統一碼定序演算法(英語:Unicode collation algorithm,縮寫:UCA)是統一碼技术报告 #10 中定义的一种算法,它是一种可自定义的方法。對任何以統一碼表示的字符串文本,不論是使用哪種文字和语言,都可為其生成二进制键。這些鍵可以逐字节且有效地比對,從而可以根據語言規則為他們定序或排序。這個過程中,還提供可以忽略大小写、重音等的选项。 統一碼技术报告 #10 还定義了默认統一碼定序元素表(英語:Default Unicode Collation Element Table,縮寫:DUCET)。此文件定義了預設的排列顺序。 DUCET 可针对不同语言进行定制。可以在通用當地數據儲存庫(英語:Common Locale Data Repository,縮寫:CLDR)中找到一些此类自定义。 國際統一碼部件(ICU)中包含了 UCA 的开源實作件。 ICU 支持裁剪,来自 CLDR 的整理裁剪包含在 ICU 中。剪裁效果和许多语言特定的剪裁效果显示在在线ICU 区域设置浏览器中。
Abstract from DBpedia / Wikipedia · CC BY-SA
Discovered by embedding cosine similarity (sentence-transformers MiniLM, 384-dim).