diff options
Diffstat (limited to 'Master/texmf-dist/doc/generic/dehyph-exptl/projektbeschreibung.tex')
-rw-r--r-- | Master/texmf-dist/doc/generic/dehyph-exptl/projektbeschreibung.tex | 482 |
1 files changed, 0 insertions, 482 deletions
diff --git a/Master/texmf-dist/doc/generic/dehyph-exptl/projektbeschreibung.tex b/Master/texmf-dist/doc/generic/dehyph-exptl/projektbeschreibung.tex deleted file mode 100644 index d58e9dfacb8..00000000000 --- a/Master/texmf-dist/doc/generic/dehyph-exptl/projektbeschreibung.tex +++ /dev/null @@ -1,482 +0,0 @@ -%%% Artikelklasse mit -%%% * Grundschriftgröße 11 Punkt, -%%% * klassischem Satzspiegel, -%%% * flachem Inhaltsverzeichnis. -\documentclass[11pt,DIV9,tocleft]{scrartcl} -%%% Eingabekodierung ist ISO-8859-15. -\usepackage[ansinew]{inputenc} -%%% Schrifteinstellung. -%%% * Grundschrift Palatino, -%%% * Akzidenzschrift Bera Sans, -%%% * Schreibmaschinenschrift Latin Modern Typewriter. -\usepackage[T1]{fontenc} -\usepackage[osf]{mathpazo} -\usepackage[scaled]{berasans} -\renewcommand*{\ttdefault}{lmtt} -\usepackage{textcomp} -\linespread{1.05} -\usepackage[expansion=true, letterspace=80]{microtype} -%%% Lade einige Pakete. -\usepackage{multicol} -\usepackage{tabularx} -\usepackage{booktabs} -\newcolumntype{L}{>{\raggedright\arraybackslash}X} -\usepackage{soul} -\setul{}{.2ex} -\usepackage{listings} -\lstloadlanguages{[LaTeX]TeX, sh} -\lstset{basicstyle=\ttfamily, keywordstyle={}, commentstyle={}, - columns=flexible, showspaces=false, showstringspaces=false, -% aboveskip=12pt, belowskip=12pt, frame=tb, -% framesep=8pt, framerule=2pt, - xleftmargin=6pt, xrightmargin=6pt, -% framexleftmargin=6pt, framexrightmargin=6pt -} -\lstdefinestyle{LaTeX}{language=[LaTeX]TeX, basicstyle=\ttfamily, - keywordstyle={}, commentstyle={\itshape}} -\lstdefinestyle{shell}{language=sh, basicstyle=\ttfamily, - keywordstyle={}, commentstyle={\itshape}} -\newcolumntype{L}{>{\raggedright\arraybackslash}X} -%%% Bette Quellkode in PDF-Ausgabe ein. -\usepackage{embedfile} -\embedfile[% -mimetype=plain/text,% -desc={LaTeX-Quelltext der Datei \jobname.pdf}% -]{\jobname.tex} -\embedfile[% -mimetype=plain/text,% -desc={BibTeX-Quelltext der Datei \jobname.pdf}% -]{\jobname.bib} -%%% Literaturverweise in runden Klammern mit Semikolon als Trenner. -% \usepackage[round,semicolon]{natbib} -% \renewcommand*{\bibnumfmt}[1]{(#1)} -%%% Literaturverzeichnis mit Sprachunterstützung. -\usepackage[fixlanguage]{babelbib} -\bibliographystyle{babalpha} -%%% Babelbib fordert trotz fixlanguage zuviele Sprachen an. -\usepackage[english, german, ngerman]{babel} -%%% Einstellungen für interaktive PDF-Dokumente. -\usepackage[rgb,x11names]{xcolor} -\usepackage{hyperref} -\hypersetup{ - pdftitle={Freie Wortlisten und Trennmuster für die deutsche Sprache}, - pdfauthor={Die deutschsprachige Trennmustermannschaft} -} -\hypersetup{ - ngerman,% For \autoref. - pdfstartview={XYZ null null null},% Zoom factor is determined by viewer. - colorlinks, - linkcolor=RoyalBlue3, - urlcolor=Chocolate4, - citecolor=DeepPink2 -} -%%% Schriftfestlegungen. -\setkomafont{title}{\normalcolor\normalfont} -\setkomafont{sectioning}{\normalcolor\normalfont} -\setkomafont{section}{\Large} -\setkomafont{subsection}{\Large\itshape} -%%% Einige Makros für logische Auszeichnungen definieren. -\newcommand*{\Abk}[1]{\mbox{\textsc{\lsstyle#1}}} -\newcommand*{\Programm}[1]{\textsc{\lsstyle#1}} -\newcommand*{\Datei}[1]{\texttt{#1}} -%%% Randnotiz am linken