaje
Originální název
Pattern Generation Revisited
Název česky
Generování vzorů
Autoři
ANTOŠ, David (203 Česká republika) a Petr SOJKA (203 Česká republika, garant)
Vydání
Kerkrade, The Netherlands, Proceedings of the Twelfth European TeX Conference, s. 7-17, 2001
Nakladatel
NTG
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
20200 2.2 Electrical engineering, Electronic engineering, Information engineering
Stát vydavatele
Nizozemské království
Utajení
není předmětem státního či obchodního tajemství
Kód RIV
RIV/00216224:14330/01:00004829
Organizační jednotka
Fakulta informatiky
Klíčová slova anglicky
patterns;UNICODE;finite automata;natural language processing;language engineering
Změněno: 18. 10. 2006 22:34, doc. RNDr. Petr Sojka, Ph.D.
V originále
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.
Česky
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.
Návaznosti
| MSM 143300003, záměr |
|