Workshop: Mit einfachen Mitteln Terminologie. extrahieren, aufbauen und pflegen

Transkript

1 Workshop: Mit einfachen Mitteln Terminologie extrahieren, aufbauen und pflegen Dr. François Massion D.O.G. Dokumentation ohne Grenzen GmbH Tekom-Frühjahrstagung April D.O.G. GmbH 1

2 Terminologie: Viele Aspekte Planen & Budgetieren Einsatz (Redakteure, Übersetzer, Lektorat ) Extraktion: einsprachig mehrsprachig TERMINOLOGIE- ARBEIT Pflege Erfassung Verwaltung (versch. Workflows) Verteilung Tekom-Frühjahrstagung April D.O.G. GmbH 2

3 Übung 1: Extraktion (vom Internet am heruntergeladen) Tekom-Frühjahrstagung April D.O.G. GmbH 3

4 Übung 1: Welche Wörter extrahieren? Welche Wörter will man erfassen? Welche Wortkategorien gibt es? Grammatikalisch: Substantive, Verben, Adjektive Bigramme, Trigramme und Kollokationen Inhaltlich: firmenspezifisches Fachwort allgemeines Fachwort Abkürzung allgemeines Wort Tekom-Frühjahrstagung April D.O.G. GmbH 4

5 Welche Wortarten? ACHTUNG! Vor dem Anschluss der VACUBOX XL und sämtlicher Leitungen den Kompressor zur Reinigung kurz ausblasen lassen, damit keine Verunreinigungen in die Venturidüse gelangen! Ein Verschmutzen der Venturidüse kann zu einem Druckverlust führen! Eventuell ist dann der Schalldämpfer der VACUBOX XL zu reinigen bzw. zu tauschen. Die Sattel-Anschlussleitung und die Spiralleitung miteinander verbinden. Die Sattel-Anschlussleitung und Spiralleitung mit der VACUBOX XL und wie in Abb. 3 und Abb. 5 mit dem Anschluss am Sattel verbinden. Für die Verarbeitung des FRIALEN XL Stutzensattels SA-XL wird das Leitungsstück mit Kupplung NW 7,2 mit dem Presskolben verbunden (Abb. 4 und Abb. 5). Für die Verarbeitung des FRIALEN XL Reparatursattels RS-XL wird das Leitungsstück mit Kupplung NW 7,2 nicht verbunden. Die Kupplung ist im ungesteckten Zustand geschlossen. Tekom-Frühjahrstagung April D.O.G. GmbH 5

6 Welche Wortarten? ACHTUNG! Vor dem Anschluss der VACUBOX XL und sämtlicher Leitungen den Kompressor zur Reinigung kurz ausblasen lassen, damit keine Verunreinigungen in die Venturidüse gelangen! Ein Verschmutzen der Venturidüse kann zu einem Druckverlust führen! Eventuell ist dann der Schalldämpfer der VACUBOX XL zu reinigen bzw. zu tauschen. Die Sattel-Anschlussleitung und die Spiralleitung miteinander verbinden. Die Sattel-Anschlussleitung und Spiralleitung mit der VACUBOX XL und wie in Abb. 3 und Abb. 5 mit dem Anschluss am Sattel verbinden. Für die Verarbeitung des FRIALEN XL Stutzensattels SA-XL wird das Leitungsstück mit Kupplung NW 7,2 mit dem Presskolben verbunden (Abb. 4 und Abb. 5). Für die Verarbeitung des FRIALEN XL Reparatursattels RS-XL wird das Leitungsstück mit Kupplung NW 7,2 nicht verbunden. Die Kupplung ist im ungesteckten Zustand geschlossen. Neue Terminologie Bekannte Terminologie Stoppwörter Zu klärende Wörter Abkürzungen/Akronyme/Produktnamen Tekom-Frühjahrstagung April D.O.G. GmbH 6