Rand. -\newcommand{\lrand}[1]{% - \mbox{}% - \marginpar{% - \hspace*{-2\marginparsep}% - \hspace*{-\textwidth}% - \hspace*{-\marginparwidth}% - \parbox[t]{\marginparwidth}{% - \raggedright% - \small% - \sffamily% - \bfseries% - #1% - }% - }% - \ignorespaces% -} -%%% Satzspiegel erneut berechnen. -\typearea{last} -%%% Trennausnahmen definieren. -\hyphenation{ -Back-end Soft-ware-pro-jek-ten -} - -\begin{document} -%%% Dokumenttitel. -\author{Die deutschsprachige Trennmustermannschaft} -\title{Freie Wortlisten und Trennmuster\linebreak[1] für die deutsche Sprache} -\subtitle{\bigskip Eine kurze Projektbeschreibung} -\maketitle -%%% Zweispaltiges Inhaltsverzeichnis. -\begin{multicols}{2} -\tableofcontents -\end{multicols} - - - -\section{Ziele} -\label{sec:ziele} -Dieses Projekt beabsichtigt, hochqualitative Wortlisten, -Trennmuster~\cite{liang:1983} und Ausnahmelisten für die deutsche -Sprache zu schaffen, die auch österreichische und -(deutsch)schweizerische Besonderheiten abdecken. Grundlage sind die -verbindlichen Regeln des Dudens in der Fassung von -1991~\cite{duden:1991} und die amtlichen Regeln für die Rechtschreibung -der deutschen Sprache in der Fassung von 2006~\cite{amtlRegeln:2006, - amtlRegeln:2006:duden}. Teil des Projekts ist eine Infrastruktur, die -die Kontrolle der Listen in verteilter Arbeit ermöglicht. Wortlisten, -Trennmuster und Ausnahmelisten sollen unter freien Lizenzen jedermann -zugänglich gemacht werden. - - - -\section{Wer wir sind} -\label{sec:wer} -Anstoß für dieses Projekt war eine Reihe von Artikeln in der -\emph{\TeX{}nischen Komödie}% -\footnote{Vereinsschrift der Deutschsprachigen Anwendervereinigung \TeX\ - (\textls{DANTE}~e.\,V.), \url{http://www.dante.de/}}% -% -, die sich mit den herkömmlichen Trennmustern für die deutsche Sprache -auseinandersetzen~\cite{lemberg:2003, lemberg:2005, hennig:2008}. - -Die deutschsprachige Trennmustermannschaft ist eine offene Gruppe und -setzt sich zur Zeit aus Mitgliedern des \textls{DANTE}~e.\,V. sowie -Anwendern der Programme \TeX\ und \Programm{OpenOffice}% -\footnote{\url{http://de.openoffice.org/}} -% -zusammen. Die Kommunikation findet derzeit auf der Mailingliste der -\Programm{Google}-Gruppe \Programm{Trennmuster-Opensource}% -\footnote{\url{https://groups.google.com/forum/\#!forum/trennmuster-opensource}} -% -statt; das Projekt soll jedoch bei einem anderen Internetdienst zur -Verwaltung von Softwareprojekten angemeldet werden. Ersatzweise kann -für die Diskussion auch die Newsgruppe \Datei{de.comp.text.tex} genutzt -werden. - -Wir benötigen dringend weitere Mithilfe. Informationen dazu können der -Dokumentation des \TeX-Pakets \texttt{dehyph-exptl} oder der folgenden -Aufgabenliste entnommen werden. - - -\section{Aufgabenliste} -\label{sec:aufgabenliste} -Dieser Abschnitt enthält eine Zusammenstellung von anstehenden Aufgaben. -Die Liste ist weder sortiert noch vollständig. Die meisten Punkte -bestehen nur als Idee und werden zur Zeit nicht aktiv bearbeitet. - -\subsection{Allgemein} -\begin{itemize}\raggedright - -\item Aufbau und Pflege des Trennmuster-Wikis% - \footnote{\url{http://projekte.dante.de/Trennmuster/WebHome}} - -\item Umzug der Mailing-Liste auf einen anderen Host (BerliOS, - Sourceforge o.