HRoestTypo
|
Dieser Benutzer korrigiert Tippfehler (typos). Alle Unterseiten
Mitmachen Bearbeiten
Wie kannst du mitmachen, die Rechtschreibefehler in Wikipedia zu reduzieren? Eine Möglichkeit ist das spell.py tool auf dem Toolsever (Direktlink).
Analysen Bearbeiten
Analysierte xml dumps:
Vorgehen Bearbeiten
Basierend auf den xml-dumps der Wikipedia gehe ich mit verschiedenen Pythonskripten durch den gesamten Text der Wikipedia durch und versuche automatisch mögliche Tippfehler zu identifizieren. Dies geschieht mittels einer Negativ-Liste von mir bekannten Tippfehlern, welche ich einmal erstellt habe, basierend auf den 10 000 häufigsten Wörtern in der deutschen Sprache und dann mittels Permutation die Tippfehler generiert habe. Weiterhin nutze ich die Gesamtmenge aller Wörter, die ich aus den xml-dumps extrahiere und finde innerhalb der extrahierten Wörter solche, welche häufigen und korrekten Wörtern sehr ähnlich sind, aber sehr selten vorkommen (zB kommt das Wort "Unterstüzung" in dem xml dump der de-Wikipedia vom 20140511 genau 1 mal vor während das Wort "Unterstützung" über 55000 mal gefunden wurde). Dies alleine ist aber noch keine Garantie, so kommt auch das Wort "Westfalmeisterschaft" in der ganzen deutschen Wikipedia nur genau ein Mal vor, nämlich im Artikel Eintracht Gelsenkirchen, dies heisst aber nicht, dass es durch das weitaus mehr verbreitete Wort "Weltmeisterschaft" ersetzt werden sollte!
Diese Tippfehler werden dann gespeichert und manuell verbessert oder verworfen. Dieser Account ist also kein Bot, sondern alle Änderungen werden von Hand gemacht und überprüft. Leider ist ein rein automatisches Korrigieren nicht möglich, da manchmal mehrere mögliche Korrektschreibweisen existieren und Schreibfehler auf zu viele verschiedene Arten gemacht werden können - alleine von dem Wort Universität habe ich bisher (inspiriert von der Liste von aka) folgende Falschschreibweisen korrigiert : Uinversität Univedrsität Universiẗat Univisität Unverstät Univerversität Univerisäten Univerisät Unibversität Universit#t Universltät Universitàts Universitèat Universutät Uuniversität Universitä Univesität Univerität Univiversität Universiät Universitäzt Univsersität Uniwersität Universät Unverstität Unioversität Universitität Univiersität Universitzät Universütät Univiersitäten Universtität niversität Unviersität etc. Weiterhin zu bedenken ist, dass in manchen Fällen auch etwas ähnliches wie Universitäten gemeint sein kann und man kann nicht blind verbessern sondern muss den Kontext mit berücksichtigen, so zB hier: Unitersitäten Universotäten Universtitäten