Korpusanalyse am IDS Die Korpora

Transkript

1 Die Korpora DeReKo: Das Deutsche Referenzkorpus Die Korpora am IDS Größe: über 3,4 Milliarden Textwörter (Stand: 2008) Akquise: im Hinblick auf Umfang, Variabilität, Qualität und Aktualität; urheberrechtlich abgesichert Inhalt: belletristische, wissenschaftliche, populärwissenschaftliche und Texte vieler anderer Textarten Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 1] Archiv öffentlich zugänglicher Korpora geschriebener Sprache Die Korpora Belletristik des 20. und 21. Jahrhunderts; diverse Schriftsteller (loz-div-pub) Belletristik des 20. Jahrhunderts; Martin Walser (loz-wam) Berliner Morgenpost (bmp / ) Bonner Zeitungskorpus (bzk) COMPUTER ZEITUNG (cz; deutsch / ) Die Presse (dpr; österreichisch / ) Fachsprachen-Korpus 1 (fsp-pub) Frankfurter Rundschau (ffr / ) Goethe-Korpus (goe) Grammatik-Korpus (gr1) GRIMM-Korpus (gri) Hamburger Morgenpost (hmp05, hmp06 / 04/ /2006) Handbuchkorpora (hbk) Kleine Zeitung (klz; österreichisch / ) LIMAS-Korpus (lim / auch morphosyntaktisch annotiert) Korpus-Kartei der Gesellschaft für deutsche Sprache, Wiesbaden (gfds) Korpus Magazin Lufthansa Bordbuch (mld / ) Mannheimer Korpora (mk) Mannheimer Morgen (mmm / 1989, 1991, / teilweise morphosyntaktisch annotiert) Marx-Engels-Korpora Neue Kronen-Zeitung (nkz; österreichisch / ) Oberösterreichische Nachrichten (oon / ) Reden und Interviews Salzburger Nachrichten (sbn / ) St. Galler Tagblatt (sgt; schweizerisch / ) Tiroler Tageszeitung (ttz / ) VDI Nachrichten (vdi06 / 02/ /2006) Vorarlberger Nachrichten (van / ) Wendekorpus (wk) Wikipedia - Die freie Enzyklopädie (wpd / Stand 03/2005) Züricher Tagesanzeiger (zta / ) Stand: Januar 2007 Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 2] 1

2 Nur IDS-intern zugängliche Korpora geschriebener Sprache Belletristik des 20. und 21. Jahrhunderts; diverse Schriftsteller (loz-div) Belletristik des 20. Jahrhunderts; Stefan Heym (loz-hes) Belletristik des 20. Jahrhunderts; Siegfried Lenz (loz-les) Berliner Zeitung (b97-b04 / ) Biografische Literatur (bio) Der Spiegel (s93, s94 / / auch morphosyntaktisch annotiert) Die Zeit (z94-z04 / teilw. nur Online-Ausgabe) die tageszeitung (t86-t06 / /2006) Meldungen der Deutschen Presse-Agentur (dpa06 / 2006) Fachsprachen-Korpus 1 (fsp) Fachsprachen-Korpus 2: Gentechnologie (dkg) Frankfurter Allgemeine (f93, f95 / 1993 und 1995) Herausgebertexte zum Korpus bio (bih) Die Korpora Historisches Korpus 1 (hi1) Historisches Korpus 2 (hi2) Interview-Korpus (iko) Süddeutsche Zeitung1 (u95-u99 / ) Thomas-Mann-Korpus (thm) Wendekorpus Vereinigung (wkv) Stand: Januar 2007 Quelle: Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 3] ist das Korpusrecherchesystem am Institut für Deutsche Sprache. Es existiert in zwei Versionen. Client für Windows WWW-Schnittstelle reduzierte Funktionen der WWW-Schnittstelle gegenüber dem Client Zugriff auf gleiche Korpora Recherche online bei beiden Versionen Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 4] 2

3 (Windows Client) Entwickler: Institut für deutsche Sprache. Version: 3.61 (Windows). Recherche: Online. Software: wird lokal installiert. Zugang: freier Download des Programms; Registrierung erforderlich. Korpora: DeReKo (Korpora des IDS). Sprachen: Deutsch (3,4 Milliarden Textwörter). URL: Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 5] Nach Programmstart Korpus laden Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 6] 3

4 Suchabfrageoption I: Zeilenorientierte Eingabe Schritt 1: Suchanfrage formulieren Suchausdruck, hier: &behaupten /+w2 (dass oder daß) [Suche Belege für das Lemma behaupten (&behaupten), im Abstand von bis zu 2 Wörtern gefolgt (/+w2) von der Wortform dass oder der Wortform daß (dass oder daß)] Thema 4: Valenz Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 7] Schritt 2: Such- und Lemmatisierungsoptionen festlegen Suchoptionen (Behandlung von Groß- /Kleinschreibung, Häufigkeitsangaben, Sortieroptionen, Trefferbegrenzung), Lemmatisierungsoptionen (Grundformenoperator unterstützt Suche nach Flexionsformen, Komposita, etc.), Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 8] 4

