Proseminar Linguistische Annotation
|
|
|
- Eva Bäcker
- vor 6 Jahren
- Abrufe
Transkript
1 Proseminar Linguistische Annotation Ines Rehbein und Josef Ruppenhofer SS 2010 Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
2 Seminarplan I. Linguistische Annotation - Überblick Welche Arten von linguistischer Annotation gibt es? Wozu sind sie gut? II. Der Annotationsprozess Wie wird annotiert? Welche Probleme treten dabei auf? Welche Faktoren können die Annotation beeinflussen? III. Wie gut sind unsere Annotationen? IV. Wie bekomme ich größere Mengen an annotierten Daten? Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
3 Linguistische Annotation Hinzufügen von linguistischer Information zu einem Korpus phonetische Annotation (SAM-PA, BITS Sprachsynthesekorpora) Intonation / prosodische Annotation (ToBI/GToBI) Wortarten-Annotation (POS-Tagging) Morpho-Syntax Syntax (Baumbanken) Word Senses (WordNet) Semantische Rollen (Propbank, Framenet, SALSA) Named Entities (Person, Organisation, Datum,...) Temporale Annotation (TimeBank) Anaphor/Coreference Annotation (TüBa-D/Z, PoCos) Diskurs (Penn Discourse Treebank, Chinese Discourse Treebank) Sentiment-Annotation Meta-Information (Alter, Herkunft, Geschlecht,...)... Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
4 Linguistische Annotationen - Beispiele Text Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
5 Linguistische Annotationen - Beispiele Text + Lemmatisierung Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
6 Linguistische Annotationen - Beispiele Text + Lemmatisierung + Part-of-speech (POS) (Wortarten-Tagging) Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
7 Linguistische Annotationen - Beispiele Text + Lemmatisierung + Part-of-speech (POS) (Wortarten-Tagging) + morphologische Information Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
8 Linguistische Annotationen - Beispiele Text + Lemmatisierung + Part-of-speech (POS) (Wortarten-Tagging) + morphologische Information + Kasus Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
9 Linguistische Annotationen - Beispiele Text + Lemmatisierung + Part-of-speech (POS) (Wortarten-Tagging) + morphologische Information + Kasus + Syntax Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
10 Linguistische Annotationen - Beispiele Text + Lemmatisierung + Part-of-speech (POS) (Wortarten-Tagging) + morphologische Information + Kasus + Syntax + Grammatikalische Funktionen (GF) Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
11 Linguistische Annotationen - Beispiele Text + Lemmatisierung + Part-of-speech (POS) (Wortarten-Tagging) + morphologische Information + Kasus + Syntax + Grammatikalische Funktionen (GF) + sekundäre Kanten Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
12 Linguistische Annotationen - Beispiele Wozu das Ganze? Lemmatisierung Part-of-speech (POS) (Wortarten-Tagging) morphologische Information Syntax Grammatikalische Funktionen (GF) sekundäre Kanten Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
13 Linguistische Annotationen - Beispiele Lemmatisierung Zurückführung von flektierten Wortformen auf ihre Grundform - ermöglicht Nachschlagen im Lexikon Problem: Mehrdeutigkeiten (Rohrohrzucker - Roh rohr zucker - Rohr ohr zucker) Part-of-speech (POS) (Wortarten-Tagging) Voraussetzung für syntaktische Analyse hilft bei Information Extraction (und bei vielen anderen NLP tasks) morphologische Information Bedeutungsdisambiguierung: Syntax (1) Die Vortragenden NOM PL (2) Den Vortragenden DAT PL geben PL gibt SG der Studentin DAT SG die Studentin NOM SG Suche nach bestimmten syntaktischen Strukturen Trainingsdaten für statistische Parser das Buch. ACC das Buch. ACC Grammatikalische Funktionen (GF) Disambiguierung: Mann/SB beißt Hund/OA vs. Mann/OA beißt Hund/SB sekundäre Kanten vollständige semantische Interpretation einer Äußerung, Identifikation fehlender Subjekte etc. Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
14 Linguistische Annotationen - Beispiele Lemmatisierung Zurückführung von flektierten Wortformen auf ihre Grundform - ermöglicht Nachschlagen im Lexikon Problem: Mehrdeutigkeiten (Rohrohrzucker - Roh rohr zucker - Rohr ohr zucker) Part-of-speech (POS) (Wortarten-Tagging) Voraussetzung für syntaktische Analyse hilft bei Information Extraction (und bei vielen anderen NLP tasks) morphologische Information Bedeutungsdisambiguierung: Syntax (3) Die Vortragenden NOM PL (4) Den Vortragenden DAT PL geben PL gibt SG der Studentin DAT SG die Studentin NOM SG Suche nach bestimmten syntaktischen Strukturen Trainingsdaten für statistische Parser das Buch. ACC das Buch. ACC Grammatikalische Funktionen (GF) Disambiguierung: Mann/SB beißt Hund/OA vs. Mann/OA beißt Hund/SB sekundäre Kanten vollständige semantische Interpretation einer Äußerung, Identifikation fehlender Subjekte etc. Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
15 Linguistische Annotationen - Beispiele Lemmatisierung Zurückführung von flektierten Wortformen auf ihre Grundform - ermöglicht Nachschlagen im Lexikon Problem: Mehrdeutigkeiten (Rohrohrzucker - Roh rohr zucker - Rohr ohr zucker) Part-of-speech (POS) (Wortarten-Tagging) Voraussetzung für syntaktische Analyse hilft bei Information Extraction (und bei vielen anderen NLP tasks) morphologische Information Bedeutungsdisambiguierung: Syntax (5) Die Vortragenden NOM PL (6) Den Vortragenden DAT PL geben PL gibt SG der Studentin DAT SG die Studentin NOM SG Suche nach bestimmten syntaktischen Strukturen Trainingsdaten für statistische Parser das Buch. ACC das Buch. ACC Grammatikalische Funktionen (GF) Disambiguierung: Mann/SB beißt Hund/OA vs. Mann/OA beißt Hund/SB sekundäre Kanten vollständige semantische Interpretation einer Äußerung, Identifikation fehlender Subjekte etc. Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