7 Idealvorstellung Terminologie "per Knopfdruck" Start Terminologieeinträge Tekom-Frühjahrstagung April D.O.G. GmbH 7

8 Aber Text = hochkomplexes System Kann man automatisch erkennen: Grundform eines Terms: "Sensor/Sensors/Sensoren" Unregelmäßige Plurale: Förderband Förderbänder Teilkomposita: Anschluß-/Betriebsdruck Feste Wortgruppen: speicherprogrammierbare Steuerung" Synonyme: "Programm", "Applikation", "Software" Einzelne Begriffe (Mehrdeutigkeit): "Terminologieprüfung" = Prüfung, ob die Terminologie korrekt angewandt wurde oder = Prüfung, ob die Terminologie selbst korrekt ist? Wortart: "Essen" = Verb oder Substantiv? Tekom-Frühjahrstagung April D.O.G. GmbH 8

9 Extraktion in 3 Schritten Korpus Import Format und Satzzeichen entfernen Wortliste erstellen (Einzelwörter, Wortgruppen) Bereinigung Duplikate, nicht benötigte Wörter, Stoppwörter entfernen Lemmatisierung Erfassung Informationen gem. Datenmodell hinzufügen (Status usw.) Äquivalente in weiteren Sprachen hinzufügen Tekom-Frühjahrstagung April D.O.G. GmbH 9

10 Die Word-/Excel-Methode Stufe 1 MS-Word: Datei als Text speichern Satzzeichen/Tabs (Nicht-Wörter) : (),"-:!$%&/?; Automatisierung: Dazu Makro erstellen und editieren Wortliste erzeugen (Leerzeichen durch Absatzmarke ersetzen) Stufe 2 MS-Excel: Duplikate entfernen Stoppwörter (der, das, oder, und ) + bereits bekannte Terminologie Uninteressante Wörter recyclen Stoppwörter Auf Grundform reduzieren ( Lemmatisieren ) Tekom-Frühjahrstagung April D.O.G. GmbH 10

11 Übung 2: Rohliste bereinigen Tekom-Frühjahrstagung April D.O.G. GmbH 11

12 Makro-Rekorder von Word (1/2) Makro-Rekorder starten Makroname festlegen Tekom-Frühjahrstagung April D.O.G. GmbH 12

13 Makro-Rekorder von Word (2/2) Aktionen der Reihe nach durch führen und Aufzeichnung beenden. Makro aufrufen und ausführen Tekom-Frühjahrstagung April D.O.G. GmbH 13

14 Excel: Duplikate entfernen Einzelwörter sortieren Duplikate entfernen Tekom-Frühjahrstagung April D.O.G. GmbH 14

15 Nicht benötigte Wörter entfernen Stoppwörter Stoppwörter (der, das, oder, und ) Bereits vorhandene Fachwörter Negativergebnisse aus der Listenbereinigung recyclen (was nicht als Terminologie gilt) Mit der Zeit werden Stoppwörter immer effizienter Spezielle Stoppwörter für Mehrwortbenennungen Bekannte Termini in die Stoppwörterliste aufnehmen Tekom-Frühjahrstagung April D.O.G. GmbH 15

16 Aussortieren in Excel Schritt 1: Hier eine leere Spalte einfügen Schritt 2: Termkandidaten bzw. Nicht- Kandidaten kennzeichnen Schritt 3: Nach dieser Spalte Tabelle sortieren Schritt 4: Terms editieren Schritt 5: Untermenge abgelehnter Termkandidaten speichern künftige Stoppwörter Tekom-Frühjahrstagung April D.O.G. GmbH 16

17 Wortgruppen (1/3) Feste Gruppen nennt man Kollokationen Beispiel: molekulare Biologie Kommen in vielen Sprachen oft vor (Englisch, Italienisch ) Herausforderung: Wie erkennt man die? Tekom-Frühjahrstagung April D.O.G. GmbH 17

18 Wortgruppen (2/3) Text in Wörtern umbrechen und 2 x in Excel In einem Editor (Word, Notepad ) sortieren + Tab durch Absatzmarke ersetzen In eine Spalte in Excel kopieren und Auswerten (Teilergebnis) Tekom-Frühjahrstagung April D.O.G. GmbH 18

