Detailed Information on Publication Record
2001
Pattern Generation Revisited
ANTOŠ, David and Petr SOJKABasic 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
Language
English
Type of outcome
Stať ve sborníku
Field of Study
20200 2.2 Electrical engineering, Electronic engineering, Information engineering
Country of publisher
Netherlands
Confidentiality degree
není předmětem státního či obchodního tajemství
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
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.
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) |
|