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%3A00132504" target="_blank" >RIV/00216224:14330/23:00132504 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://doi.org/10.5300/2023-3-4/125" target="_blank" >https://doi.org/10.5300/2023-3-4/125</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.5300/2023-3-4/125" target="_blank" >10.5300/2023-3-4/125</a>

Alternativní jazyky

  • Jazyk výsledku

    čeština

  • 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 remains 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. <p> As language switching is often not marked in rendered texts, the typesetting engine needs <i>universal syllabic segmentation</i>. In this article, we show the feasibility of this idea by offering a prototype solution to two main problems:<br /> A) Using <tt>Patgen</tt> to generate patterns for several languages at once; and<br /> B) lack of Unicode support in tools like <tt>Patgen</tt> or TeX (patterns in UTF-16 encoding) is missing. </p> <p> For A), we have applied it to generating universal syllabic patterns from wordlists of nine syllabic, as opposed to etymology-based, languages (namely, Czech, Slovak, Georgian, Greek, Polish, Russian, Turkish, Turkmen, and Ukrainian).<br /> For B), we have created a version of <tt>Patgen</tt> 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. </p> <p> With the data from these nine languages, we show that:<br /> A) developing universal, up-to-date, high-coverage, and highly generalized universal syllabic segmentation patterns is possible, with a high impact on virtually all typesetting engines, including web page renderers; and<br /> B) bringing wide character support into the hyphenation part of the TeX suite of programs is possible by using Judy arrays.</p>

  • Název v anglickém jazyce

    A Roadmap for Universal Syllabic Segmentation

  • Popis výsledku anglicky

    Space- and time-effective segmentation (word hyphenation) of natural languages remains 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. <p> As language switching is often not marked in rendered texts, the typesetting engine needs <i>universal syllabic segmentation</i>. In this article, we show the feasibility of this idea by offering a prototype solution to two main problems:<br /> A) Using <tt>Patgen</tt> to generate patterns for several languages at once; and<br /> B) lack of Unicode support in tools like <tt>Patgen</tt> or TeX (patterns in UTF-16 encoding) is missing. </p> <p> For A), we have applied it to generating universal syllabic patterns from wordlists of nine syllabic, as opposed to etymology-based, languages (namely, Czech, Slovak, Georgian, Greek, Polish, Russian, Turkish, Turkmen, and Ukrainian).<br /> For B), we have created a version of <tt>Patgen</tt> 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. </p> <p> With the data from these nine languages, we show that:<br /> A) developing universal, up-to-date, high-coverage, and highly generalized universal syllabic segmentation patterns is possible, with a high impact on virtually all typesetting engines, including web page renderers; and<br /> B) bringing wide character support into the hyphenation part of the TeX suite of programs is possible by using Judy arrays.</p>

Klasifikace

  • Druh

    J<sub>ost</sub> - Ostatní články v recenzovaných periodicích

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

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

    Zpravodaj CSTUG

  • ISSN

    1211-6661

  • e-ISSN

    1213-8185

  • Svazek periodika

    33

  • Číslo periodika v rámci svazku

    3-4

  • Stát vydavatele periodika

    CZ - Česká republika

  • Počet stran výsledku

    14

  • Strana od-do

    125-138

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus