Wykorzystanie korpusów Ciągi znaków zamieniane są na wyrazy w oparciu o uprzednio zdefiniowane reguły. Problem jednak stanowią ciągi znaków o wielu interpretacjach, czyli homografy. W takim przypadku, nie znając kontekstu, dany ciąg znaków może być niepoprawnie zinterpretowany. Przykładowo, skrót p. może oznaczać zarówno pan, jak i patrz, a 10 08 94 może przedstawiać datę lub numer telefonu. W celu klasyfikacji takich ciągów znaków, wykorzystywane są drzewa decyzyjne budowane etapami: Wydobycie wszystkich wystąpień homografu z korpusu. Oznaczenie każdego wystąpienia jego klasą. Wydobycie wszystkich cech kontekstowych które zidentyfikują obecną klasę. Tworzenie drzewa klasyfikacji (albo listy decyzji) do klasyfikowania wystąpień.
Zastosowanie generowanie syntezy mowy, rozpoznawanie mowy, tłumaczenie automatyczne, optymalizacja baz danych, kompresja
Linki zewnętrzne
Przykład zastosowania normalizacji
Kategoria:DTP