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.tex327
1 files changed, 240 insertions, 87 deletions
diff --git a/Master/texmf-dist/doc/generic/dehyph-exptl/projektbeschreibung.tex b/Master/texmf-dist/doc/generic/dehyph-exptl/projektbeschreibung.tex
index 2ad43dfc0e9..22e0f21a3db 100644
--- a/Master/texmf-dist/doc/generic/dehyph-exptl/projektbeschreibung.tex
+++ b/Master/texmf-dist/doc/generic/dehyph-exptl/projektbeschreibung.tex
@@ -15,11 +15,14 @@
\renewcommand*{\ttdefault}{lmtt}
\usepackage{textcomp}
\linespread{1.05}
-\usepackage[expansion=true]{microtype}
+\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={},
@@ -44,6 +47,9 @@ desc={LaTeX-Quelltext der Datei \jobname.pdf}%
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}
@@ -57,6 +63,7 @@ desc={BibTeX-Quelltext der Datei \jobname.pdf}%
pdfauthor={Die deutschsprachige Trennmustermannschaft}
}
\hypersetup{
+ ngerman,% For \autoref.
pdfstartview={XYZ null null null},% Zoom factor is determined by viewer.
colorlinks,
linkcolor=RoyalBlue3,
@@ -69,8 +76,8 @@ desc={BibTeX-Quelltext der Datei \jobname.pdf}%
\setkomafont{section}{\Large}
\setkomafont{subsection}{\Large\itshape}
%%% Einige Makros für logische Auszeichnungen definieren.
-\newcommand*{\Abk}[1]{\textsc{#1}}
-\newcommand*{\Programm}[1]{\textsc{#1}}
+\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]{%
@@ -110,14 +117,15 @@ Back-end
\section{Ziele}
-Dieses Projekt beabsichtigt hochqualitative Wortlisten,
+\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)schweizerischer Besonderheiten abdecken. Grundlage sind die
-verbindlichen Regeln des Dudens in der Fassung von 1991 und die
-amtlichen Regeln für die Rechtschreibung der deutschen Sprache in der
-Fassung von 2006.~\cite{duden:1991, amtlRegeln:2006,
- amtlRegeln:2006:duden} Teil des Projekts ist eine Infrastruktur, die
+(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.
@@ -125,77 +133,215 @@ zugänglich gemacht werden.
\section{Wer wir sind}
-Die deutschsprachige Trennmustermannschaft setzt sich zur Zeit aus
-Leuten der Open"-Office-Gemeinde%
-\footnote{\url{http://de.openoffice.org/}} und Mitgliedern des
-Dante~e.\,V.%
-\footnote{Deutschsprachige Anwendervereinigung \TeX~e.\,V.,
- \url{http://www.dante.de/}} zusammen.
-
-Die Kommunikation läuft derzeit über die Gruppe
-\Programm{Trennmuster-Opensource} bei Google%
+\label{sec:wer}
+Anstoß für dieses Projekt war eine Reihe von Artikeln in der
+\emph{\TeX{}nischen Komödie}%
+\footnote{Vereinsschrift der \emph{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 läuft derzeit über die Gruppe
+\Programm{Trennmuster-Opensource} bei \Programm{Google}%
\footnote{\url{http://groups.google.de/group/trennmuster-opensource?hl=de}}%
+%
, das Projekt soll jedoch bei einem anderen Internetdienst zur
-Verwaltung von Softwareprojekten angemeldet werden.
+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. Bei Interesse oder mit Fragen wenden
+Sie sich bitte an die Projektliste.
-\section{Aufgaben}
+\section{Aufgabenliste}
+\label{sec:aufgabenliste}
Dieser Abschnitt enthält eine Zusammenstellung von anstehenden Aufgaben.
-Die Liste ist weder sortiert, noch vollständig.
+Die Liste ist weder sortiert noch vollständig. Die meisten Punkte
+bestehen nur als Idee und werden zur Zeit nicht aktiv bearbeitet.
