2004
Slovenské vzory dělení: čas pro změnu?
SOJKA, PetrZákladní údaje
Originální název
Slovenské vzory dělení: čas pro změnu?
Název česky
Slovenské vzory dělení: čas pro změnu?
Název anglicky
Slovak Hyphenation: a Time for Change?
Autoři
SOJKA, Petr (203 Česká republika, garant)
Vydání
první. Brno, SLT 2004, sborník 4. ročníku semináře o Linuxu a TeXu, od s. 67-72, 6 s. 2004
Nakladatel
Konvoj
Další údaje
Jazyk
čeština
Typ výsledku
Stať ve sborníku
Obor
20200 2.2 Electrical engineering, Electronic engineering, Information engineering
Stát vydavatele
Česká republika
Utajení
není předmětem státního či obchodního tajemství
Kód RIV
RIV/00216224:14330/04:00010851
Organizační jednotka
Fakulta informatiky
ISBN
80-7302-068-8
Klíčová slova česky
slovenské dělení slov; elektronické publikování; segmentace; stratifikace; bootstrapping
Klíčová slova anglicky
Slovak hyphenation; electronic publishing; segmentation; stratification; bootstrapping
Příznaky
Recenzováno
Změněno: 26. 5. 2009 22:04, doc. RNDr. Petr Sojka, Ph.D.
V originále
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.
Anglicky
Hyphenation, or more generally algorithmic segmentation of big wordlist of some language is frequent problem. For Slovak language, there is only version based on the syllable principle available, without coverage of many exceptions. From a wordlist of million collected words we have generated by the PatGen program new freely available patterns that fill this gap. The result is directly usable not only in TeX distributions, but in other systems as well (OpenOffice.org). The techniques of bootstrapping, stratification and patterns generation are handy for solution of plenty of various segmentation tasks.
Návaznosti
| MSM 143300003, záměr |
|