5 Schritt 3: Wortformen aus Expansionsliste wählen Wortformenauswahl Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 9] Trefferanzahl für Gesamtausdruck (hier: 15904) Schritt 4: Zwischenstatistik der Suchanfrage bestätigen Zur Trefferanzeige Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 10] 5

6 Schritt 5: KWICs (Menü: Ansicht) anfordern Ansicht (hier: Korpusansicht) Ansicht ändern (hier: KWICs anfordern) Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 11] Schritt 6: Volltext anfordern Volltextoption Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 12] 6

7 Ergebnis Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 13] Suchabfrageoption II: Zeilenorientierte Eingabe Schritt 1: Suchanfrage formulieren Suchausdruck, hier: &behaupten /+w2 (dass oder daß) [die Templates können mit der Maus von links herübergezogen werden] weitere Schritte: wie bei zeilenorientierter Eingabe Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 14] 7

8 (WWW-Schnittstelle) Entwickler: Institut für deutsche Sprache. Version: Recherche: Online. Software: Online. Zugang: kostenlos; Registrierung erforderlich. Korpora: DeReKo (Korpora des IDS). Sprachen: Deutsch (2,2 Milliarden Textwörter). URL: Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 15] Nach Programmstart Korpus laden Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 16] 8

9 Nach Programmstart Korpus laden Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 17] Nach Programmstart Korpus laden Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 18] 9

10 Einzige Suchabfrageoption: Zeilenorientierte Eingabe Suchausdruck, hier: &behaupten /+w2 (dass oder daß) Schritt 1: Suchanfrage formulieren Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 19] Schritt 2 (gegebenenfalls): Such- und Lemmatisierungsoptionen einstellen (wie beim Client) Optionen Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 20] 10

11 Schritt 3 (gegebenenfalls): Wortformen aus Expansionsliste wählen Schritt 4: Ergebnisse anzeigen Ergebnisse Expansionslisten öffnen Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 21] Schritt 5: KWIC-Ansicht wählen Optionen für Ergebnisansicht (Monatsbericht, Jahresbericht, Jahrzehntansicht, ) Trefferanzahl für Gesamtausdruck (hier: 15904) KWIC-Ansicht Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 22] 11

12 Schritt 6: Volltext anfordern Volltextoption Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 23] Ergebnis Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 24] 12

13 Syntax der Abfragesprache Einige Beispiele Funktion Lemmasuche Wortformensuche Wortkettensuche Wortteilsuche Abstandssuche und-suche Suche mit Tags Beispiel &spielen spielte &spielen /+w1 &Domino spiele /+w1 &Domino *spiel &spielen /+w3 &Domino Domino /s0 Schach Suchziel: Belege mit beliebigen Wortformen des Lexems spielen der Wortform spielte Wortketten, die aus einer beliebigen Wortform von spielen gefolgt von einer beliebigen Wortform von Domino bestehen Wortketten, die aus der Wortform spiele gefolgt von einer beliebigen Wortform von Domino bestehen einer Wortform, die auf spiel endet Wortketten, die aus einer beliebigen Wortform von spielen gefolgt im Abstand von bis zu 3 Wörtern von einer beliebigen Wortform von Domino bestehen sowohl der Wortform Domino als auch der Wortform Schach Wortketten, die aus einer beliebigen Wortform von haben gefolgt von einem Infinitiv und der Wortform können bestehen Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 25] Syntax der Abfragesprache Beispiel für Abfrage über Suche: dass-subjektsätzen bei dem Verb helfen. Annahme: Subjektsätze bei helfen kommen vor allem in der Verbindung [ ] es [ ] hilft, dass/daß vor. Abfrage: (es /+w3 &helfen) /+w1 (dass oder daß) Beispiele T04 Der SPD hat es nicht geholfen, dass der Sympathieträger und B99 Uns könne es nur helfen, dass wir so früh den Weg zu B02 Vielleicht hat es Metzelder geholfen, dass die Kollegen seinen E96 Da wird es auch nicht helfen, dass der Publikumsrat E99 Mir hat es viel geholfen, dass ich Kabuki-Theater N98 "Uns könnte es helfen, daß gleichzeitig Landtagswahl ist", P93 Saddam Hussein könnte es helfen, daß Zulieferstaaten... eine volle P98 "Wenn es Saddam hilft, daß Unscom von Diplomaten R99 Was kann es nun helfen, daß inzwischen 13 der 15 Stefan Engelberg, Analyse elektronischer Textkorpora, März 2009, Marmara-Universität Istanbul [Folie 26] 13