dicts/info/setswana/README_tn_ZA.txt

   1 README for Setswana MySpell dictionary
   2 ======================================
   3
   4 The MySpell spell checker was created from the aspell spell checker and
   5 wordlist which is released under the GPL.
   6
   7 1. Copyright
   8 2. Installation and setup
   9 3. Helping to improve the spellchecker
  10 4. Note on the construction of the wordlist
  11
  12
  13 1. Copyright
  14 ------------
  15
  16 Setswana wordlist.in licensed under the GPL:
  17 Copyright 2004 Kevin P. Scannell <scannell@slu.edu> and
  18                Thapelo Otlogetswe <Thapelo.Otlogetswe@itri.brighton.ac.uk>
  19
  20 Porting to MySpell and other MySpell specifics licensed under the LGPL
  21 Copyright 2004 Zuza Software Foundation <info@translate.org.za>
  22
  23 This program is free software; you can redistribute it and/or modify
  24 it under the terms of the GNU General Public License as published by
  25 the Free Software Foundation; either version 2 of the License, or
  26 (at your option) any later version.
  27
  28 This program is distributed in the hope that it will be useful,
  29 but WITHOUT ANY WARRANTY; without even the implied warranty of
  30 MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  31 GNU General Public License for more details.
  32
  33 You should have received a copy of the GNU General Public License
  34 along with this program; if not, write to the Free Software
  35 Foundation, Inc., 675 Mass Ave, Cambridge, MA 02139, USA.
  36
  37 2. Installation and setup
  38 -------------------------
  39
  40 Automated
  41 ---------
  42 http://lingucomponent.openoffice.org/download_dictionary.html
  43
  44 Use the DicOOo.sxw file to step you through an automatic install process.  If
  45 the Setswana spellchecker is not available online then download the offline
  46 pack from:
  47 http://translate.sourceforge.net/
  48
  49
  50 Non-automated
  51 -------------
  52 For instructions on how to install the Setswana dictionary please visit the
  53 following URL.
  54
  55 http://lingucomponent.openoffice.org/download_dictionary.html#installspell
  56
  57 Spellchecker Selection
  58 ----------------------
  59 NOTE: Setswana is as yet not a recognised language in OpenOffice.org - this
  60 will change shortly - therefore we map the dictionary against Italian.
  61
  62 Tools -> Options -> Language Settings -> Writing Aids
  63
  64 Available language modules -> Edit -> Select Italian -> Ensure it is enabled
  65
  66
  67
  68 3. Contributing
  69 ---------------
  70
  71 You can help to make this software better.
  72
  73 If you find errors in the spellchecker or have wordlists that you would like to
  74 contribute to the spellchecker then contact
  75 Dwayne Bailey <dwayne@translate.org.za>
  76
  77 If you would like to assist Kevin Scannell with the automated web crawler then
  78 please read the next section and offer your assistance.
  79
  80
  81 4. Note on the construction of the wordlist
  82 -------------------------------------------
  83
  84 Note: taken from the Aspell package (doc/Crawler.txt) for your information
  85
  86 NOTES ON THE CONSTRUCTION OF THE WORD LIST
  87    A preliminary version of this spell checking dictionary was assembled
  88 with the help of my web crawler "An Crúbadán":
  89
  90   http://borel.slu.edu/crubadan/
  91
  92 BUILDING TEXT CORPORA FOR MINORITY LANGUAGES
  93 Initially a small collection of "seed" texts are fed to the crawler
  94 (a few hundred words of running text have been sufficient in practice).
  95 Queries combining words from these texts are generated and passed to
  96 the Google API which returns a list of documents potentially written
  97 in the target language.  These are downloaded, processed into plain text,
  98 and formatted.  A combination of statistical techniques bootstrapped from
  99 the initial seed texts (and refined as more texts are added to the database)
 100 is used to determine which documents (or sections thereof) are written in
 101 the target language.   The crawler then recursively follows links contained
 102 within documents that are in the target language.   When these run out,
 103 the entire process is repeated, with a new set of Google queries generated
 104 from the new, larger corpus.
 105
 106 EXTRACTING A CLEAN WORD LIST
 107 The raw texts downloaded using the scheme just described contain
 108 a lot of pollution and are unsuitable for use without further processing.
 109 I have been able to extract reasonably accurate spell checking dictionaries
 110 by applying a series of simple filters.   First, the texts are tokenized
 111 and used to generate a word list sorted by frequency and the lowest
 112 frequency words are filtered out.   Then, depending on the target language,
 113 correctly-spelled words from one or more "polluting" languages
 114 are filtered out to be checked by hand later.  Usually this means English,
 115 but I also filter Dutch from the Frisian corpus, Spanish from Chamorro, etc.
 116 The remaining words are used to generate 3-gram statistics for the target
 117 language.  These are used to flag as "suspect" any remaining words containing
 118 one or more improbable 3-grams.
 119
 120 Please contact me at the address below if you are interested in applying
 121 these techniques to a new language.
 122
 123 Kevin Scannell
 124 <scannell@slu.edu>
 125 March 2004
 126