-\subsection*{Arbeit an Trennmustern}
+\subsection{Wortlisten}
\begin{itemize}\raggedright
-\item Spezifikation und Gestaltung der Eingabemaske (Frontend)
-\item Spezifikation und Implementierung der Datenbankanbindung (Backend)
-\item Erweitern des Wortbestandes um Wörter aus geläufigen
- Sprachbereichen (Küche und Haushalt, Handwerk, Floristik, Märchen,
- deutsche Vor- und Nachnamen, Städte- und Flussnamen, römische Ziffern,
- etc.)
-\item Kontrolle von Rechtschreibung und Trennung des Wortbestands
-\item Prüfen, ob linguistische Besonderheiten der deutschen Sprache
- durch Startmuster in \Programm{Patgen} berücksichtigt werden können
- (häufige Vor- und Nachsilben wie -lich, -keit, -lein, etc.)
+
+\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 Markierung von Nottrennungen
+
+\item Behandlung von falschen Ligaturen
+
+\item Unterscheidung von Lang- und Rund-s für den Satz mit gebrochenen
+ Schriften
+
+\item verteilte Kontrolle von Rechtschreibung und Trennung des
+ Wortbestands
+
\end{itemize}
-\subsection*{Änderungen an \TeX}
+\subsection{Trennmuster}
\begin{itemize}\raggedright
-\item \TeX\ sollte Trennmuster dynamisch laden können, beispielsweise
- für fachspezifische Begriffe ($\Rightarrow$ Lua\TeX).
-\item Babel sollte einen Versionsmechanismus für die
- Trennmusteraktivierung anbieten, um in einem Dokument trotz
- weiterentwickelter Trennmuster umbruchtreuen Textsatz garantieren zu
- können ($\Rightarrow$ Paket \texttt{hyphsubst}).
-\item Haupt- und Nebentrennstellen sollten im Trennalgorithmus
- berücksichtigt werden.
+
+\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*{Sonstiges}
+\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[mehrere Trennmuster laden] Für einzelne Dokumente ist es
+ wünschenswert, fachspezifische Trennmuster verwenden zu können.
+ Allerdings können Trennmuster nur während der Formaterstellung geladen
+ werden. Einmal eingebundene Trennmuster sind somit immer im Format
+ vorhanden. Es wäre sinnvoll, Trennmuster auch dynamisch während der
+ Ausführung laden zu können. Wie wird mit kollidierenden Mustern
+ umgegangen? $\Rightarrow$ Lua\TeX
+
+\item[Trennstellengewichte] Trennstellen sollen gewichtet werden können
+ (z.\,B. Haupt-, Neben-, Nottrennungen).
+
+\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 der diese Fälle ohne Eingriffe im
+ Quelltext erkannt und richtig behandelt werden können: Mit
+ entsprechenden zusätzlichen Mustern werden während des Absatzumbruchs
+ \emph{verschiedene} Tries durchsucht und die notwendigen Ersetzungen
+ vorgenommen. $\Rightarrow$ Vorschlag für Lua\TeX-Entwickler
+ ausarbeiten
+
+\end{description}
+
+\subsection{Sonstige}
\begin{itemize}\raggedright
+
\item Umzug auf einen anderen Host (BerliOS, Sourceforge o.\,ä.)
