Bakalářská práce

Efficient Hyphenation Pattern Generation of Slavic Languages

František Hůlka
Anotace

Kvalita dělení v digitální typografii značně záleží na těchto faktorech: kvalita vstupních dat, ladění parametrů generování vzorů, správná anotace výsledku a počet iterací celého procesu. V naší práci využíváme podobnosti v pravidle slabičného dělení napříč slovanskými jazyky ke zjednodušení, automatizaci a dokumentaci celého procesu tak, aby v budoucnu bylo co nejsnazší vytvořit nové vzory pro jakýkoliv …více

Abstract

The quality of pattern-based hyphenation depends heavily on several factors: the quality of the input data, careful tuning of pattern parameters, correct annotation of the results, and the number of iterations of the whole process. With this work, we exploit the similarities in syllabification rules across Slavic languages to simplify, automate, and document the entire process, making it as easy as …více

Klíčová slova
patterns hyphenation patgen benchmarks explainable AI LaTeX TeX
Zadání práce
Familiarize yourself with available software resources for developing hyphenation patterns and generation of the patterns with the patgen program.
Propose and by following the example of Czechoslovakian patterns development and further optimization by Gaussian process, develop patterns for Ukrainian using machine learning and bootstrapping techniques. Use the provided data and scripts of the hyph-bench repository and extend, refine and evaluate datasets of the chosen language(s). Generalize and document the resulting pattern development proces with Gaussian process optimization as best practice for further use with other Slavic languages such as Russian or Polish.

Resulting published scripts and datasets will be reproducible under the open licenses MIT or LPPL 1.3c.
Administrativní informace
Práce zkontrolována:
22. 5. 2026 02:30, doc. RNDr. Petr Sojka, Ph.D., učo 2378
Plný text práce
1,1 MB / soubor PDF
Přílohy (1)
Jazyk práce
angličtina angličtina
Termín obhajoby
26. 6. 2026
Práce byla úspěšně obhájena

Vedoucí

doc. RNDr. Petr Sojka, Ph.D., učo 2378
KVI FI MU

Oponenti

Mgr. Markéta Barać Makarová, učo 468063
HEALTH FSpS MU
Boris Veytsman, Ph.D.
George Mason University

Konzultant

Bc. Ondřej Sojka
abs FI MU

Literatura

  • SOJKA, Petr. Notes on Compound Word Hyphenation in TeX. TUGboat : The Communications of the TeX Users Group. San Francisco: TeX Users Group, 1995, roč. 16, č. 3, s. 290-297. ISSN 0896-3207.
  • SOJKA, Petr. Hyphenation on Demand. TUGboat : The Communications of the TeX Users Group. San Francisco: TeX Users Group, Portland, Oregon, USA, 1999, roč. 20, č. 3, s. 241-247. ISSN 0896-3207.
  • SOJKA, Petr a Ondřej SOJKA. Towards Universal Hyphenation Patterns. In Aleš Horák, Pavel Rychlý, Adam Rambousek. Proceedings of the Thirteenth Workshop on Recent Advances in Slavonic Natural Language Processing, RASLAN 2019. Brno: Tribun EU, 2019, s. 63-68. ISBN 978-80-263-1517-9.
  • SOJKA, Petr a Ondřej SOJKA. New Czechoslovak Hyphenation Patterns, Word Lists, and Workflow. TUGboat: The Communications of the TeX Users Group. San Francisco, USA: TUG, 2021, roč. 42, č. 2, s. 152-158. ISSN 0896-3207. Dostupné z: https://doi.org/10.47397/tb/42-2/tb131sojka-czech.
  • SOJKA, Petr a Ondřej SOJKA. Towards New Czechoslovak Hyphenation Patterns. Zpravodaj CSTUG. Brno: CSTUG, 2020, roč. 30, 3-4, s. 118-126. ISSN 1211-6661. Dostupné z: https://doi.org/10.5300/2020-3-4/118.
  • SOJKA, Ondřej. Expanding hyphenation patterns across Slavic languages. TUGboat : The Communications of the TeX Users Group. San Francisco: TeX Users Group, 2024, roč. 2024, č. 2, s. 268-270, 292 s. ISSN 0896-3207. Dostupné z: https://doi.org/10.47397/tb/45-2/tb140sojka-slavic.
  • SOJKA, Ondřej. Expanding Hyphenation Patterns Across Slavic Languages. In TUG 2024. 2024.
  • METELKA, Ondřej a Petr SOJKA. Hyph-bench: Benchmark Dataset of Hyphenated Words for Generating Hyphenation Patterns. Online. In A. Horák, P. Rychlý, A. Rambousek (eds.). Recent Advances in Slavonic Natural Language Processing, RASLAN 2025. Brno, Czech Republic: Tribun EU, 2025, s. 173-185. ISBN 978-80-263-1858-3.
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Plán
Programování a vývoj aplikací

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.