16 Linguistische Annotationen - Beispiele Lemmatisierung Zurückführung von flektierten Wortformen auf ihre Grundform - ermöglicht Nachschlagen im Lexikon Problem: Mehrdeutigkeiten (Rohrohrzucker - Roh rohr zucker - Rohr ohr zucker) Part-of-speech (POS) (Wortarten-Tagging) Voraussetzung für syntaktische Analyse hilft bei Information Extraction (und bei vielen anderen NLP tasks) morphologische Information Bedeutungsdisambiguierung: Syntax (7) Die Vortragenden NOM PL (8) Den Vortragenden DAT PL geben PL gibt SG der Studentin DAT SG die Studentin NOM SG Suche nach bestimmten syntaktischen Strukturen Trainingsdaten für statistische Parser das Buch. ACC das Buch. ACC Grammatikalische Funktionen (GF) Disambiguierung: Mann/SB beißt Hund/OA vs. Mann/OA beißt Hund/SB sekundäre Kanten vollständige semantische Interpretation einer Äußerung, Identifikation fehlender Subjekte etc. Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
17 Linguistische Annotationen - Beispiele Lemmatisierung Zurückführung von flektierten Wortformen auf ihre Grundform - ermöglicht Nachschlagen im Lexikon Problem: Mehrdeutigkeiten (Rohrohrzucker - Roh rohr zucker - Rohr ohr zucker) Part-of-speech (POS) (Wortarten-Tagging) Voraussetzung für syntaktische Analyse hilft bei Information Extraction (und bei vielen anderen NLP tasks) morphologische Information Bedeutungsdisambiguierung: Syntax (9) Die Vortragenden NOM PL (10) Den Vortragenden DAT PL geben PL gibt SG der Studentin DAT SG die Studentin NOM SG Suche nach bestimmten syntaktischen Strukturen Trainingsdaten für statistische Parser das Buch. ACC das Buch. ACC Grammatikalische Funktionen (GF) Disambiguierung: Mann/SB beißt Hund/OA vs. Mann/OA beißt Hund/SB sekundäre Kanten vollständige semantische Interpretation einer Äußerung, Identifikation fehlender Subjekte etc. Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
18 Linguistische Annotationen - Beispiele Lemmatisierung Zurückführung von flektierten Wortformen auf ihre Grundform - ermöglicht Nachschlagen im Lexikon Problem: Mehrdeutigkeiten (Rohrohrzucker - Roh rohr zucker - Rohr ohr zucker) Part-of-speech (POS) (Wortarten-Tagging) Voraussetzung für syntaktische Analyse hilft bei Information Extraction (und bei vielen anderen NLP tasks) morphologische Information Bedeutungsdisambiguierung: Syntax (11) Die Vortragenden NOM PL (12) Den Vortragenden DAT PL geben PL gibt SG der Studentin DAT SG die Studentin NOM SG Suche nach bestimmten syntaktischen Strukturen Trainingsdaten für statistische Parser das Buch. ACC das Buch. ACC Grammatikalische Funktionen (GF) Disambiguierung: Mann/SB beißt Hund/OA vs. Mann/OA beißt Hund/SB sekundäre Kanten vollständige semantische Interpretation einer Äußerung, Identifikation fehlender Subjekte etc. Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
19 Seminarplan I. Linguistische Annotation - Wozu? mehr Information (erhöht die Interpretierbarkeit eines Korpus) Untersuchung linguistischer Phänomene Überprüfung linguistischer Theorien viele linguistische Theorien entstehen aufgrund von Introspektion Armchair linguistics aber manchmal übersieht man was... Überprüfung linguistischer Theorien mit Hilfe von realistischen Daten Läßt sich meine Theorie anhand der Daten widerlegen? Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
20 Beispiel I: Partikelverben (Müller & Meurers, 2006) Theorie: Verbpartikeln können nicht vorangestellt werden (Ausnahme: prädikative Partikeln wie auf in aufmachen) Korpusevidenz: Los PART ging es schon in dieser Woche. (taz, ) Vor PART hat er das jedenfalls. (taz, ) Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
21 Beispiel II: Idiome (Geyken et al., 2004) Theorie: klassische Ansätze betonen die Invariabilität von Idiomen (Katz, 1973; Chomsky, 1980) Korpusevidenz: ein Blatt vor den Mund nehmen Pluralisierung: ohne Blätter vor den Mund zu nehmen Quantifizierung: Hier nahm er manches Blatt vor den Mund der sich 100 Blätter vor den Mund nimmt Adjektivische Modifikation eines oder beider Nomen: mit einem postmodernen Blatt vor dem Munde kein Blatt vor seinen republikfeindlichen Mund Nomen-Modifikation: ohne das geringste (Klee-)Blatt vor den vorlauten Mund zu nehmen Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
22 Seminarplan I. Linguistische Annotation - Wozu? mehr Information (erhöht die Interpretierbarkeit eines Korpus) Untersuchung linguistischer Phänomene Überprüfung linguistischer Theorien Ressourcen zum Training von statistischen NLP-Systemen: Wortarten-Tagger Syntaktische Parser Semantische Parser / Labelling von Semantischen Rollen Systeme zur Lesarten-Disambiguierung Anaphern-Auflösung Maschinelles Übersetzen Automatische Spracherkennung... Linguistisch annotierte Daten zur Evaluation von NLP-Systemen (Goldstandard) Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
23 Linguistische Annotation erhöht die Interpretierbarkeit eines Korpus zeitaufwändig! 1 Standardisierung Standards erhöhen Konsistenz und Verwendungsbreite ermöglichen den Austausch von Daten EAGLES (Expert Advisory Group on Language Engineering Standards) TEI (Text Encoding Initiative) GrAF (A Graph-based Format for Linguistic Annotations)... 2 Interoperabilität z.b. die Übertragung von vorhandenen Annotationsschemata auf neue Sprachen Penn Chinese Treebank, Penn Arabic Treebank oder die Kombination verschiedener Annotationsebenen in eine vereinte Repräsentation (z.b. Propbank + Nombank + TimeBank + Penn Discourse treebank + Coreference) XBank Browser Aber: bevor man Annotationsschemata vereint oder überträgt Was sind die Vor- und Nachteile verschiedener Annotationsschemata? Wie vergleicht man Annotationsschemata? Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
24 Linguistische Annotation erhöht die Interpretierbarkeit eines Korpus zeitaufwändig! 1 Standardisierung Standards erhöhen Konsistenz und Verwendungsbreite ermöglichen den Austausch von Daten EAGLES (Expert Advisory Group on Language Engineering Standards) TEI (Text Encoding Initiative) GrAF (A Graph-based Format for Linguistic Annotations)... 2 Interoperabilität z.b. die Übertragung von vorhandenen Annotationsschemata auf neue Sprachen Penn Chinese Treebank, Penn Arabic Treebank oder die Kombination verschiedener Annotationsebenen in eine vereinte Repräsentation (z.b. Propbank + Nombank + TimeBank + Penn Discourse treebank + Coreference) XBank Browser Aber: bevor man Annotationsschemata vereint oder überträgt Was sind die Vor- und Nachteile verschiedener Annotationsschemata? Wie vergleicht man Annotationsschemata? Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
25 Linguistische Annotation erhöht die Interpretierbarkeit eines Korpus zeitaufwändig! 1 Standardisierung Standards erhöhen Konsistenz und Verwendungsbreite ermöglichen den Austausch von Daten EAGLES (Expert Advisory Group on Language Engineering Standards) TEI (Text Encoding Initiative) GrAF (A Graph-based Format for Linguistic Annotations)... 2 Interoperabilität z.b. die Übertragung von vorhandenen Annotationsschemata auf neue Sprachen Penn Chinese Treebank, Penn Arabic Treebank oder die Kombination verschiedener Annotationsebenen in eine vereinte Repräsentation (z.b. Propbank + Nombank + TimeBank + Penn Discourse treebank + Coreference) XBank Browser Aber: bevor man Annotationsschemata vereint oder überträgt Was sind die Vor- und Nachteile verschiedener Annotationsschemata? Wie vergleicht man Annotationsschemata? Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
26 Linguistische Annotation erhöht die Interpretierbarkeit eines Korpus zeitaufwändig! 1 Standardisierung Standards erhöhen Konsistenz und Verwendungsbreite ermöglichen den Austausch von Daten EAGLES (Expert Advisory Group on Language Engineering Standards) TEI (Text Encoding Initiative) GrAF (A Graph-based Format for Linguistic Annotations)... 2 Interoperabilität z.b. die Übertragung von vorhandenen Annotationsschemata auf neue Sprachen Penn Chinese Treebank, Penn Arabic Treebank oder die Kombination verschiedener Annotationsebenen in eine vereinte Repräsentation (z.b. Propbank + Nombank + TimeBank + Penn Discourse treebank + Coreference) XBank Browser Aber: bevor man Annotationsschemata vereint oder überträgt Was sind die Vor- und Nachteile verschiedener Annotationsschemata? Wie vergleicht man Annotationsschemata? Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
27 Seminarplan II. Der Annotationsprozess Wie wird annotiert? Erstellung von Annotationsrichtlinien Training Annotationsprozess Qualitätssicherung Welche Probleme treten dabei auf? Welche Faktoren können die Annotation beeinflussen? Annotations-Tools Richtlinien persönliche Eignung und Neigung der Annotator/innen Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
28 Seminarplan III. Evaluation - Wie gut sind unsere Annotationen? Evaluation gegen einen manuell annotierten Goldstandard Inter-Annotator Agreement Einsatz der Daten als Trainingsset für Systeme der automatischen Sprachverarbeitung (Task-based evaluation) Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
29 Seminarplan IV. Wie bekomme ich große Mengen an annotierten Daten? Halb-automatische Annotation Bootstrapping Active Learning Games with a Purpose (z.b. ESP-Game) kollaborativ erstellte Ressourcen wie Wikipedia... Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
30 Seminarplan I. Linguistische Annotation - Überblick Welche Arten von linguistischer Annotation gibt es? Wozu sind sie gut? II. Der Annotationsprozess Wie wird annotiert? Welche Probleme treten dabei auf? Welche Faktoren können die Annotation beeinflussen? III. Wie gut sind unsere Annotationen? IV. Wie bekomme ich größere Mengen an annotierten Daten? Leistungsnachweis: 5 Leistungspunkte Schein für Hausarbeit + Vortrag Beteiligung an kleinen praktischen Übungen Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April / 22
Projektseminar "Texttechnologische Informationsmodellierung"
Projektseminar "Texttechnologische Informationsmodellierung" Ziel dieser Sitzung Nach dieser Sitzung sollten Sie: Einige standards und projekte vom Namen her kennen Einen Überblick über und einen Eindruck
Elektronische Korpora in der Lehre Anwendungsbeispiele aus der theoretischen 2 und / 27der. und der Computerlinguistik
Elektronische Korpora in der Lehre Anwendungsbeispiele aus der theoretischen und der Linguistics Department Ruhr-University Bochum 18.1.2011 DSPIN-Workshop Sprachressourcen in der Lehre Erfahrungen, Einsatzszenarien,
Computerlinguistische Grundlagen. Jürgen Hermes Sommersemester 17 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln
Computerlinguistische Grundlagen Jürgen Hermes Sommersemester 17 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Computerlinguistik: Schnittstellen Computerlinguistik aus
Einführung in die Korpuslinguistik
Einführung in die Korpuslinguistik Ines Rehbein WS 09/10 Ines Rehbein (WS 09/10) VL Computerlinguistik Oktober 2009 1 / 48 Überblick 1 Wo kommen die linguistischen Daten her? 2 Korpuslinguistik Was macht
Proseminar Linguistische Annotation
Proseminar Linguistische Annotation Ines Rehbein und Josef Ruppenhofer SS 2010 Ines Rehbein und Josef Ruppenhofer Linguistische Annotation Mai 2010 1 / 13 Vergleich verschiedener Annotationsschemata Feinkörnige
Lösungsvorschlag für das Übungsblatt 8. Aufgabe1.