\,ä.) - -\item Reservierung einer eigenen Domain - -\end{itemize} - -\subsection{Wortlisten} -\begin{itemize}\raggedright - -\item Spezifikation und Implementierung der Datenbankanbindung - (Wortliste~v2.0, Backend) - -\item Spezifikation und Gestaltung der \Abk{html}-Maske zur verteilten - Kontrolle der Wortliste (Frontend) - -\item systematische Erweiterung der Hauptwortliste: - \begin{itemize} - \item um Wörter aus einer nach Häufigkeiten sortierten Liste (Quellen - sind vorhanden, siehe \autoref{sec:ressourcen}), - \item um Wörter aus geläufigen Sprachbereichen (Quellen werden - benötigt): - \begin{multicols}{2}\raggedcolumns - \begin{itemize} - \item Küche und Haushalt, - \item Flora und Fauna, - \item Handwerk, Politik, Sport, - \item (alte) Literatur: Märchen, Liedtexte, - \item deutsche Vor- und Nachnamen, - \item Städte- und Flussnamen, - \item \st{Zahlwörter und römische Zahlen}, - \item \ldots - \end{itemize} - \end{multicols} - \end{itemize} - -\item Erstellen von Wortlisten für fachspezifische Trennmuster (Quellen - werden benötigt): - \begin{multicols}{2}\raggedcolumns - \begin{itemize} - \item Naturwissenschaft und Technik, - \item Sprachwissenschaften, - \item Geschichte und Religion, - \item Medizin, - \item Jura, - \item Kunst, - \item \ldots - \end{itemize} - \end{multicols} - -\item Gewichtung der Trennstellen - -\item Markieren von falschen/""richtigen Ligaturen - -\item Unterscheidung von Lang- und Rund-s für den Satz mit gebrochenen - Schriften - -\item Erstellen von Trennmustern unterschiedlicher Trennpriorität, für - die Erkennung von Sondertrennungen (ck- und Dreikonsonantenregel), - Ligaturen und die Behandlung des Rund-s - -\item verteilte Kontrolle von Rechtschreibung und Trennung des - Wortbestands - -\end{itemize} - -\subsection{Trennmuster} -\begin{itemize}\raggedright - -\item Können Strukturen der deutschen Sprache durch Startmuster in - \Programm{Patgen} berücksichtigt werden, zum Beispiel häufige Vor- und - Nachsilben wie \emph{auf-}, \emph{aus-}, \emph{ver-}, \emph{-keit}, - \emph{-lich}, \emph{-lein}, etc.? - -\end{itemize} - -\subsection{\TeX} -\begin{description}\raggedright - -\item[Sprachanbindung] Die Trennmuster für Schweizer Standarddeutsch - (traditionelle Rechtschreibung) benötigen eine Sprachanbindung für - \texttt{Babel} und \texttt{Polyglossia}. - -\item[Versionierung der Trennmuster] In Dokumenten muss trotz - weiterentwickelter Trennmuster langfristig umbruchtreuer Textsatz - garantiert werden können. Daher benötigt \TeX{}s - Sprachenschnittstelle (Pakete \texttt{Babel} bzw. - \texttt{Polyglossia}) einen Versionsmechanismus für die - Trennmusteraktivierung. $\Rightarrow$ Paket \texttt{hyphsubst} - -\item[Verallgemeinerung des Trennalgorithmus] Derzeit benötigen - \TeX-Quelltexte in deutscher Sprache verschiedene Auszeichnungen: - - \begin{tabularx}{\linewidth}{lL} - \lstinline[style=LaTeX]+\\/ \"|+ & zur Korrektur falscher Ligaturen - (\lstinline[style=LaTeX]+Auf\"|lage+) \\ - \lstinline[style=LaTeX]+s:+ \emph{u.\,a.} & zur Unterscheidung von - langem und rundem~\emph{s} in gebrochenen Schriften - (\lstinline[style=LaTeX]+aus:setzen+) \\ - \lstinline[style=LaTeX]+\"ck+ & für die richtige Trennung von - \emph{ck} in der traditionellen Rechtschreibung - (\lstinline[style=LaTeX]+dru\"cken+) \\ - \lstinline[style=LaTeX]+\"ff \"ll+ \emph{u.\,a.