Slovenské vzory dělení: čas pro změnu?

Varování

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

Autoři	SOJKA Petr
Rok publikování	2004
Druh	Článek ve sborníku
Konference	SLT 2004, sborník 4. ročníku semináře o Linuxu a TeXu
Fakulta / Pracoviště MU	Fakulta informatiky
Citace
www	Stránka semináře stránka publikací autora
Obor	Využití počítačů, robotika a její aplikace
Klíčová slova	Slovak hyphenation; electronic publishing; segmentation; stratification; bootstrapping
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