N-gramový jazykový model pro český spellchecker

• Název práce v češtině: N-gramový jazykový model pro český spellchecker
• Název v anglickém jazyce: N-gram language model for a Czech spellchecker
• Akademický rok vypsání: 2007/2008
• Typ práce: bakalářská práce
• Jazyk práce: čeština
• Ústav: Ústav formální a aplikované lingvistiky (32-UFAL)
• Vedoucí / školitel: Mgr. Bc. Pavel Straňák, Ph.D.
• Řešitel: skrytý - zadáno a potvrzeno stud. odd.
• Datum přihlášení: 10.12.2007
• Datum zadání: 29.01.2008
• Datum a čas obhajoby: 09.09.2008 00:00
• Datum odevzdání elektronické podoby: 09.09.2008
• Datum odevzdání tištěné podoby: 09.09.2008
• Datum proběhlé obhajoby: 09.09.2008
• Oponenti: doc. RNDr. Ondřej Bojar, Ph.D.

Zásady pro vypracování

Student má za úkol napsat rozšíření ke spellcheckeru, které dokáže najít překlepy, jež jsou zároveň platnými českými slovy. K tomuto úkolu bude použito n-gramového jazykového modelu češtiny, který student sám sestaví. Součástí práce bude i jednoduchá webová aplikace, která zkontroluje uživatelem vložený text pomocí spellcheckeru s naprogramovaným rozšířením.

Seznam odborné literatury

Kenneth Church; Ted Hart; Jianfeng Gao: Compressing Trigram Language Models With Golomb Coding (www.aclweb.org/anthology-new/D/D07/D07-1021.pdf)
- viz také "Bloomův Filter" pro efektivní reprezentaci velkých množin (článek na EMNLP 2007, CPAN)
Christopher D. Manning, Hinrich Schutze: Foundations of Statistical Natural Language Processing, MIT Press, 1999

Předběžná náplň práce

N-gramový jazykový model pro český spellchecker, který najde překlepy, jež jsou zároveň platnými českými slovy.

Předběžná náplň práce v anglickém jazyce

N-gram language model integrated into a spellchecker can identify spelling errors that result in correct words of a language.