Lösungsvorschlag für das Übungsblatt 8. Aufgabe1. 3 Det A N VP R6 4 Any A N VP L3 5 Any intelligent N VP L4 6 Any intelligent cat VP L2 Nach den Regeln kann der Satz weiter nicht erzeugt warden, deswegen
Was ist ein Korpus. Zitat aus: Carstensen et al. Computerlinguistik und Sprachtechnologie: Eine Einführung. Kap. 4.2, Textkorpora
Was ist ein Korpus Korpora sind Sammlungen linguistisch aufbereitete(r) Texte in geschriebener oder gesprochener Sprache, die elektronisch gespeichert vorliegen. Zitat aus: Carstensen et al. Computerlinguistik
Einführung in die Computerlinguistik
Mehrdeutigkeit der Wortart Einführung in die Computerlinguistik Statistische Modellierung und Evaluation WS 2008/2009 Manfred Pinkal Sie haben in Moskau liebe genossen Sie haben in Moskau liebe Genossen
Erweiterung des STTS für gesprochene Sprache
Erweiterung des STTS für gesprochene Sprache Ines Rehbein, Sören Schalowski und Heike Wiese Institut für Deutsche Sprache SFB 632 Informationsstruktur Universität Potsdam STTS Workshop am IMS Stuttgart
Vortrag im Rahmen der Vorlesung Data Warehouse Dozentin: Prof. Dr. Frey-Luxemburger WS 2011/2012. Referent: Florian Kalisch (GR09)
Vortrag im Rahmen der Vorlesung Data Warehouse Dozentin: Prof. Dr. Frey-Luxemburger WS 2011/2012 Referent: Florian Kalisch (GR09) Rückblick Aktueller Status Einführung in Text-Mining Der Text-Mining Prozess
Sprachtechnologie als Grundlage für die maschinelle Auswertung von Texten
Sprachtechnologie als Grundlage für die maschinelle Auswertung von Texten Dr-Ing Michael Piotrowski Leibniz-Institut für Europäische Geschichte @true_mxp Bamberg, 20 November 2015
Was ist Statistik? Wozu dienen statistische Methoden?
25. APRIL 2002: BLATT 1 Übersicht Was ist Statistik? Wozu dienen statistische Methoden? Was ist maschinelle Sprachverarbeitung? Welche Rolle spielen statistische Methoden in verschiedenen Teilbereichen
Viterbi. Hidden Markov Models und POS Tagging mit dem Viterbi-Algorithmus. von Arndt Faulhaber und Benjamin Schlebes
Viterbi Hidden Markov Models und POS Tagging mit dem Viterbi-Algorithmus von Arndt Faulhaber und Benjamin Schlebes Seminar: Endliche Automaten für die Sprachverarbeitung SS 2005 PD Dr. K. Haenelt 1/28
LAUDATIO - Eine Infrastruktur zur linguistischen Analyse historischer Korpora
LAUDATIO - Eine Infrastruktur zur linguistischen Analyse historischer Korpora Carolin Odebrecht, Humboldt-Universität zu Berlin Florian Zipser, Humboldt-Universität zu Berlin, INRIA Historische Textkorpora
Blockseminar Einführung in die Korpuslinguistik Seminarleitung: Yvonne Krämer, M.A. Das Korpus. und seine Aufbereitung
Blockseminar Einführung in die Korpuslinguistik Seminarleitung: Yvonne Krämer, M.A. Das Korpus und seine Aufbereitung Bestandteile eines Korpus sind i.d.r.: Primärdaten Metadaten Annotationen Annotationen
Korpuslinguistik. Vorlesungsreihe»Methoden der Linguistik«(WS 2004/05) Universität Zürich, Korpuslinguistik. Jürgen Spitzmüller.
Vorlesungsreihe»Methoden der Linguistik«(WS 2004/05) Universität Zürich, 7.12.2004 1. Teil: Theorie Grundlegende theoretische Fragestellungen: Was sind überhaupt Korpora? Wozu Korpora? Was sollen Korpora
Centrum für Informations- und Sprachverarbeitung. Dr. M. Hadersbeck, Digitale Editionen, BAdW München
# 1 Digitale Editionen und Auszeichnungssprachen Computerlinguistische FinderApps mit Facsimile-Reader Wittgenstein s Nachlass: WiTTFind Goethe s Faust: GoetheFind Hadersbeck M. et. al. Centrum für Informations-
A Topical/Local Classifier for Word Sense Idendification (TLC) Anne Schwartz
A Topical/Local Classifier for Word Sense Idendification (TLC) Anne Schwartz anne@coli.uni-sb.de A Topical/Local Classifier for Word Sense Idendification (TLC) entwickelt von: - Martin Chodorow (Dep. of
Strukturelle und linguistische Annotation in historischen Textkorpora am Beispiel des Deutschen Textarchivs
Strukturelle und linguistische Annotation in historischen Textkorpora am Beispiel des Deutschen Textarchivs Susanne Haaf, Alexander Geyken, Bryan Jurish, Matthias Schulz, Christian Thomas, Frank Wiegand
Computerlinguistik I
Computerlinguistik I Vorlesung im WS 2007/08 Prof. Dr. Udo Hahn Lehrstuhl für Computerlinguistik Institut für Germanistische Sprachwissenschaft Friedrich-Schiller-Universität Jena Morphologie A writer
Linguistische Grundlagen. Warum Tagging? Klassische Wortartenlehre Tagsets Annotation höherer Ebenen Design von Tagsets
Linguistische Grundlagen Warum Tagging? Klassische Wortartenlehre Tagsets Annotation höherer Ebenen Design von Tagsets Warum Tagging? Abfragbarkeit linguistischer Information Generalisierbarkeit von Abfragen
xii Inhaltsverzeichnis Generalisierung Typisierte Merkmalsstrukturen Literaturhinweis
Inhaltsverzeichnis 1 Computerlinguistik Was ist das? 1 1.1 Aspekte der Computerlinguistik.................. 1 1.1.1 Computerlinguistik: Die Wissenschaft........... 2 1.1.2 Computerlinguistik und ihre Nachbardisziplinen.....