+
\item Reservierung einer eigenen Domain
+
\end{itemize}
-Wer Interesse oder Ideen hat, wende sich bitte an die Gruppe.\newline
-\indent\emph{Dieses Projekt benötigt Deine Hilfe!}
+
+
+
+\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 & \ldots\\
- Wortformen & 420.000\\
+ Rechte & (\Abk{gpl} angestrebt)\\
+ Wortformen & 430\,000\\
Sortierkriterium & alphabetisch\\
Rechtschreibung & gut\\
Bemerkung & manuell gepflegt\\
Zugriff & \Programm{git}-Repositorium:\newline
- \textbullet\ \verb+git clone git://repo.or.cz/wortliste.git+\newline
- \textbullet\ \verb+git clone http://repo.or.cz/r/wortliste.git+ \\
- Stand & 29.\,3.\,2008\\
+ \verb+$git clone git://repo.or.cz/wortliste.git+\\
+ Stand & 15.\,6.\,2009\\
\addlinespace\bottomrule
\end{tabularx}
@@ -205,7 +351,7 @@ Wer Interesse oder Ideen hat, wende sich bitte an die Gruppe.\newline
\toprule\addlinespace Urheber & Liste des Wortschatzprojekts der Universität Leipzig%
\footnote{\url{http://wortschatz.uni-leipzig.de/}}\\
Rechte & \Abk{gpl}\\
- Wortformen & 2.000.000\\
+ Wortformen & 2\,000\,000\\
Sortierkriterium & Häufigkeit\\
Rechtschreibung & mangelhaft\\
Bemerkung & automatische Internetsuche (Datenbanken, Zeitungsarchive usw.)\\
@@ -221,7 +367,7 @@ Wer Interesse oder Ideen hat, wende sich bitte an die Gruppe.\newline
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\\
+ Wortformen & 4\,000\,000\\
Sortierkriterium & Häufigkeitsklassen\\
Rechtschreibung & mittel\\
Zugriff & nicht öffentlich\\
@@ -238,72 +384,79 @@ Wer Interesse oder Ideen hat, wende sich bitte an die Gruppe.\newline
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\\
+ Wortformen & 2\,000\,000\\
+ Sortierkriterium & \ldots\\
Rechtschreibung & \ldots\\
Bemerkung & repräsentativer Wortschatz der deutschen Sprache\\
Zugriff & derzeit nicht\\
- Stand & voraussichtlich 2008\\
+ 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. Das Paket \texttt{dehyph-exptl}
+ ist im \Abk{ctan} verfügbar.%
+ \footnote{Comprehensive \TeX\ Archive Network,
+ \url{http://ctan.tug.org/}}
+
+\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,escapechar=\$]
-git clone git://repo.or.cz/wortliste.git $\qquad\emph{oder}$
-git clone http://repo.or.cz/r/wortliste.git
+\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
+$git config --get core.DeltaBaseCacheLimit
+\end{lstlisting}
+Das letzte Kommando sollte nun den Wert \verb+64m+ zurückliefern.
+
Das Format der Datei \Datei{wortliste} ist in der Datei
\Datei{dateikopf} beschrieben. Im Repositorium sind auch einige
Skripten zur Bearbeitung der Wortliste enthalten. Aktualisiert wird die
Wortliste (das gesamte lokale Repositorium) mit
\begin{lstlisting}[style=shell]
-git pull
+$git pull
\end{lstlisting}
-\subsection{HTML-Frontend}
+\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}}
-\subsection{Trennmusterdateien}
-\begin{itemize}
-\item Die bisherigen Trennmusterdateien für die traditionelle und neue
- Rechtschreibung, die Dateien \Datei{dehypht.tex} und
- \Datei{dehyphn.tex}, können im \Abk{ctan}%
- \footnote{Comprehensive \TeX\ Archive Network,
- \url{http://ctan.tug.org/}}
-%
- bezogen werden. Sie sind \emph{nicht} im Zuge dieses Projekts
- entstanden.
-
-\item Das \LaTeX-Paket \texttt{dehyph-exptl} enthält Unterstützung für
- die experimentellen Trennmuster. Es kann zusammen mit den Paketen
- \texttt{Babel} und \texttt{hyphsubst} verwendet werden und ist im
- \Abk{ctan} verfügbar.
-
-\item Im Dateibereich der Google-Gruppe
- \Programm{Trennmuster-Opensource} sind aktuelle Trennmuster verfügbar,
- die aus Werner Lembergs Liste generiert wurden.%
- \footnote{\url{http://groups.google.de/group/trennmuster-opensource?hl=de}}
-\end{itemize}
-
-
-
-\section{Zeitplan}
-Es ist kein Ende abzusehen.
-
-
\raggedright
\bibliography{projektbeschreibung}