Descriere:

Invenţia se referă la o metodă de restaurare automată a semnelor diacritice într-un corpus de text format din fişiere multiple, pus la dispoziţie de către utilizator, destinată a fi utilizată în domeniul sistemelor de procesare a limbajului natural. Metoda conform invenţiei constă în împărţirea automată a corpusului de text în secţiuni de calitate înaltă, respectiv, scăzută, folosind un prag fix de frecvenţă de apariţie a semnelor diacritice, şi în utilizarea secţiunilor de calitate înaltă, pentru antrenarea unui model probabilistic de limbă, folosit pentru restaurarea semnelor diacritice în secţiunile de calitate scăzută.