Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: text filtering

Sortuj według:

Ogranicz wyniki do:

Noisy-parallel and comparable corpora filtering methodology for the extraction of bi-lingual equivalent data at sentence level

Wołk K.

Computer Science

2015

Vol. 16 (2)

169--184

Text alignment and text quality are critical to the accuracy of Machine Translation (MT) systems, some NLP tools, and any other text processing tasks requiring bilingual data. This research proposes a language-independent bisentence filtering approach based on Polish (not a position-sensitive language) to English experiments. This cleaning approach was developed on the TED Talks corpus and also initially tested on the Wikipedia comparable corpus, but it can be used for any text domain or language pair. The proposed approach implements various heuristics for sentence comparison. Some of the heuristics leverage synonyms as well as semantic and structural analysis of text as additional information. Minimization of data loss has been? ensured. An improvement in MT system scores with text processed using this tool is discussed.

Improving Burrows-Wheeler block sorting compression via text filtering

Grabowski S.

Zeszyty Naukowe. Elektryka / Politechnika Łódzka

2001

z. 95

5--16

Burrows-Wheeler block sorting algorithm is one of the most attractive lossless compression methods. In this paper we present several ideas attempting to improve text compression while retaining the speed. All of them are performed before actual coding in an independent preprocessing (filtering) phase which yields flexibility of the coder selection. Experiments with bzip, a well known block sorting implementation, indicate 2-4 per cent compression gains for typical English texts.

Algorytm Burrowsa-Wheelera jest jedną z najatrakcyjniejszych metod kompresji bezstratnej. W pracy przedstawiamy szereg idei mających na celu poprawę kompresji tekstu przy zachowaniu szybkości algorytmu. Wszystkie usprawnienia są transformacjami (filtrami) na oryginalnych danych, przeprowadzanymi przed zasadniczym kodowaniem. Umożliwia to swobodny wybór kodera. Eksperymenty z bzip, znaną implementacją algorytmu Burrowsa-Wheelera, wskazują na 2-4-procentową poprawę kompresji typowych tekstów w języku angielskim.