Perspektiven der automatischen Vernetzung von WDG und DWB-Erstausgabe. Alexander Geyken (DWDS) & Norbert Schrader (DWB)

Transkript

1 Perspektiven der automatischen Vernetzung von WDG und DWB-Erstausgabe 6. Arbeitstreffen deutschsprachiger Akademiewörterbücher September 2009 Alexander Geyken (DWDS) & Norbert Schrader (DWB)

2 Gliederung 1. DWDS Überblick 2. Ressourcen Korpora Wörterbücher 3. Verknüpfungen auf der DWDS-Website 4. Verknüpfungen von WDG/DWB-Erstausgabe Ebenen der Verknüpfung Halbautomatische Methoden Perspektiven der Anwendung 5. Zusammenfassung

3 DWDS Überblick Ziel: Erstellung eines lexikalischen Informationssystems auf der Basis sehr großer Korpora und Wörterbücher Projektrahmen gefördert im Akademienprogramm 18 Jahre (Beginn 2007): 3 Phasen zu je 6 Jahren Phase 1: Vernetzung der Ressourcen, Entwicklung eines - elektron. - lexikographischen Arbeitsplatzes Phase 2 u. 3: lexikographische Arbeit

4 Gliederung 1. DWDS Überblick 2. Ressourcen Korpora Wörterbücher 3. Vernetzungen auf der DWDS-Website 4. Verknüpfung von WDG/DWB-Erstausgabe Ebenen der Verknüpfung Halbautomatische Methoden Perspektiven der Anwendung 5. Zusammenfassung

5 2. Ressourcen - Korpora DWDS Kernkorpus des 20./21. Jh. 100 m tokens (etwa Dokumente) ausgewogen über Zeit und Textsorten DWDS Erweitertes Korpus 1,5 Milliarden tokens (etwa 5 Millionen Dokumente) u.a. Bild, FAZ, Spiegel, SZ, Welt, ZEIT Korpus Deutsches Textarchiv disziplinübergreifender Kernbestand deutschsprachiger Texte aus der Zeit von ca bis 1900 (

6 2. Ressourcen - Wörterbücher WDG: Wörterbuch der deutschen Gegenwartssprache Etymologisches Wörterbuch des Deutschen (Pfeifer, Hg.) DWB-Erstausgabe DWB-Neubearbeitung

7 2. Ressourcen - Wörterbücher WDG-Retrodigitalisierung BBAW Rechteinhaberin des WDG vergibt Auftrag zur elektronischen Erfassung des WDG an das Kompetenzzentrum der Universität Trier; Vorstrukturierung durch das Kompetenzzentrum Typographische => Logische Auszeichnung (durch DWDS) Nesteinträge werden expandiert => vollständige Stichwortliste extrahierbar Grammatische-/Gebrauchsangaben normalisiert Definitionen, Belege, Konstruktionsbeispiele explizit ausgezeichnet

8 2. Ressourcen - Wörterbücher Vom WDG zum DWDS-Wörterbuch Orthographieanpassung auf die Neue Rechtschreibung Ausspracheangaben durch Aussprachemodul ersetzt Etwa 3000 Einträge moderat überarbeitet Gebrauchsmarkierungen, z.b.: Ameise, 2: Neubedeut. Techn. => hist. Techn. DDR Ersetzung von Beispielen, wenn veraltet Ersetzung/Streichung/Hinzufügung von Definitionen (bei Artikeln mit Markierung polit. Ök. )

9 Gliederung 1. DWDS Überblick 2. Ressourcen Korpora Wörterbücher 3. Verknüpfungen auf der DWDS-Website 4. Verknüpfungen von WDG/DWB-Erstausgabe Ebenen der Verknüpfung Halbautomatische Methoden Perspektiven der Anwendung 5. Zusammenfassung

10 3. DWDS-Website (Beta) DWDS Version 2(β): seit Aug Wort- Sichten frei konfigurierbar Standardsicht umfasst Wörterbuch, Kernkorpus, paradigm./synt. Informationen

11 3. DWDS-Website (Beta)

