Resumen

La generación de texto, en particular, la predicción de la siguiente palabra, es conveniente para los usuarios porque ayuda a escribir sin errores y más rápido. Por lo tanto, un sistema de predicción de texto personalizado es un tema de análisis vital para todos los idiomas, principalmente para el ucraniano, debido al soporte limitado de herramientas para el idioma ucraniano. Se eligieron LSTM y cadenas de Markov y su híbrido para la predicción de la siguiente palabra. Su naturaleza secuencial (la salida actual depende de la anterior) ayuda a enfrentar con éxito la tarea de predicción de la siguiente palabra. Las cadenas de Markov presentaron los resultados más rápidos y adecuados. El modelo híbrido presenta resultados adecuados pero funciona lentamente. Usando el modelo, el usuario puede generar no solo una palabra, sino también unas cuantas o una oración o varias oraciones, a diferencia de T9.

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Generación de texto; Predicción de la siguiente palabra; Personalizado; LSTM; Cadenas de Markov; Modelo híbrido
• Keywords:Text generation; Next-word prediction; Personalized; LSTM; Markov chains; Hybrid model