Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

A Roadmap for Universal Syllabic Segmentation

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F23%3A00131244" target="_blank" >RIV/00216224:14330/23:00131244 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.fi.muni.cz/usr/sojka/papers/sojka-sojka-maca-tug-2023.pdf" target="_blank" >https://www.fi.muni.cz/usr/sojka/papers/sojka-sojka-maca-tug-2023.pdf</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    A Roadmap for Universal Syllabic Segmentation

  • Popis výsledku v původním jazyce

    Space- and time-effective segmentation (word hyphenation) of natural languages remain at the core of every document rendering system, be it TeX, web browser, or mobile operating system. In most languages, segmentation mimicking syllabic pronunciation is a pragmatic preference today. As language switching is often not marked in rendered texts, the typesetting engine needs <em>universal syllabic segmentation</em>. In this article, we show the feasibility of this idea by offering a prototypical solution to two main problems: A) Patgen generation process for several languages at once; B) no <a href="https://en.wikipedia.org/wiki/Wide_character">wide character</a> support in tools like Patgen or TeX hyphenation, e.g. internal Unicode compliance is missing. For A), we have applied it to generating universal syllabic patterns from wordlists of nine syllabic, as opposed to etymology-based, languages. For B), we have created a version of Patgen that uses the <a href="https://en.wikipedia.org/wiki/Judy_array"> Judy array</a> data structure and compared its effectiveness with the trie implementation. With the data from nine languages (Czech, Slovak, Georgian, Greek, Polish, Russian, Turkish, Turkmen, and Ukrainian) we showed that A) developing universal, up-to-date, high-coverage, and highly generalized universal syllabic segmentation patterns is possible, with high impact on virtually all typesetting engines, including web page renderers. B) bringing wide character support into the hyphenation part of the TeX suite of programs is possible by using the Judy array.

  • Název v anglickém jazyce

    A Roadmap for Universal Syllabic Segmentation

  • Popis výsledku anglicky

    Space- and time-effective segmentation (word hyphenation) of natural languages remain at the core of every document rendering system, be it TeX, web browser, or mobile operating system. In most languages, segmentation mimicking syllabic pronunciation is a pragmatic preference today. As language switching is often not marked in rendered texts, the typesetting engine needs <em>universal syllabic segmentation</em>. In this article, we show the feasibility of this idea by offering a prototypical solution to two main problems: A) Patgen generation process for several languages at once; B) no <a href="https://en.wikipedia.org/wiki/Wide_character">wide character</a> support in tools like Patgen or TeX hyphenation, e.g. internal Unicode compliance is missing. For A), we have applied it to generating universal syllabic patterns from wordlists of nine syllabic, as opposed to etymology-based, languages. For B), we have created a version of Patgen that uses the <a href="https://en.wikipedia.org/wiki/Judy_array"> Judy array</a> data structure and compared its effectiveness with the trie implementation. With the data from nine languages (Czech, Slovak, Georgian, Greek, Polish, Russian, Turkish, Turkmen, and Ukrainian) we showed that A) developing universal, up-to-date, high-coverage, and highly generalized universal syllabic segmentation patterns is possible, with high impact on virtually all typesetting engines, including web page renderers. B) bringing wide character support into the hyphenation part of the TeX suite of programs is possible by using the Judy array.

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

    S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2023

  • 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

    44

  • Číslo periodika v rámci svazku

    2

  • Stát vydavatele periodika

    US - Spojené státy americké

  • Počet stran výsledku

    8

  • Strana od-do

    289-296

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus