New Czechoslovak Hyphenation Patterns, Word Lists, and Workflow
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F21%3A00122189" target="_blank" >RIV/00216224:14330/21:00122189 - isvavai.cz</a>
Výsledek na webu
<a href="https://www.fi.muni.cz/usr/sojka/papers/sojka-sojka-tug-2021.pdf" target="_blank" >https://www.fi.muni.cz/usr/sojka/papers/sojka-sojka-tug-2021.pdf</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.47397/tb/42-2/tb131sojka-czech" target="_blank" >10.47397/tb/42-2/tb131sojka-czech</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
New Czechoslovak Hyphenation Patterns, Word Lists, and Workflow
Popis výsledku v původním jazyce
Space- and time-effective segmentation and hyphenation of natural languages stay at the core of every document preparation system, web browser, or mobile rendering system. We use the unreasonable effectiveness of pattern generation with <tt>patgen</tt>. It is possible to use hyphenation patterns to solve the dictionary problem also for close languages without compromise. In this article, we show how we applied the marvelous effectiveness of <tt>patgen</tt> for the generation of the new Czechoslovak hyphenation patterns that cover both Czech and Slovak languages. We show that developing universal, up-to-date, high-coverage and high-generalization hyphenation patterns is feasible, generated from semi-automatically prepared word lists from actual language usage. We evaluate the new approach and argue that the new Czechoslovak hyphenation patterns bring significant coverage and generalization improvements, and space savings. We share all the data, word lists, and workflow for reproducibility and usage.
Název v anglickém jazyce
New Czechoslovak Hyphenation Patterns, Word Lists, and Workflow
Popis výsledku anglicky
Space- and time-effective segmentation and hyphenation of natural languages stay at the core of every document preparation system, web browser, or mobile rendering system. We use the unreasonable effectiveness of pattern generation with <tt>patgen</tt>. It is possible to use hyphenation patterns to solve the dictionary problem also for close languages without compromise. In this article, we show how we applied the marvelous effectiveness of <tt>patgen</tt> for the generation of the new Czechoslovak hyphenation patterns that cover both Czech and Slovak languages. We show that developing universal, up-to-date, high-coverage and high-generalization hyphenation patterns is feasible, generated from semi-automatically prepared word lists from actual language usage. We evaluate the new approach and argue that the new Czechoslovak hyphenation patterns bring significant coverage and generalization improvements, and space savings. We share all the data, word lists, and workflow for reproducibility and usage.
Klasifikace
Druh
J<sub>ost</sub> - Ostatní články v recenzovaných periodicích
CEP obor
—
OECD FORD obor
20206 - Computer hardware and architecture
Návaznosti výsledku
Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
TUGboat: The Communications of the TeX Users Group
ISSN
0896-3207
e-ISSN
—
Svazek periodika
42
Číslo periodika v rámci svazku
2
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
7
Strana od-do
152-158
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—