Generátor českého textu

Bc. Jiří Berka

Bachelor's thesis

Czech text generator

Anotácia:

Bakalářská práce se zabývá návrhem a implementací algoritmu, který bude sloužit jako generátor jazykově nezávislého, zároveň ale na češtinu orientovaného generátoru tzv. „dummy textu“ ― tj. textu vzdáleně připomínajícího text v přirozeném jazyce, který ale je ve skutečnosti generován počítačem. K tomuto účelu bude algoritmus využívat datové struktury sufixová pole, získané z uživatelem předloženého korpusu, a s ní spojeného pole hodnot nejdelšího společného prefixu. Pomocí těchto datových struktur algoritmus extrahuje z korpusu slovní n-gramy libovolné délky. Tyto n-gramy budou následně využity při generování textu.

Abstract:

Bachelor thesis deals with design and implementation of algorithm that will serve as language-independent but also czech-oriented generator of "dummy text" ― the text that remotely resembles the text in natural language, but which is in fact built by the computer. For this purpose algorithm will use data structure of suffix array obtained from user-provided corpus and closely connected array of longest common prefix values. Both data structures will help to extract arbitrarily long word n-grams from the corpus. Subsequently these n-grams will be used in generated text.

Kľúčové slová

generátor, dummy text, sufixové pole, nejdelší společný prefix, n-gram, suffix array, longest common prefix

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 3. 12. 2013

Obhajoba závěrečné práce

• Obhajoba proběhla 30. 1. 2014
• Vedúci: Mgr. et Mgr. Vít Baisa, Ph.D.

Masaryk University

Faculty of Arts

Bachelor programme / odbor:
Philology / Czech Language with Orientation on Computational Linguistics