Slovenské vzory dělení: čas pro změnu?

Varování

Publikace nespadá pod Filozofickou fakultu, ale pod Fakultu informatiky. Oficiální stránka publikace je na webu muni.cz.

Autoři	SOJKA Petr
Rok publikování	2004
Druh	Článek v odborném periodiku
Časopis / Zdroj	Zpravodaj CSTUG
Fakulta / Pracoviště MU	Fakulta informatiky
Citace
www	web časopisu s PDF DOI
Doi	http://dx.doi.org/10.5300/2004-3-4/183
Obor	Využití počítačů, robotika a její aplikace
Klíčová slova	hyphenation; hyphenation patterns; patgen; syllabification; Unicode; TeX; syllabic hyphenation; Czech; Slovak
Popis	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.
Související projekty:	Interakce člověka s počítačem, dialogové systémy a asistivní technologie