Information System of Masaryk University 

Competing Patterns in Language Engineering and Computer Typesetting

česky | in English

SOJKA, Petr. Competing Patterns in Language Engineering and Computer Typesetting. první. Brno: Masarykova univerzita, 2005. 140 pp. PhD. dissertation.
Other formats:   BibTeX LaTeX RIS
Basic information
Original name Competing Patterns in Language Engineering and Computer Typesetting
Name in Czech Soutěživé vzory v jazykovém inženýrství a počítačové sazbě
Authors SOJKA, Petr (203 Czech Republic, guarantor, belonging to the institution).
Edition první. Brno, 140 pp. PhD. dissertation, 2005.
Publisher Masarykova univerzita
Other information
Original language English
Type of outcome special-purpose publication
Field of Study Computer sciences, information science, bioinformatics
Country of publisher Czech Republic
Confidentiality degree is not subject to a state or trade secret
WWW fulltext (PDF)
RIV identification code RIV/00216224:14330/05:00024493
Organization unit Faculty of Informatics
Keywords (in Czech) soutěživé vzory; kontextově-citlivé vzory; strojové učení; jazykové inženýrství; dělení slov; segmentace [thajského textu]; desambiguace;
Keywords in English competing patterns;context-sensitive patterns;machine learning;natural language engineering;hyphenation; [Thai text] segmentation;disambiguation;formal concept analysis;part of speech tagging;
Tags competing patterns, context-sensitive patterns, disambiguation, formal concept analysis, hyphenation, machine learning, natural language engineering, part of speech tagging, [Thai text] segmentation
Tags International impact, Reviewed
Changed by Changed by: doc. RNDr. Petr Sojka, Ph.D., učo 2378. Changed: 26. 1. 2012 18:57.
Abstract
The goal of this dissertation is to explore models, methods and methodologies for machine learning of the compact and effective storage of empirical data in the areas of language engineering and computer typesetting, with a focus on the massive exception handling. Research has focused on the pattern-driven approach. The whole methodology of so called \stress{competing patterns} capable of handling exceptions to be found so widely in natural language data and computer typesetting, is further developed. Competing patterns can store \stress{context dependent} information and can be learnt from data, or written by experts, or combined together. In the first part of the thesis, the theory of competing patterns is built; competing patterns are defined, cornerstones of methodology based on stratified sampling, bootstrapping and problem modeling by competing patterns are described. Segmentation problems (hyphenation) and problems of disambiguation of tagged data in corpus linguistics are used as examples when developing formal model of the competing patterns method. The second part consist of a series of seven published papers that describe problems addressed by the proposed methods: applications of competing patterns and related learning methods in areas of hyphenation, hyphenation of compound words and, for example, the segmentation of Thai texts.
Abstract (in Czech)
Cílem této dizertační práce je vývoj modelů, metod a metodologie pro strojové učení kompaktního a efektivního uložení dat v~oblastech jazykového inženýrství a počítačové sazby, se zaměřením na masivní zpracování výjimek. Výzkum se soustředil na přístup řízený vzory. Byla vyvinuta celá metodologie takzvaných přebíjejících vzorů, pomocí níž je možné zpracovat (detekovat, efektivně uložit a v~nich vyhledávat) výjimky. Přebíjející vzory umožňují ukládat kontextově závislou informaci, která může být naučena z~dat, nebo napsána expertem, nebo vzájemně kombinována. První část práce buduje teorii přebíjejících vzorů; jsou definovány základní techniky metodologie jako stratifikace, bootstraping, filtrování dat. Užití technologie je ukázáno na příkladech segmentačních problémů (dělení slov) a problému parciální morfologické desambiguace značkovaných dat v~oblasti korpusové lingvistiky. Druhá část práce obsahuje soubor sedmi publikovaných článků, které se zabývají nasazením navržené metodologie a diskutují její možnosti a aplikace v~oblastech dělení slov, dělení složených slov, generování přebíjejících vzorů pro češtinu a slovenštinu a například i segmentaci thajského textu.
Links
1ET200190513, research and development projectName: DML-CZ: Česká digitální matematická knihovna
Investor: Academy of Sciences of the Czech Republic, Information society (National programme of research)
PrintDisplayed: 20. 10. 2018 09:06

Other references 


Go to top | Current date and time: 20. 10. 2018 09:06, Week 42 (even)

Contact: istech(zavináč/atsign)fi(tečka/dot)muni(tečka/dot)cz, Office for Studies, access rights administrators, is-technicians, e-technicians, IT support | Use of cookies | learn more about Information System