Mehrfach annotierte Textkorpora

Digitale Korpora haben die Voraussetzungen, unter denen sich Wissenschaftler mit der Erforschung von Sprachphänomenen beschäftigen, fundamental verändert. Umfangreiche Sammlungen geschriebener und gesprochener Sprache bilden mittlerweile die empirische Basis für mathematisch präzise Generalisierungen über zu beschreibende Wirklichkeitsausschnitte. Das Datenmaterial ist hochkomplex und besteht neben den Rohtexten aus diversen linguistischen Annotationsebenen sowie außersprachlichen Metadaten. Als unmittelbare Folge stellt sich die Konzeption adäquater Recherchelösungen als beträchtliche Herausforderung dar. Im vorliegenden Buch wird deshalb ein datenbankbasierter Ansatz vorgestellt, der sich der Problematiken multidimensionaler Korpusrecherchen annimmt. Ausgehend von einer Charakterisierung der Anforderungsmerkmale linguistisch motivierter Suchen werden Speicherungs- und Abfragestrategien für mehrfach annotierte Korpora entwickelt und anhand eines linguistischen Anforderungskatalogs evaluiert. Ein Schwerpunkt liegt dabei in der Einführung problemorientierter Segmentierung und Parallelisierung.


Inhalt:
1 Einführung und Motivation

2 Linguistische Anforderungen an Sprachkorpora
2.1 Natürlichsprachliche Korpora in der Sprachwissenschaft
2.2 Deutschsprachige Korpora im internationalen Kontext
2.3 Recherche in ausgewählten Korpussammlungen
2.4 Multidimensionale Suchkriterien
2.5 Anforderungskatalog für linguistisch motivierte Korpusabfragen

3 Design und Implementierung eines Korpusabfragesystems
3.1 Spektrum der Speicherungsmodelle
3.2 Ein Referenzsystem für die relationale Korpusspeicherung
3.3 Evaluierung einzelner Designentscheidungen

4 Evaluation des Anforderungskatalogs
4.1 Abfrage 1: Einfaches Suchmuster
4.2 Abfrage 2: Suffixsuche mit Platzhalterzeichen
4.3 Abfrage 3: Komplexes Relativsatz-Muster
4.4 Abfrage 4: ACI-Konstruktionen
4.5 Abfrage 5: W-Fragen ohne Verb
4.6 Abfrage 6: Movierung in virtuellen Subkorpora
4.7 Abfrage 7: Genitivobjekte
4.8 Abfrage 8: Partizipialphrase vor niederfrequentem Nomen
4.9 Abfrage 9: Regulärer Ausdruck mit Rechts-Trunkierung
4.10 Abfrage 10: Regulärer Ausdruck mit Links-Trunkierung
4.11 Einflussfaktoren auf die Abfrage-Laufzeiten

5 Versuch einer Laufzeitoptimierung durch segmentierte Abfragen
5.1 Parallelisierung als Chance für das Korpusretrieval
5.2 Problemorientierte Algorithmisierung
5.3 Evaluation des alternativen Suchalgorithmus

6 Integration in ein Online-Framework
6.1 Suchformulare
6.2 Speicherung von Beleglisten
6.3 Schnittstellen zu Statistikwerkzeugen
6.4 Übersichtslisten

7 Zusammenfassung und Fazit

Literaturverzeichnis

Autor:inneninformation:
PD Dr. Roman Schneider leitet den Programmbereichs "Sprachtechnologie und Informationssysteme" am Institut für Deutsche Sprache (IDS) in Mannheim. Daneben engagiert er sich kontinuierlich in der akademischen Lehre, u.A. an den Universitäten Gießen, Leipzig, Mannheim, Trier und Augsburg.