Google’s n-gram project brought rec

Google’s n-gram project brought recently big data benefits to several main world languages, like English, Chinese etc. Any
attempt to derive such systems, aimed to accelerate the development of NLP applications for world minority languages, in the manner in which it has been done in the project, encounters many obstacles. This paper presents an innovative and economic approach to large-scale n-gram system creation applied to the Croatian language case. Instead of using the Web as the world's biggest text repository, our process of n-gram collection relies on the Croatian academic online spellchecker Hascheck, a language service publicly available since 1993 and popular worldwide. The service has already processed a corpus whose size exceeds the size of the Croatian web-corpus created in recent years. Contrary to the Google n-gram systems, where cutoff criteria were applied, our n-gram filtering is based on dictionary criteria. This resulted in a system comparable in size to the largest ngram systems of today. Because of the reliance on a service in constant use, the Croatian n-gram system is a dynamic one, unique among the systems compared. The importance of having an n-gram infrastructure for rapid breakthroughs in new application areas is also exemplified in the paper.

ผลลัพธ์ (ไทย) 3:

โครงการ n-gram Google นำข้อมูลนี้ประโยชน์ใหญ่โลกภาษาหลักๆ เช่น อังกฤษ จีน ฯลฯ ใด ๆความพยายามที่จะสืบทอด
ระบบดังกล่าวมีวัตถุประสงค์เพื่อเร่งการพัฒนาโปรแกรมประยุกต์ NLP สำหรับโลกภาษาชนกลุ่มน้อยในลักษณะที่ได้รับการทำในโครงการ พบอุปสรรคมากมาย .บทความนี้นำเสนอวิธีการใหม่ และเศรษฐกิจขนาดใหญ่ n-gram การสร้างระบบที่ใช้กับ ภาษาไทย ภาษานี้ แทนการใช้เว็บเป็นที่เก็บข้อความที่ใหญ่ที่สุดของโลก กระบวนการของเรา n-gram คอลเลกชันอาศัยภาษาอังกฤษทางวิชาการออนไลน์เช็คคำสะกด hascheck , ภาษาบริการสาธารณชนตั้งแต่ปี 1993 และได้รับความนิยมทั่วโลกบริการได้แปรรูปเป็นคลังข้อมูลที่มีขนาดเกินกว่าขนาดของคลังข้อมูลภาษาไทยเว็บที่สร้างขึ้นในปีที่ผ่านมา ตรงข้ามกับ Google n-gram ระบบ ซึ่งเกณฑ์การใช้ของเรา n-gram การกรองตามเกณฑ์ที่พจนานุกรม นี้ส่งผลในระบบเทียบได้ในขนาดที่ใหญ่ที่สุด ngram ระบบวันนี้ เพราะความเชื่อมั่นในการให้บริการในการใช้ค่าคงที่โครเอเชีย n-gram ระบบเป็นแบบไดนามิกหนึ่งเฉพาะในระบบเปรียบเทียบ ความสำคัญของการมี n-gram โครงสร้างพื้นฐานอย่างรวดเร็ว นวัตกรรมในพื้นที่โปรแกรมใหม่เป็น exemplified ในกระดาษ