19 Wortgruppen (3/3) Excel-Ergebnis: Liste manuell durchgehen Tekom-Frühjahrstagung April D.O.G. GmbH 19

20 Verwendete Excel-Formeln Vergleich von Einträgen (hier A1 ) mit Listen =VERGLEICH(A1;STOPPWOERTER;0) oder =VERGLEICH(A1;C1:C1000;0) STOPPWOERTER ist ein variabler, selbstdefinierter Name Länge eines Eintrags (hier A1 ) =LÄNGE(A1) Zwei letzten Buchstaben rechts (von A1 ) =RECHTS(A1;2) Tekom-Frühjahrstagung April D.O.G. GmbH 20

21 Lemmatisierung Hilfspalte mit Formel RECHTS(A1;2) Nach Endungen sortieren Flexionsendungen bearbeiten Tekom-Frühjahrstagung April D.O.G. GmbH 21

22 Mehrsprachige Extraktion (1/2) Verfahren 1: Zweisprachige Texte als Excel-Tabelle (z.b. TM mit "Olifant oder Export von Übersetzungsprojekt) Entsprechung in Fremdsprache manuell suchen. Verfahren 2: Zweisprachige Texte als Excel-Tabelle Hilfsspalte mit Länge, sortieren: Kürzere Segmente sind Termkandidate Tekom-Frühjahrstagung April D.O.G. GmbH 22

23 Mehrsprachige Extraktion (2/2) Verfahren 3: Zweisprachige Texte als Word- Tabelle Kandidaten je Sprache farblich markieren Unmarkierte Texte durch Absatzmarke (^p) ersetzen Verfahren 4: Tools wie Multiterm Extract, MemoQ, Synchroterm einsetzen Tekom-Frühjahrstagung April D.O.G. GmbH 23

24 Was ist der Unterschied? Aus dem Duden Tekom-Frühjahrstagung April D.O.G. GmbH 24

25 Begriff/ Benennung Benennungsorientierte Terminologien Traditionelle Wörterbücher Enzyklopädien Begriffsorientierte Terminologien Ein Eintrag ist ein Begriff Kann potentiell mehrere Benennungen abdecken (z. B. Synonyme) und Sprachen Tekom-Frühjahrstagung April D.O.G. GmbH 25

26 Übung 3: Datenmodell Welche Informationen sollen zusätzlich zu den Benennungen erfasst werden? Welche Gliederungsebenen im Datenmodell? Welchen Gliederungsebenen sollten diese Informationen zugewiesen werden? Tekom-Frühjahrstagung April D.O.G. GmbH 26

27 Ein Datenmodell (Beispiel) Begriffsebene Definition Definitionsquelle Bild Attribut (z.b. Produktgruppe) Kommentar Farbbedeutung (Beispiel): Pflichfeld Darf mehrfach erscheinen Sprachebene Homonym vorhanden (J/N) Benennungsebene Status Vergeben am Vergeben von Wortart Verwendung Beispiel Benennungsquelle Benennungskommentar Freigegeben Zu prüfen Erlaubt Verboten Unklar Substantiv Verb Adjektiv Adverb Eigenname Abkürzung Kurzform Display-Text Tekom-Frühjahrstagung April D.O.G. GmbH 27

28 Definitionen: Grundsätze Einheitlicher Aufbau der Definitionen (vgl. DIN 2330) Eindeutige, wesentliche Merkmale. Aber: Nicht zu weit (trifft auf andere Begriffe zu) Nicht zu eng (schließt dadurch Teile des Begriffs aus) Evtl. Klassifikation: Position im Begriffssystem, Oberbegriff, Abgrenzung ggü. weiterer Begriffe Tekom-Frühjahrstagung April D.O.G. GmbH 28