NLP Eigenschaften von Text
NLP Eigenschaften von Text Dr. Andreas Hotho Dominik Benz Beate Krause Sommersemester 2008 Folie: 1 Übersicht Einführung Eigenschaften von Text Words I: Satzgrenzenerkennung, Tokenization, Kollokationen
Herausforderungen in der Nutzung vorhandener Tools für arabische Daten
Herausforderungen in der Nutzung vorhandener Tools für arabische Daten Tillmann Feige und Alicia González Vorgehen 1 Hintergründe & Workflow 2 Die Annotation 2.1 Anforderungen 3 Visualisierung 3.1 Anforderungen
Einführung in die Computerlinguistik
Einführung in die Computerlinguistik Statistische Modellierung WS 2011/2012 Manfred Pinkal Wortartinformation Wortartinformation ist eine wichtige Voraussetzung für die syntaktische Analyse. Woher kommt
Prof. Dr. Udo Hahn. Seminar im Modul B-GSW-12 SoSe 2018
Seminar im Modul B-GSW-12 SoSe 2018 Prof. Dr. Udo Hahn Lehrstuhl für Angewandte Germanistische Sprachwissenschaft / Computerlinguistik Institut für Germanistische Sprachwissenschaft Friedrich-Schiller-Universität
Einführung in die Computerlinguistik
Einführung in die Computerlinguistik Statistische Modellierung Fragebogenaktion Bachelor-StudentInnen http://www.coli.uni-saarland.de/bsc/page.php?id=fragebogen WS 2013/2014 Andrea Horbach mit Folien von
Grammatiken und linguistische Evidenz
Grammatiken und linguistische Evidenz SE: Quantitative Analyse linguistischer Variation Dozentin: Ines Rehbein 14.11.2012 Linguistische Variation (Ines Rehbein) WS 2012/13 1 / 28 Heutige Sitzung I. Zusammenfassung
Part-of-Speech Tagging. Stephanie Schuldes
Part-of-Speech Tagging Stephanie Schuldes 05.06.2003 PS Erschließen von großen Textmengen Geißler/Holler SoSe 2003 Motivation Ziel: vollständiges Parsing und Verstehen natürlicher Sprache Herantasten durch
Wortarten-Tagging (auch Part-of-Speech(PoS)-Tagging) Ein erster Schritt zur syntaktischen Annotation
Wortarten-Tagging (auch Part-of-Speech(PoS)-Tagging) Ein erster Schritt zur syntaktischen Annotation Übersicht Allgemeines zur Ambiguität Einführung Wortarten-Tagging Tagsets Automatisches Taggen eines
Einführung in die Computerlinguistik
Einführung in die Computerlinguistik Statistische Verfahren in der lexikalischen Semantik WS 2/22 Manfred Pinkal Beispiel: Adjektive im Wahrig-Korpus Frequenzen in einem kleinen Teilkorpus: n groß - -
Einführung in die Computerlinguistik. Morphologie III
Einführung in die Computerlinguistik Morphologie III Hinrich Schütze & Robert Zangenfeind Centrum für Informations- und Sprachverarbeitung, LMU München 7.12.2015 Schütze & Zangenfeind: Morphologie III
Lexikalisch-semantische Disambiguierung mit WordNet
Lexikalische Semantik Lexikalisch-semantische Disambiguierung mit WordNet Conrad Steffens Paper: Rada Mihalcea & Dan I. Moldovan: A Method for Word Sense Disambiguation of Unrestricted Text Lexikalisch-semantische
Named Entity Recognition auf Basis von Wortlisten
Named Entity Recognition auf Basis von Wortlisten EDM SS 2017 Lukas Abegg & Tom Schilling Named Entity Recognition auf Basis von Wortlisten Lukas Abegg - Humboldt Universität zu Berlin Tom Schilling -
Einführung in die Computerlinguistik
Einführung in die Computerlinguistik Statistische Modellierung I WS 2010/2011 Manfred Pinkal Wortartinformation Wortartinformation ist eine wichtige Voraussetzung für die syntaktische Analyse. Woher kommt
Inhaltsverzeichnis. Bibliografische Informationen digitalisiert durch
Inhaltsverzeichnis 1 Computerlinguistik - Was ist das? 1 1.1 Aspekte der Computerlinguistik 1 1.1.1 Computer linguistik: Die Wissenschaft 2 1.1.2 Computerlinguistik und ihre Nachbardisziplinen 3 1.1.3
Ergänzende Betrachtungen zur syntaktischen Dependenz
Vertiefung der Grundlagen der Computerlinguistik Ergänzende Betrachtungen zur syntaktischen Dependenz Robert Zangenfeind Centrum für Informations- und Sprachverarbeitung, LMU München 28.11.2017 Zangenfeind:
INFORMATIONSEXTRAKTION Computerlinguistik Referenten: Alice Holka, Sandra Pyka
INFORMATIONSEXTRAKTION 1 22.12.09 Computerlinguistik Referenten: Alice Holka, Sandra Pyka INFORMATIONSEXTRAKTION(IE) 1. Einleitung 2. Ziel der IE 3. Funktionalität eines IE-Systems 4. Beispiel 5. Übung
Einführung in die Computerlinguistik
Einführung in die Computerlinguistik Einführung Laura Kallmeyer Heinrich-Heine-Universität Düsseldorf Summer 2018 1 / 14 Anwendungen der Computerlinguistik Carstensen et al. (2010); Jurafsky and Martin
Vertiefung der Grundlagen der Computerlinguistik. Semesterüberblick und Einführung zur Dependenz. Robert Zangenfeind
Vertiefung der Grundlagen der Computerlinguistik Semesterüberblick und Einführung zur Dependenz Robert Zangenfeind Centrum für Informations- und Sprachverarbeitung, LMU München 17.10.2017 Zangenfeind:
Tagger for German. Online BRILL-Tagger für das Deutsche
Tagger for German Online BRILL-Tagger für das Deutsche Morphologie V/Ü, Anke Holler Uni Heidelberg, SS2007 Nataliya Mytyay Éva Mújdricza 19.07.2007 Designed by: Dóra Dobos Tagger for German Eric Brill
Twitter als interaktive Erweiterung des Mediums Fernsehen: Inhaltliche Analyse von Tatort- Tweets
Twitter als interaktive Erweiterung des Mediums Fernsehen: Inhaltliche Analyse von Tatort- Tweets Manuel Burghardt 1, Heike Karsten 2, Melanie Pflamminger 2 und Christian Wolff 1 Lehrstuhl für Medieninformatik
Speech Recognition Grammar Compilation in Grammatikal Framework. von Michael Heber
Speech Recognition Grammar Compilation in Grammatikal Framework von Michael Heber Agenda 1. Einführung 2. Grammatical Framework (GF) 3. Kontextfreie Grammatiken und Finite-State Modelle 4. Quellen 2 1.