12 3. DWDS-Website (Beta) Wörterbucheintrag: Gliederungsansicht + Beispiel (Turm)

13 3. DWDS-Website (Beta) Wörterbucheintrag: Zusammensetzungen

14 3. DWDS-Website (Beta) Wörterbucheintrag: Verknüpfung mit Korpus

15 Gliederung 1. DWDS Überblick 2. Ressourcen Korpora Wörterbücher 3. Verknüpfungen auf der DWDS-Website 4. Verknüpfungen von WDG/DWB-Erstausgabe Ebenen der Verknüpfung Halbautomatische Methoden Perspektiven der Anwendung 5. Zusammenfassung

16 4. Verknüpfung WDG - DWB Ebenen der Verknüpfung Lesart - Lesart Stichwort - Beleg Stichwort - Stichwort

17 4. Verknüpfung WDG - DWB Stichwortbestand WDG und DWB-Erstausgabe WDG: Stichwörter DWB: WDG & DWB: DWB & WDG: WDG & DWB:

18 4. Verknüpfung WDG - DWB Gründe für die fehlende Zugänglichkeit Historische Formvarianz Fehlende Lemmaansätze Fehlende Verweise => (halbautomatische) Methoden der weiteren Wörterbucherschließung zur Verbesserung der Verknüpfung

19 4. Verknüpfung WDG - DWB Methoden der Verknüpfung a. Stichwortidentität appetitlich: DWB, WDG Beckelhaube: DWB, WDG Kultur: WDG, DWB Beckelhaube DWB appetitlich Kultur WDG

20 Verknüpfung Wörterbücher b. Graphische Ähnlichkeit th t, c k, ey ei Beispiele: cleit, kleydt Kleid cultur Kultur Verwendete Software: ein LTS-System (Projekt Deutsches Textarchiv; Jurish 2008) cleit kleydt DWB kleid WDG

21 Verknüpfung Wörterbücher LTS-Generierung für kleid : insgesamt 16 Formen Abb.: LTS-Generierung für kleid : Auszug der ersten 8 Formen

22 Verknüpfung Wörterbücher c. Morphologie Idee: Wortzerlegung, wenn Lemmabestandteile identisch, dann verknüpfen Beispiel: Unterschiedliche Fugenformen in A und B A: Verwendete Software: TAGH-Morphologie (Hanneforth & Geyken 2005) Komposition Derivation, Flexion B:

23

24 Verknüpfung Wörterbücher d. Kombination Morphologie und LTS Idee: Historische Formen auf synchrone Formen reduzieren und dann morphologisch analysieren e. Nutzung von Wörterbuchinformationen wörterbuchintern explizit vermerkte Varianten bzw. Nesteinträge wörterbuchextern Nutzung explizit vermerkter Varianten, Wortbildungen für die Verknüpfung (z.b. aus 2 DWB)

25 Gliederung 1. DWDS Überblick 2. Ressourcen Korpora Wörterbücher 3. Verknüpfungen auf der DWDS-Website 4. Verknüpfungen von WDG/DWB-Erstausgabe Ebenen der Verknüpfung Halbautomatische Methoden Perspektiven der Anwendung 5. Zusammenfassung

26 Perspektiven der Anwendung Anwendbarkeit der Methoden für die Ebenen der Verknüpfung: Einzellemmata bzw. -artikel innerhalb eines Wörterbuchs und ressourcenübergreifend zusätzliche Belege für ein Stichwort in anderen Artikeln oder Ressourcen ( Wörterbuch als Korpus ) Lemmagruppen oder -reihen

27 Zeichenidentität Lemmaverknüpfung, wörterbuchübergreifend Problem: Homographen z. B. Turm in WDG 2 Turm in 1 DWB, sondern Thurm Turm DWB Thurm Turm WDG

28 Zeichenidentität Lemma-Beleg-Verknüpfung, wörterbuchübergreifend Kultur nur Lemma in WDG, nicht in 1 DWB Volltextsuche in DWB: 123 Treffer/Belege Der Digitale Grimm