29 Anforderungen an Definitionen Nicht mit Synonymen definieren: "ein Abstandring ist ein Distanzring" Keine tautologische Definition: "Gleichförmige Bewegung = Bewegung, die gleichförmig verläuft." Keine Zirkeldefinition mit einer anderen Definition: "Eine DIN-Norm ist eine Norm, die vom DIN herausgegeben wird." "Das DIN ist eine Institution, die Normen herausgibt." Keine Negativdefinition "XYZ ist kein ABC" Einheitliche Verwendung von (bekannten) Benennungen in Definitionen Angepasst an Zweck und Zielgruppe (Wortebene, Slang, Fremdwörter usw.) Gebot der Knappheit (u.a. keine Füllwörter) Tekom-Frühjahrstagung April D.O.G. GmbH 29

30 Übung 4: Definitionen Tekom-Frühjahrstagung April D.O.G. GmbH 30

31 Wird Terminologie erkannt? Mit elektrischem Handrad, Tasten für Achs-Richtung, Vorschub, Eilgang, Not-Ausund Zustimmtaste, sowie drei belegbaren Funktionstasten. 3 nicht erkannte Fehler! Vorhanden und erkannt Vorhanden und nicht erkannt Nicht in der Terminologie erfasst With electrical handwheel, keys for axial direction axis direction, feed, rapid traverse, Emergency button Emergency Stop button and acceptance key as well as three assignable functional keys function keys. Eintrag in Terminologiedatenbank: Not-Aus-Taste Achsrichtung (Bindestrich bitte prüfen) Tekom-Frühjahrstagung April D.O.G. GmbH 31

32 Übung 5: Welche Probleme sehen Sie? Problematische Einträge finden: Synonyme Fehlende Attribute Falsche Einträge Notwendige Zusatzinformationen Einträge korrigieren Excel Tekom-Frühjahrstagung April D.O.G. GmbH 32

33 Wie sieht ein Wörterbucheintrag aus? 1. Singular ohne Artikel 2. Natürliche Reihenfolge (Wärmetauscher, nachgeschaltet) 3. Einheitliche Schreibweise (Zifferblatt-Einteilung / Zifferblatteinteilung) 4. Verständlichkeit ( Distanzeinrichtungklemmgreiferkopf ) 5. Eine Information pro Feld ( Elementarität ) Tekom-Frühjahrstagung April D.O.G. GmbH 33

34 Bereinigung: Ersetzen in Excel Typische Muster definieren (z.b. Klammer vorhanden) Einträge mit dem Muster herausfiltern Passende Ersetzungen vornehmen LNR Eintragsbeispiel Ziel Vorgehensweise 1 Datierfreigabe (Dauersignal) Benennung und Kommentar trennen Linke Klammer durch "Tab + Linke Klammer" ersetzen 2 Haltepunkt; Breakpoint Zusammengefasste Synonyme trennen 1) Trennzeichen durch Absatzmarke ersetzen 2) Gemeinsame Begriffsnummer vergeben 3 Handrad, elekronisch Reihenfolge ändern (ADJ + N) 1) Komma durch Tab ersetzen 2) Spalten vertauschen 3) Adjektivendungen editieren (Optimierbar mit regulären Ausdrücken) 4 m,pl Attribute trennen (2 Felder: Komma durch Tab ersetzren Genus, Numerus) 5 forbidden Attribute vereinheitlichen: "forbidden" durch "verboten" ersetzen Freies Attribut durch Wert aus Auswahlliste ersetzen Tekom-Frühjahrstagung April D.O.G. GmbH 34

35 Arten von Synonymen Synonyme mit identischer Bedeutung: Unterschiedliche Schreibweise ("Induktions-Messgerät" / "Induktionsmessgerät" ) Unterschiedliche Form ( Trafo" / Transformator") Unterschiedliche Benennungen ("Quadratrohr" / "Vierkantrohr", auch in Komposita) Synonyme mit Bedeutungsunterschieden = "Quasi-Synonyme": In derselben Sprache, bspw. kontextuelle Synonyme ("Ring" und "Distanzring") Zwischen Sprachen ("Stecker" und [male] "connector") Tekom-Frühjahrstagung April D.O.G. GmbH 35