Maschinelle Übersetzung
Maschinelle Übersetzung Wissensmanagement VO 340088 Bartholomäus Wloka https://www.adaptemy.com MÜ Ansätze Zwei Dimensionen: Verarbeitungstiefe Art der verwendeten Technik Seite 2 Verarbeitunstiefe Seite
Lemmatisierung. Einführung in die Korpuslinguistik. Lemmatisierung und Wortarttagging. Lemmatisierung. zum Erinnern... zum Erinnern...
Lemmatisierung Einführung in die Korpuslinguistik Anke Lüdeling anke.luedeling@rz.hu-berlin.de Sommersemester 2007 zum Lemmatisieren braucht man also ein Lexikon, in dem die Lemmata mit ihrer Flexionsklasse
Äußerungen + Segmentierung
Äußerungen + Segmentierung Seminar: Dialoge auf Twitter Universität Potsdam Tatjana Scheffler tatjana.scheffler@uni-potsdam.de 21.10.2015 Organisatorisches Referatsvergabe Referate: - Termin zur Vorbesprechung
Hidden Markov Models in Anwendungen
Hidden Markov Models in Anwendungen Prof Dr. Matthew Crocker Universität des Saarlandes 18. Juni 2015 Matthew Crocker (UdS) HMM Anwendungen 18. Juni 2015 1 / 26 Hidden Markov Modelle in der Computerlinguistik
Einführung in die Computerlinguistik
Einführung in die Computerlinguistik Statistische Verfahren in der lexikalischen Semantik Evaluation Annotation eines Goldstandard : Testkorpus mit der relevanten Zielinformation (z.b. Wortart) Automatische
Maschinelle Sprachverarbeitung: Part-of-Speech-Tagging
HUMBOLDT-UNIVERSITÄT ZU BERLIN Institut für Informatik Lehrstuhl Wissensmanagement Maschinelle Sprachverarbeitung: Part-of-Speech-Tagging Tobias Scheffer Ulf Brefeld POS-Tagging Zuordnung der Wortart von
Korpusannotation: Vom nachhaltigen Aufbereiten einer Ressource
Korpusannotation: Vom nachhaltigen Aufbereiten einer Ressource Kerstin Eckart 18. Februar 2013 Kerstin Eckart 1 / 45 Übersicht Konzepte und Beispiele Vorgehen beim Aufbereiten einer Ressource Entscheidungen
Modul 4: Automatische Korpusannotation mit computerlinguistischen Werkzeugen: Bestimmung von Wortarten und Grundformen
Institut für Computerlinguistik Sprachtechnologie in den Digital Humanities Modul 4: Automatische Korpusannotation mit computerlinguistischen Werkzeugen: Bestimmung von Wortarten und Grundformen Simon
Terminologie-Extraktion: Beispiel
Terminologie-Extraktion: Beispiel The major risks of long-term cardiotoxicity relate to treatment prior to the BMT, in particular, anthracyclines, ablative-dose Cytoxan (ie, dose > 150 mg/ kg), chest [radiation
Computerlinguistik und Sprachtechnologie
Computerlinguistik und Sprachtechnologie Eine Einführung 2., überarbeitete und erweiterte Auflage Herausgegeben von: Kai-Uwe Carstensen, Christian Ebert, Cornelia Endriss, Susanne Jekat, Ralf Klabunde
Die Geschichte der Sprachverarbeitung ist eine Geschichte voller Mißverständnisse WS 2011/2012
Die Geschichte der Sprachverarbeitung ist eine Geschichte voller Mißverständnisse WS 2011/2012 Christian Kölbl Universität Augsburg, Lehrprofessur für Informatik 25. Oktober 2011 HAL 9000 - Zukunftsmusik
Lexikalisch-semantische Ressourcen für die automatische Analyse von Erziehungswissenschaftlicher Fachliteratur
Workshop UKP Lab DIPF Knowledge Discovery 02. August 2012 Dr. Judith Eckle-Kohler Lexikalisch-semantische Ressourcen für die automatische Analyse von Erziehungswissenschaftlicher Fachliteratur In Teilen
Florian Zipser Humboldt-Universität zu Berlin
Humboldt-Universität zu Berlin LAUDATIO Workshop 2014-10-07 1 Heterogene Domäne Linguistische Daten und Phänomene erfordern viele Annotationsarten Morphologie 2 Heterogene Domäne Linguistische Daten und
Korpusvorverarbeitung. Hauptseminar: Einführung in die Korpuslinguistik. Kodierung/Annotationsmaximen. Vorverarbeitung: erste Schritte.
Hauptseminar: Einführung in die Korpuslinguistik Anke Lüdeling anke.luedeling@rz.hu-berlin.de Wintersemester 2002/2003 Korpusvorverarbeitung Beispiel: DIE ZEIT aufbereitet für journalistische Zwecke, mitgeliefertes
Seminar Sicherheit und Softwareengineering WS 2013 / Isabell Kullack FEHLERANALYSE VON REQUIREMENTS DOCUMENTS
Isabell Kullack FEHLERANALYSE VON REQUIREMENTS DOCUMENTS Requirements Documents Was sind Requirements Documents? Anforderungsdokumente in industriellen Software-Projekten Häufig in natürlicher Sprache
Probabilistische kontextfreie Grammatiken
Probabilistische kontextfreie Grammatiken Vorlesung Computerlinguistische Techniken Alexander Koller 08. Dezember 2015 Let s play a game Ich gebe Ihnen ein Nichtterminalsymbol. S, NP, VP, PP, oder POS-Tag
Ivana Daskalovska. Willkommen zur Übung Einführung in die Computerlinguistik. Sarah Bosch,
Ivana Daskalovska Willkommen zur Übung Einführung in die Computerlinguistik Kontakt: ivana.bt.mk@gmail.com Betreff: EICL Wiederholung Aufgabe 1 Was ist Computerlinguistik? 4 Was ist Computerlinguistik?