} & für die richtige - Trennung von Dreifachkonsonanten mit folgendem Vokal in der - traditionellen Rechtschreibung - (\lstinline[style=LaTeX]+Meta\"llegierung+) \\ - \end{tabularx} - - Für die Dokumentenerstellung mit \TeX\ ergeben sich dadurch die - folgenden Nachteile: - \begin{enumerate} - \item Alle genannten Eingriffe beeinflussen die Worttrennung in den - übrigen Wortteilen. - \item Das Anbringen der Auszeichnung von Hand erfordert zusätzlichen - Aufwand und ist fehleranfällig. - \item Physische Auszeichnung erschwert den Wechsel zwischen - gebrochener und runder Schrift. - \item Physische Auszeichnung erschwert den Wechsel zwischen - traditioneller und reformierter Rechtschreibung. - \end{enumerate} - Idealerweise sollte ein Quelltext möglichst wenige physische - Auszeichnungen enthalten. - - Es handelt sich hier um ein Mustererkennungsproblem ähnlich der - Worttrennung. Denkbar ist eine Verallgemeinerung des - Silbentrennalgorithmus, mit welcher diese Fälle ohne Eingriffe im - Quelltext erkannt und richtig behandelt werden können: Während des - Absatzumbruchs werden mehrere Tries mit entsprechenden zusätzlichen - Mustern durchsucht. Je nachdem von welchen Mustern die einzelnen - Trennstellen erfasst werden, erhalten diese unterschiedliche - Gewichte.% - \footnote{\url{http://tracker.luatex.org/view.php?id=168}} - -\end{description} - - - -\section{Zeitplan} -\label{sec:zeitplan} -Kurzfristig steht die Verbesserung der in \TeX\ und -\Programm{OpenOffice} verwendeten Trennmuster im Vordergrund. - -Die Pflege der Wortlisten und Trennmuster ist jedoch ein -Langzeitprojekt. Die verwendeten Werkzeuge und Listen sind daher gut zu -dokumentieren. - - - -\section{Ressourcen} -\label{sec:ressourcen} -\subsection{Auf welche Wortlisten können wir zurückgreifen?} - -\lrand{\medskip Lembergs Liste} -\begin{tabularx}{\linewidth}[t]{lL} - \toprule\addlinespace - Urheber & Werner Lemberg\\ - Rechte & (\Abk{gpl} angestrebt)\\ - Wortformen & 430\,000\\ - Sortierkriterium & alphabetisch\\ - Rechtschreibung & gut\\ - Bemerkung & manuell gepflegt\\ - Zugriff & \Programm{git}-Repositorium:\newline - \verb+$git clone git://repo.or.cz/wortliste.git+\\ - Stand & 15.\,6.\,2009\\ - \addlinespace\bottomrule -\end{tabularx} - -\bigskip\bigskip -\noindent\lrand{\medskip Leipziger Liste} -\begin{tabularx}{\linewidth}[t]{lL} - \toprule\addlinespace Urheber & Liste des Wortschatzprojekts der Universität Leipzig% - \footnote{\url{http://wortschatz.uni-leipzig.de/}}\\ - Rechte & \Abk{gpl}\\ - Wortformen & 2\,000\,000\\ - Sortierkriterium & Häufigkeit\\ - Rechtschreibung & mangelhaft\\ - Bemerkung & automatische Internetsuche (Datenbanken, Zeitungsarchive usw.)\\ - Zugriff & \ldots\\ - Stand & 28.\,3.\,2008\\ - \addlinespace\bottomrule -\end{tabularx} - -\bigskip\bigskip -\noindent\lrand{\medskip Mannheimer Liste} -\begin{tabularx}{\linewidth}[t]{lL} - \toprule\addlinespace - Urheber & Korpus des Instituts für Deutsche Sprache (\Abk{ids})% - \footnote{\url{http://www.ids-mannheim.de/kl/}}\\ - Rechte & ">Darf in ihrer Gesamtheit -- wie vereinbart -- nicht veröffentlicht oder an Dritte weitergegeben werden."< Abgeleitete Werke können nach unserer Wahl behandelt werden.\\ - Wortformen & 4\,000\,000\\ - Sortierkriterium & Häufigkeitsklassen\\ - Rechtschreibung & mittel\\ - Zugriff & nicht öffentlich\\ - Stand & 9.\,10.\,2007\\ - \addlinespace\bottomrule -\end{tabularx} - -\bigskip\bigskip -\noindent\lrand{\medskip Google-Books-Korpus} -\begin{tabularx}{\linewidth}[t]{lL} - \toprule\addlinespace - Urheber & Google\\ - Rechte & Creative Commons Attribution 3.0 Unported% - \footnote{\url{http://creativecommons.org/licenses/by/3.0/}}\\ - Wortformen & 3\,200\,000\\ - Sortierkriterium & Häufigkeit\\ - Rechtschreibung & mit typischen OCR-Fehlern\\ - Zugriff & googlebooks-ger-all-20090715, - \url{http://ngrams.googlelabs.com/datasets}\\ - Stand & 1.