IDS-Logo
Startseite : : Publikationen : : Katalog - systematisch : : OPAL : : Nummern 2013 - 2014 : : Nummer 5/2014

OPAL

Online publizierte Arbeiten zur Linguistik

Nummer 5/2014:
Stadler, Heike: Die Erstellung der Basislemmaliste der neuhochdeutschen Standardsprache aus mehrfach linguistisch annotierten Korpora. 45 S. - Mannheim: Institut für Deutsche Sprache, 2014.
ISSN: 1860-9422

Diese Nummer anzeigen (0,7 MB)

Diese Nummer ist im IDS verfügbar:
[Online] IDS-Publikationsserver: urn:nbn:de:bsz:mh39-29999

Die Basislemmaliste (BLL) der neuhochdeutschen (nhd.) Standardsprache ist eine korpusbasierte, frequenzsor- tierte Lemmaliste mit mehr als 325.000 Einträgen. Jedes Lemma wird ergänzt durch Wortarten- und Häufigkeitsangaben. Die im Folgenden vorgestellte Version 1.0 der BLL wurde aus DeReKo, dem Deutschen Referenzkorpus des Instituts für Deutsche Sprache, mit 5 Milliarden Wortformen erstellt. Weitere Sprachressourcen sind linguistische Korpusannotationen, die von linguistischen Annotationswerkzeugen wie Lemmatisierern, Part-of-Speech-Taggern oder Parsern stammen. Für die Erstellung der BLL ist das Lemma und das Part-of-Speech-Tag relevant. Die Distanz zwischen lexikografischen Konventionen und maschineller Realität in Form von automatisch vergebenen Lemma-Annotationen erfordert einen Abgleich der aus den Korpusannotationen automatisch generierten Lemmalisten mit der digital verfügbaren Lemmastrecke eines Wörterbuches. Zum einen, um die Vollständigkeit der Einträge frequenter Wörter und das Vorkommen seltener Simplizia in der BLL zu gewährleisten, zum anderen, um die Lemmaform und die Lemmagranularität an die Erwartungen anzupassen, die ein menschlicher Benutzer an ein lexikalisches Verzeichnis der nhd. Standardsprache stellt.

Inhaltsverzeichnis

mehr anzeigen
1.   Einleitung S. 3
2.   Lemma und Frequenz S. 4
3.   Sprachressourcen S. 13
4.   Lexikografische Entscheidungen bei der Erstellung der BLL – NLP-Tool-spezifische Lemmalisten im Vergleich S. 16
5.   Fazit S. 33
6.   Literatur S. 35
7.   Abkürzungen S. 38
 
Anhang: Die Verarbeitung der Sprachressourcen – Programmmodule S. 39