29 Graphische Ähnlichkeit Lemmaverknüpfung z.b. t th, Turm Thurm Lemma-Beleg-Verknüpfung z.b. c k, Cultur Kultur Volltextsuche Cultur in 1 DWB: 189 Treffer/Belege Beleg DWB cultur, kultur Stichwort WDG Kultur

30 Lemmazeichen-Äquivalenz Lemmaverknüpfung, intern u. übergreifend morpholog. Analyse in identische Wortstämme:

31 Lemmazeichen-Äquivalenz Wortbildungsvarianten mit unterschiedlichen Fugenelementen ( 1 DWB-Beispiele): Bauer[n]hof, Engel[s]zunge, Herz[ens]blut, Herz[en s]klopfen, Krieg[s]führer, Land[e s]art, Land[e s]kind, land[es]kundig, Land[es]sprache, Mensch[en]gestalt, mensch[en]möglich

32 Lemmazeichen-Äquivalenz Reichweite: z. B. 40 Variantenpaare in einer Stichprobe von ca. 700 Land-Komposita, 35 Variantenpaare unter 512 Herz-Komposita Lemma-Kontrast bei exklusiven Bedeutungen: Landmann Landsmann; desgl. Land[es]recht Problem historischer Graphie, lösbar durch LTS: Mensch[en]thier, Mensch[en]thum, Preszfreiheit Grenze synchronisch-gegenwartssprachlicher Morphologie: Pressfreiheit, Getriebrad, Pädagog

33 Lemmazeichen-Äquivalenz Perfektpartizipien als Partizipialadjektive ( 1 DWB-Beispiele): geästet, gegliedert, gelehrt, genannt, geregelt, getrocknet, gewachst, gewählt Geschätzte Reichweite: einige hundert Lemmata

34 Lemmazeichen-Äquivalenz Problem historischer Graphie, lösbar durch LTS: getheilt => geteilt, getödtet => getötet

35 Lemmazeichen-Äquivalenz Grenze bei unsicherer, umstrittener Herleitung: z. B. gewogen; geartet; getheilt (auch zu getheilen vb.); Ornativa wie gerandet; Kontrast bei spezialisierter, lexikalisierter Bedeutung: z. B. gelassen

36 Lemmazeichen-Äquivalenz Ansatz von Singular- oder Pluralformen, z. B. Engel[s]zunge ( 1 DWB) und Engelszungen (WDG), Barten ( 1 DWB) und Barte (WDG)

37 Lemmazeichen-Äquivalenz Lemmaverknüpfung Wörterbuch-Parsing hinsichtlich expliziter Angaben von Nebenformen oder expliziter Verweise auf Varianten wörterbuchintern (z. B. 1 DWB): wörterbuchübergreifend externe Ressourcen (z. B. 2 DWB):

38 Wortbildungsreihen, -paradigmen Lemmaverknüpfung, intern u. übergreifend Partikelverben mit herab-, hervor-, hinunterusw. (in 1 DWB nicht als Worteinheit angesetzt):

39 Wortbildungsreihen, -paradigmen Weitere Verknüpfungsmöglichkeiten: Partikelverbreihen, z. B. mit um-, unter-, vor- (in 1 DWB in striktalphabetischer Ordnung) Wortbildungsreihen, z. B. mit Thurm-/-thurm zugehörige Diminutivbildungen auf -lein oder -chen, Modifizierungen durch un-, Miss- u. ä.

40 5. Zusammenfassung Stichwort- Stichwort appetitlich, Appetit Stichwort- Beleg Methode Werkzeug Kommentar Zeichenidentität - WDG/DWB Turm/Thurm LTS DTA-CAB hist. Orthogr. Bauerhof/ Bauernhof Thürmlein, Thürmchen, Thurm, Turm abbossen, abbosseln Pickelhaube, Beckenhaube Kultur/(k c)ultur LTS DTA-CAB WDG&&!DWB Morphologie TAGH Fugenformen LTS Morph CAB-TAGH Wortbildung und histor. Orthographie Wörterbuchstruktur Externe Wb.- Ressourcen - Varianten im 1 DWB - Varianten in 2 DWB