\,7.\,2011\\ - \addlinespace\bottomrule -\end{tabularx} - -\subsection{Welche Listen haben wir in Aussicht?} - -\lrand{\medskip Berliner Liste} -\begin{tabularx}{\linewidth}[t]{lL} - \toprule\addlinespace - Urheber & Kernkorpus des Projekts Digitales Wörterbuch der Deutschen Sprache (\Abk{dwds})% - \footnote{\url{http://www.dwdscorpus.de/}}\\ - Rechte & \ldots\\ - Wortformen & 2\,000\,000\\ - Sortierkriterium & \ldots\\ - Rechtschreibung & \ldots\\ - Bemerkung & repräsentativer Wortschatz der deutschen Sprache\\ - Zugriff & derzeit nicht\\ - Stand & Juni 2009\\ - \addlinespace\bottomrule -\end{tabularx} - - - -\section{Bisherige Ergebnisse} -\label{sec:ergebnisse} -\subsection{Trennmuster} -\begin{itemize} -\item Das \LaTeX-Paket \texttt{dehyph-exptl} enthält die aktuellen - experimentellen Trennmuster, die aus Werner Lembergs Liste generiert - wurden. Diese können zusammen mit den Paketen \texttt{Babel} und - \texttt{hyphsubst} verwendet werden. Die aktuelle sowie ältere - Versionen des Pakets \texttt{dehyph-exptl} sind im Dateibereich des - Trennmuster-Wikis verfügbar.% - \footnote{\url{http://projekte.dante.de/Trennmuster/WebHome}} - -\item Die bisherigen Trennmusterdateien für die traditionelle und - reformierte Rechtschreibung, die Dateien \Datei{dehypht.tex} und - \Datei{dehyphn.tex}, können im \Abk{ctan} bezogen werden. Sie sind - \emph{nicht} im Zuge dieses Projekts entstanden. - -\item Die Ausnahmedatei \texttt{dehyphtex.tex} für die traditionellen - deutschen Trennmuster ist im \Abk{ctan} verfügbar. -\end{itemize} - -\subsection{Wortlisten} -Die von Werner Lemberg erstellte und kontrollierte Liste steht im -öffentlich zugänglichen Entwicklerrepositorium.% -\footnote{\url{http://repo.or.cz/w/wortliste.git}} -% -Eine Kopie kann mit -\begin{lstlisting}[style=shell] -$git clone git://repo.or.cz/wortliste.git -\end{lstlisting} -bezogen werden.% -\footnote{\url{http://repo.or.cz/}} - -Für den Zugriff auf dieses Repositorium sollte \Programm{Git}~1.5.6.5 -oder jünger verwendet werden. Ältere Versionen enthalten einen Fehler -im Netzwerkzugriff, der dazu führt, dass statt eines Satzes von -Änderungen häufig die komplette Wortliste übertragen wird. - -Außerdem sollte für einen reibungslosen Betrieb nach dem Klonen dieses -Repositoriums die Konfigurationsvariable \verb+core.DeltaBaseCacheLimit+ -vom Standardwert 16\,MB auf mindestens 64\,MB erhöht werden. Mit -älteren \Programm{Git}-Versionen können auch deutlich höhere Werte -sinnvoll sein. Die Konfiguration kann beispielhaft so erfolgen: -\begin{lstlisting}[style=shell] -$git config core.DeltaBaseCacheLimit 64m -$git config --get core.DeltaBaseCacheLimit -\end{lstlisting} -Das letzte Kommando sollte nun den Wert \verb+64m+ zurückliefern. - -Das Format der Datei \Datei{wortliste} ist in der Datei -\Datei{dateikopf} beschrieben. Im Repositorium sind auch einige -Skripten zur Bearbeitung der Wortliste enthalten. Aktualisiert wird die -Wortliste (das gesamte lokale Repositorium) mit -\begin{lstlisting}[style=shell] -$git pull -\end{lstlisting} - -\subsection{\Abk{html}-Prüfmaske} -Es existiert ein Entwurf für eine interaktive Maske zur Kontrolle der -Rechtschreibung von Wortlisten und der Eingabe korrekter Trennungen.% -\footnote{\url{http://www.mnn.ch/opendehyph/index.php}} - - -\raggedright -\bibliography{projektbeschreibung} - - -\end{document} - -%%% Local Variables: -%%% mode: latex -%%% TeX-PDF-mode: t -%%% TeX-master: t -%%% coding: iso-8859-15 -%%% End: |