summaryrefslogtreecommitdiff
path: root/Master/texmf-dist/doc/generic/dehyph-exptl/projektbeschreibung.tex
diff options
context:
space:
mode:
Diffstat (limited to 'Master/texmf-dist/doc/generic/dehyph-exptl/projektbeschreibung.tex')
-rw-r--r--Master/texmf-dist/doc/generic/dehyph-exptl/projektbeschreibung.tex482
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: