Lynkeus: Eine Software zum Auffinden inhaltlicher Parallelstellen zu einem gegebenen griechischen Text
- Die Behandlung des Artikels ist entscheidend! Flag für die semantische
Beachtung von ἕν und τὸ ἕν
- Ngramme?
Vor dem Start von Lynkeus müssen vom Benutzer die folgenden Suchparameter festgelegt werden:
Für die Suchart wären folgende Modi anzudenken:
Findet nur Stellen, an denen dieselbe Form vorkommt. (Nachzudenken
wäre darüber diese Form leicht zu normalisieren, d.h. Elisionen und
Apokope möglich zu machen, indem man den ersten und letzten Buchstaben
optional macht, also etwa mit .?.+.?.)
Findet Stellen, an denen eine in der TLG-Wordlist belegte Form des Wortes vorkommt.
Findet Stellen, an denen in den Synonymlisten aufgeführte Wörter vorkommen.
Findet Stellen, an denen semantisch relevante Wörter vorkommen, die häufig in Verbindung mit den gesuchten Wörtern auftreten.
-p kann zusätzlich einen Wert zu sich nehmen, der bestimmt, in welchem Kontext benachbarte Begriffe besucht werden. Dieser kann folgende Werte haben:
- Eine beliebige Zahl (D): Anzahl der Worte vor und nach dem Treffer, die in Betracht zu ziehen sind.
- Paragraph (P): Der ganze umgebende Paragraph.
- Satz (.): Der aktuelle Satz (.;).
- Kolon (·): Das aktulle Kolon (.;·).
- Komma (,): Das aktuelle Komma (.;·,)
Schauen müsste man hier, wie genau der Status der Anführungszeichen sowie weiterer Interpunktionssymbole ist.
Eine Suche nach lateinischen Parallelstellen lässt sich umsetzen, wenn wir über ein digitales Griechisch-Lateinisches Wörterbuch verfügen, in dem die Begriffe nachgeschlagen werden und dann im PHI gesucht werden: Durch diesen Ansatz ist eine suche nach Lateinische Parallelstellen immer schon auch eine Synoymensuche.
Eine Suche nach lateinischen Parallelstellen + benachbarten Termini. Diese ist wohl eher so umzusetzen, dass -L lateinische Übersetzungen zum gesuchten Terminus sucht und -p dann Begriffe, die in der Nähe zu diesen Termini stehen
Legt die Länge der Parallelstelle fest, innerhalb der die gesuchten Begriffe vorkommen müssen. Diese Werte sind schwer zu verallgemeinern, da die Indizes des TLG ganz unterschiedliche Einheiten (Verse, Paragraphen, Seiten, Lemmata) tragen. Einfach und verlässlich lässt sich vielleicht nur ein Umfang in Wörtern umsetzen: Dies lässt sich allerdings nicht mit dem geplanten Algorhythmus vereinbaren, der ja keine Texte speichert und vergleicht, sondern nur die Stellen herausschreibt. Hier sind Ideen gefragt!
-l = 2 -s = 2+ -p = 4+
oder so ähnlich…
Die Ausgabe lässt wieder verschiedene Optionen zu:
Lynkeus gibt eine Liste mit den wahrscheinlichen Parallelstellen aus. In Verbindung mit einer schnellen Nachschlagefunktion (-> Diogenes, ->Emacs) meine bevorzugte Standarteinstellung. In Emacs könnte man auch an eine ausklappbare Liste denken.
Dies wäre eine andere Option. Hier müsste als Parameter der Umfang der auszugebenden Stelle anzugeben sein. Backend kann hier wieder Diogenes sein.
Auch hier ist an Diogenes zu denken.
Der Benutzer kann die Standarteinstellungen wie folgt ändern (die Methoden werden in dieser Reihenfolge abgearbeitet, d.h. spätere Methoden überschreiben die vorangehenden.
Die Standarteinstellungen können in der Konfigurationsdatei geändert werden. Diese wird, wenn vorhanden, vor dem Programmstart ausgelesen. Die Konfigurationsdatei besteht aus einfachen Paaren von Schlüsselwörtern und Werten, die durch ein Gleichheitszeichen verbunden sind. Leerraum wird ignoriert:
KEY=VALUE KEY=VALUE KEY=VALUE
Geparst wird diese Datei daher wie folgt (ungetestet):
my %config; # HASH, der die Konfigurationsdaten enthält
my @config_keys; # Liste der erlaubten Schlüsselwörter
open (my $config_fh, "<", ".lynkeus") or warn "No configuration file found!";
$\ = " ";
while (<CONFIG>) {
if (m/(w+)=(w+)/){
if ($1 ~~ @config_keys)
{$config{$1} = $2;}
else
{warn "Undefined key in config file: $1"}
}
}Alternativ können die Variablen auch als Parameter von der Kommandozeile eingelesen werden. Diese Parameter müssen vor dem zu lesenden Text übergeben werden und werden mit shift aus der @ARGV herausgefiltert:
my %config;
if ($ARGV[0] =~ /-(\w+/)\s(/\S+/)) {
for ($1) {
when (s/s//) { $config{…} = 1 } # single-letter switch
when (s/l//) {
$config{…} = $2;
shift @ARGV;
} # switch requiring an argument
default {die "unknown parameter: -$1"}
}
shift @ARGV;
}Die Parameter können auch durch eine einfache (Web-)Oberfläche übergeben werden, die
- mit JavaScript und Electron
- Qt
- oder direkt mit Perl
erstellt werden kann. Diese Oberfläche würde dann sowohl die Konfigurationsdatei schreiben als auch Lynkeus im Hintergrund aufrufen und die Parameter übergeben. Die Ausgabe müsste dann ebenfalls in diese Oberfläche abgeleitet werden.
Lynkeus erhält als Eingabe einen griechischen Text beliebiger Länge (über <>). Dieser Text wird dann in einzelne Wörter zerlegt, die dann weiter verarbeitet werden.
(Die einzelnen Wörter können an dieser Stelle gefiltert werden. Denkbar wäre, standartmäßig alle im Normalfall insignifikanten Wörter (abgelegt zb. in der Datei greek_small_words.txt) auszufiltern.)
Die einzelnen Begriffe werden dann jeweils durch verschiedene Filter geschickt.
Der erste Schritt ist immer eine Diogenes-Suche. Dieser Schritt
unterscheidet sich je nach dem, ob -v oder -l gewählt wurde. Bei -v
wird der Suchstring nur leicht modifiziert (in etwa
/[αεηιοωυ]?.+[αεηιοωυ]?/).
Wenn -l gewählt wurde, passiert dagegen Folgendes:
- Die Datei greek-lemmata.txt wird in dem Hash %greek_lemmata abgelegt: Die Lemmata bilden die Schlüsselwörter, die griechischen Begriffe die Einträge (als String), also etwa:
my %greek_lemma;
open my $greek_lemmata_fh, "<", "greek_lemmata.txt";
while (<$greek_lemmata_fh>) {
$greek_lemma{$1} = $2 if m/^(\S+)\s+(.+)$/;
}- Der gegebene Begriff in greek-lemmata.txt nachgeschlagen: Dort wird jeder belegte Begriff in eine Liste (%lemma) aufgenommen
my $word;
my %lemma;
foreach key @greek_lemma {
$lemma{$_}++ if $greek_lemma{$_} =~ m/\b$word\b/;
}- Diese Liste wird iterativ durchsucht: Die Ergebnisse jeder dieser Suchen wird an die Datei begriff_lemmata.txt (oder besser: der Variable $begriff_lemmata) angehängt.
Wenn -s gewählt wurde, muss bereits beim Nachschlagen in greek-lemmata.txt das jeweilige Lemma in einer Liste vermerkt werden.
Diese Liste wird nun im Folgenden in einem Synoym-Wörterbuch nachgeschlagen.
Für jedes der gefundenen Synonyme wird nochmal die greek-lemmata.txt aufgesucht und dort sämliche Formen in eine Suchliste aufgenommen.
Diese Liste wird nun iterativ durchsucht: Die Ergebnisse werden in der Datei begriff_synonyme.txt abgespeichert.
Wenn -p gewählt wurde, werden die bereits abgespeicherten Listen durchsucht.
Dabei wird die Zeichenkette isoliert, in dem der Treffer sich befindet: Diese hat den in den Parametern angegebenen Umfang.
Diese Zeichenkette wird nachbearbeitet, dass daraus die Wörter gewonnen werden können.
Diese Wörter werden