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 | 327 |
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} |