Kontextfreie Grammatiken
Kontextfreie Grammatiken Vorlesung Computerlinguistische Techniken Alexander Koller 16. Oktober 2015 Übersicht Worum geht es in dieser Vorlesung? Übungen und Abschlussprojekt Kontextfreie Grammatiken Computerlinguistische
Deutsche Wortbildung in Grundzügen
Wolfgang Motsch Deutsche Wortbildung in Grundzügen 2., überarbeitete Auflage W DE G Walter de Gruyter Berlin New York INHALT Vorwort V Kapitel 1: Grundlagen 1. Der allgemeine Rahmen 1 2. Lexikoneintragungen
SKOPOS Webinar 22. Mai 2018
SKOPOS Webinar 22. Mai 2018 Marktforschung 2020: Künstliche Intelligenz und automatische Text Analysen? Christopher Harms, Consultant Research & Development 2 So? Terminator Exhibition: T-800 by Dick Thomas
Tutorial: Automatische Textannotation mit WebLicht
Tutorial: Automatische Textannotation mit WebLicht Inhalt 1. Was ist WebLicht?... 1 2. WebLicht starten... 1 3. Text importieren... 2 4. Verarbeitungsketten... 2 5. Wortarten- Tagging und Lemmatisierung...
Transformation-Based Error-Driven Learning: Eine Fallstudie in Part of Speech Tagging
Transformation-Based Error-Driven Learning: Eine Fallstudie in Part of Speech Tagging Malte Helmert 23. Februar 2000 Seminar Autonome Mobile Systeme/Machine Learning Übersicht 1. Part of Speech Tagging
Deutsche Wortbildung in Grundzügen
Wolfgang Motsch Deutsche Wortbildung in Grundzügen wde G Walter de Gruyter Berlin New York 1999 INHALT Vorwort xi Kapitel 1: Grundlagen 1. Der allgemeine Rahmen 1 2. Lexikoneintragungen 3 3. Wortbildungsmuster
Linux I II III Res WN/TT NLTK XML XLE I II Weka E. Freitag. 9 XLE Transfer. 10 Weka. Ressourcen-Vorkurs
Linux I II III Res WN/TT NLTK XML XLE I II Weka E Freitag 9 XLE Transfer 10 Weka Linux I II III Res WN/TT NLTK XML XLE I II Weka E XLE Transfer I Auf ella gibt es nicht nur XLE (den Parser) sondern auch
Themen. GK C: Einführung in die Korpuslinguistik. Vorverarbeitung. Tokenisierung. Tokenisierung. Aber. Vorverarbeitung
GK C: Einführung in die Korpuslinguistik Anke Lüdeling anke.luedeling@rz.hu-berlin.de Sommersemester 2003 Themen Vorverarbeitung Tokenisieren Taggen Lemmatisieren Vorverarbeitung auf allen Vorverarbeitungsebenen
Polysemie zwischen Homonymie und Generalität
Essay zu Konzepten lexikalischer Ambiguität Polysemie zwischen Homonymie und Generalität Fabian Steeg 30. Dezember 2007 Mehrdeutigkeit (Ambiguität) ist eine grundlegende Eigenschaft natürlicher Sprache.
Hidden Markov Models in Anwendungen
Hidden Markov Models in Anwendungen Dr. Vera Demberg Universität des Saarlandes 31. Mai 2012 Vera Demberg (UdS) HMM Anwendungen 31. Mai 2012 1 / 26 Hidden Markov Modelle in der Computerlinguistik Table
Korpus. Was ist ein Korpus?
Was ist ein Korpus? Korpus Endliche Menge von konkreten sprachlichen Äußerungen, die als empirische Grundlage für sprachwiss. Untersuchungen dienen. Stellenwert und Beschaffenheit des Korpus hängen weitgehend
Agenda. Seminar: Informationsstrukturierung. SS 2007 Ulli Waltinger. Lexical Chaining Textkategorisierung und Lexical Chaining
Seminar: Informationsstrukturierung SS 2007 Ulli Waltinger Lexical Chaining Textkategorisierung und Lexical Chaining 1 Agenda Textkategorisierung Datenanalyse und Lemmatisierung Lexical Chaining Quelle:
Sharon Goldwater & David McClosky. Sarah Hartmann Advanced Topics in Statistical Machine Translation
Sharon Goldwater & David McClosky Sarah Hartmann 13.01.2015 Advanced Topics in Statistical Machine Translation Einführung Modelle Experimente Diskussion 2 Einführung Das Problem Der Lösungsvorschlag Modelle
KL WS 03/04 - Anke Lüdeling. Gliederung. Polysemie. Systematische Polysemie
KL WS 03/04 - Anke Lüdeling Arbeitsgruppe Miniprojekt 1: Lexikalische Semantik Kann man systematische Polysemie kontextuell (automatisch) bestimmen? Anne Urbschat Ruprecht v.waldenfels Jana Drescher Emil
Informationsextraktion aus Stellenanzeigen
Informationsextraktion aus Stellenanzeigen Die Entwicklung maschineller Verfahren zur Extraktion von Kompetenzen Institut für Linguistik Sprachliche Informationsverarbeitung, Alena Geduldig, Dr. Jürgen
Tagging von Online-Blogs
Tagging von Online-Blogs Gertrud Faaß (vertreten durch Josef Ruppenhofer) STTS tagset and tagging: special corpora 24. September 2012 Faaß MODEBLOGS 1 Korpuslinguistische studentische Projekte am IwiSt
Transition Network Parser
Transition Grammatik als endlicher Automat oder Übergangsnetzwerk. Jedes Netzwerk repräsentiert ein Nichtterminal. Kanten repräsentieren Terminale oder Nichtterminale. Pfad durch das Netzwerk korrespondiert
des ehumanities Desktops
Historische i Semantik mit Hilfe des s Alexander Mehler Goethe Universität i Frankfurt Historische Semantik Computational Humanities computational historical semantics formalisiert berechenbar hermeneutisch
Maschinelles Lernen lernen: Ein CRETA- Hackatorial zur reflektierten automatischen Textanalyse
Maschinelles Lernen lernen: Ein CRETA- Hackatorial zur reflektierten automatischen Textanalyse Kerstin Jung, Gerhard Kremer Einleitung Das Ziel dieses Tutorials ist es, den Teilnehmerinnen und Teilnehmern
Deutsche Wortbildung in Grundziigen