36 Synonyme erkennen Gleicher Beginn: alphabetisch sortieren Gleiches Ende: Hilfspalte mit Formel RECHTS(A1;4) Nach Endungen sortieren Gleiche Übersetzung: Nach der Zielsprache sortieren Evtl. falsch getrennt erfasste Begriffe Tekom-Frühjahrstagung April D.O.G. GmbH 36

37 Attribute Wichtige Attribute fehlen oder sind problematisch, wie: Pflichtfelder, Status, Verwendung der Benennung Attributvarianten bzw. nicht vorgesehene Attribute ( forbidden, verboten, Verboten ) Keine erlaubte Benennung, nur verbotene Attribut in Hauptwort und Komposita widersprüchlich Sinnvolle Felder bzw. Attribute fehlen im Datenmodell Tekom-Frühjahrstagung April D.O.G. GmbH 37

38 Übung 5: Terminologieaustausch Welche Möglichkeiten haben wir in Excel? Tekom-Frühjahrstagung April D.O.G. GmbH 38

39 Terminologie austauschen: Die Formate Excel: Liste mit Angaben in Spalten Liste mit Angaben in Zeilen PDF, TXT, CSV, MS-Word XML-basierte Standards: TBX (TermBase exchange) OLIF (Open Lexicon Interchange Format) MARTIF (Machine-Readable terminologischer Interchange Format) UTX (universal terminology exchange) [ausgearbeitet durch AAMT (Asia-Pacific Association for Machine Translation)] Tekom-Frühjahrstagung April D.O.G. GmbH 39

40 Liste mit Angaben in Spalten Problem bei variablen Anzahl von Spalten Def. Bild. EN1 Attr. EN2 Attr. DE Attr. FR. xxx PC Computer Rechner Viele Sprachen, viele Attribute: sehr große Tabellen Tekom-Frühjahrstagung April D.O.G. GmbH 40

41 Liste mit Angaben in Zeilen IDs müssen vergeben werden Problematischer Austausch: Datenbank ist dreidimensional Liste ist zweidimensional ID Def. Bild Sprache Term Attr. 1 Attr. 2 1 DE Rechner 1 EN PC 1 EN Computer 2 DE Maus.. n Tekom-Frühjahrstagung April D.O.G. GmbH 41

42 Verwaltung für verteilte Nutzer Tekom-Frühjahrstagung April D.O.G. GmbH 42

43 Lookup Kurze Einführung Zugriff über das Internet oder das Intranet Definition verschiedener Benutzerrechte Lesen Kommentieren Schreiben Auch für einzelne Sprachen ( -Benachrichtigung) Freie Definition des Datenmodells Definierbare Abfragen Vorschlagswesen Homonymerkennung Export- und Importmöglichkeit (XLS, TBX) Tekom-Frühjahrstagung April D.O.G. GmbH 43

44 Neues Wörterbuch Tekom-Frühjahrstagung April D.O.G. GmbH 44

45 Zugangsdaten Benutzer: Frühjahr_2014 Passwort: FJ2014 Bitte Groß- / Kleinschreibung beachten Online-Hilfe bei "?" neben "Anmelden" Tekom-Frühjahrstagung April D.O.G. GmbH 45

46 Biographie Arnzt R, Picht H, Mayer F (2009): Einführung in die Terminologiearbeit. Hildesheim: Olms. KÜDES = Konferenz der Übersetzungsdienste europäischer Staaten (2003): Empfehlungen für die Terminologiearbeit. Bern: Schweizerische Bundeskanzlei. Terminologiearbeit: Best-Practices 2.0 (Ordner). 2014, 50,-/Exemplar. Beim DTT zu bestellen. Tekom-Frühjahrstagung April D.O.G. GmbH 46

47 Vielen Dank für Ihre Aufmerksamkeit! Dr. F. Massion D.O.G. Dokumentation ohne Grenzen GmbH Neue Ramtelstr Leonberg, Germany Tekom-Frühjahrstagung April D.O.G. GmbH 47