Wolfgang Motsch Deutsche Wortbildung in Grundziigen 2., iiberarbeitete Auflage W DE G Walter de Gruyter Berlin New York INHALT Vorwort V Kapitel 1: Grundlagen 1. Der allgemeine Rahmen 1 2. Lexikoneintragungen
Automatische Textzusammenfassung
Ruprecht Karls Universität Heidelberg Lehrstuhl für Computerlinguistik HS Information Retrieval Automatische Textzusammenfassung Referat von Elena Loupanova 23.01.2006 Definition Textzusammenfassung The
Erkennung und Visualisierung attribuierter Phrasen in Poetiken
Erkennung und Visualisierung attribuierter Phrasen in Poetiken Andreas Müller (1) Markus John (2) Steffen Koch (2) Thomas Ertl (2) Jonas Kuhn (1) (1), Universität Stuttgart (2) Institut für Visualisierung
Korpus-basierte Recherche und Analyse mit Hilfe von Data Mining:
KobRA: Korpus-basierte Recherche und Analyse mit Hilfe von Data Mining: Motivation und Zielsetzungen Angelika Storrer Überblick o o o o o o Leitziel und Zusammenspiel der Projektpartner Ausgangslage: Welche
Automatische Rekonstruktion und Spezifizierung von Attributnamen in Webtabellen
Automatische Rekonstruktion und Spezifizierung von Attributnamen in Webtabellen Mark Reinke Bachelorarbeit TU Dresden 17. Februar 2014 Webtabellen Warum sind Webtabellen von Bedeutung? Sie können relationale
Semantische Technologien (M-TANI)
Aktuelle Themen der Angewandten Informatik Semantische Technologien (M-TANI) Christian Chiarcos Angewandte Computerlinguistik chiarcos@informatik.uni-frankfurt.de 13. Juni 2013 Satzsemantik Motivation
Korpuslinguistik mit PostgreSQL
Korpuslinguistik mit PostgreSQL Johannes Graën Institut für Computerlinguistik Universität Zürich graen@cluzhch 2016-06-24 Übersicht Korpuslinguistik Abgetrennte Verbpräfixe Übersetzungsvarianten von Mehrwortausdrücken
Ivana Daskalovska. Willkommen zur Übung Einführung in die Computerlinguistik. Morphologie. Sarah Bosch,
Ivana Daskalovska Willkommen zur Übung Einführung in die Computerlinguistik Morphologie Wiederholung Aufgabe 1 Was ist Morphologie, Morphem? 3 Aufgabe 1 Was ist Morphologie, Morphem? Teildisziplin der
Visuelle Segmentierung von Webseiten mit Hilfe von Crowdsourcing. Florian Kneist. Bauhaus-Universität Weimar. Bachelor Verteidigung
Visuelle Segmentierung von Webseiten mit Hilfe von Crowdsourcing Florian Kneist. Bauhaus-Universität Weimar. Bachelor Verteidigung. 29.04.2016 1 Einleitung 2 Einleitung: Webseiten Segmentierung Zusammengehörige
Swantje Westpfahl & Thomas Schmidt POS für(s) FOLK
Swantje Westpfahl & Thomas Schmidt POS für(s) FOLK Problemanalyse des POS- Taggings für spontansprachliche Daten anhand des Forschungsund Lehrkorpus Gesprochenes Deutsch 2 FOLK Forschungs- und Lehrkorpus
Sprachliche Ressourcen I - Korpora - Hauptseminar Sprachtechnologie Referentin am : Stefanie Grabbe
Sprachliche Ressourcen I - Korpora - Hauptseminar Sprachtechnologie Referentin am 15.5.2002: Stefanie Grabbe Institut für Angewandte Informationswissenschaft Definitionen Korpus das, 1. Belegsammlung von
Semantic Role Labeling
Semantic Role Labeling Am Beispiel von EasySRL und SEMAFOR Max Depenbrock Proseminar "Tools für Computerlinguisten" 5.1.2018 Max Depenbrock SRL 5.1.2018 1 / 36 Was ist Semantic Role Labeling? Was ist Semantic
Improving Part-Of-Speech Tagging for Social Media via Automatic Spelling Error Correction
Improving Part-Of-Speech Tagging for Social Media via Automatic Spelling Error Correction Vorstellung AI-Studienprojekt für das SoSe 2019 Benedikt Tobias Bönninghoff 17.01.2019 Cognitive Signal Processing
Proseminar Linguistische Annotation
Proseminar Linguistische Annotation Ines Rehbein und Josef Ruppenhofer SS 2010 Ines Rehbein und Josef Ruppenhofer (SS10) Linguistische Annotation April 2010 1 / 51 Überblick über verschiedene Arten linguistischer
2 Sprachliche Einheiten
2 Sprachliche Einheiten Inhalt Semiotische Begriffe Wörter Wortbestandteile Wortzusammensetzungen Wortgruppen Text und Dialog Wort- und Satzbedeutung 2.1 Semiotische Begriffe Semiotische Begriffe Semiotik
Wiederholung: Forschungsfragen und Korpusdaten. GK C: Einführung in die Korpuslinguistik. Wiederholung: Forschungsfragen und Korpusdaten
GK C: Einführung in die Korpuslinguistik Anke Lüdeling anke.luedeling@rz.hu-berlin.de Sommersemester 2003 Wiederholung: Forschungsfragen und Korpusdaten Korpusdaten können benutzt werden um zu entscheiden,
Semantische Annotation. Hauptseminar: Einführung in die Korpuslinguistik. Lesartenannotation - Beispiel. Lesartenannotation
Hauptseminar: Einführung in die Korpuslinguistik Anke Lüdeling anke.luedeling@rz.hu-berlin.de Wintersemester 2002/2003 Semantische Annotation Lesarten annotieren (sense tagging) ein bisschen was zu Lesarten
Finite-State-Morphologie in XLE. Grammatikentwicklung, SS 2010
Finite-State-Morphologie in XLE Grammatikentwicklung, SS 2010 1 / 20 Worum es heute geht: Nutzen von Finite-State-Morphologien... und wie man sie in XLE einbaut 2 / 20 Lexikon in XLE Bis jetzt: so genanntes
Organisatorisches: Poster. Einführung in die Korpuslinguistik. Organisatorisches: Poster. Organisatorisches: Poster. Organisatorisches: Poster
Organisatorisches: Poster Einführung in die Korpuslinguistik Anke Lüdeling anke.luedeling@rz.hu-berlin.de Sommersemester 2005 Erstellung eines wissenschaftlichen Posters in einer Gruppe (< 4 Personen)