Morphologie, Lemmatisierung und Wortartenklassifikationen

Morphologieanalyse und Lexikonaufbau (1. Vorlesung)

Übersicht

• Was ist Morphologie?
• Warum braucht man Morphologieanalyse in der CL?
• Was ist ein Wort?
• Was ist ein Lemma?
• Wortarten-Klassifikation
  • Historische Entwicklung der Wortarteneinteilung
  • Wortarten nach `Thomas von Erfurt'
  • 'Klassische' Einteilung fürs Englisch
  • Wortarten in der Duden-Grammatik
  • Wortarteneinteilung in Morphix
  • Wortarteneinteilung im STTS
• Zusammenfassung

Was ist Morphologie?

Morphologie (in der Sprachwissenschaft) ist die Lehre von

• Flexion (Deklination, Konjugation, Komparation) und
• Wortbildung (Derivation, Komposition)

Ziele der morphologischen Analyse (nach [Bußmann 83])

1. Gewinnung von Kriterien zur Bestimmung der Wortarten
2. Beschreibung der Regularitäten der Flexion
3. die Untersuchung von grammatischen Kategorien wie Tempus, Modus und ihre sprachl. Entsprechungen
4. bei der Wortbildung die Untersuchung der Basiselemente, Kombinationsprinzipien und semantischen Funktionen von Wortneubildung

Warum braucht man Morphologieanalyse in der CL?

Abgesehen vom theoretischen Interesse an Morphologie könnte man sich in der Praxis CL Anwendungen vorstellen, die ohne Morphologieanalyse auskommen. Ein syntaktischer Parser beispielsweise kann jede Wortform wie sie im Text erscheint in einem Vollformenlexikon nachschlagen. Wie z.B. [Sproat 92], pp. xi-xv betont wäre dies aber nicht nur unelegant:

• Vollformenlekika sind unübersichtlich und schwerer verwaltbar.
• Sämtliche morphologischen Regularitäten werden missachtet.
• Das Erkennen neuer Wortformen (solche, die nicht im Lexikon stehen) wird wesentlich schwerer (kein Lexikon ist vollständig).
• Während englische Nomen tatsächlich nur 2 Wortformen haben, sind es bei englischen Verben schon 4, bei deutschen Verben mindestens ein Dutzend.
• In stark flektierenden Sprachen wie Türkisch oder Finnisch gibt es oft hunderte bis tausende von Wortformen für eine Grundform.
• Wortbildungsphänomene sind so kaum handzuhaben, z. B. deutsche Nominalkomposita kennen fast grenzenlose Kombinationsmöglichkeiten und sprengen jeden Lexikonrahmen.

Was ist ein Wort?

Beispielsatz

Er sah sich die 5 Ein- und Ausgaben des MS-Word-Programms an.

Wieviele Wörter kommen in diesem Satz vor?

SPIEGEL (13.3.95):

Jahrelang wurde in den IDG-internen Info-Briefen der Konkurrent
unter dem Kürzel ZD argwöhnisch verfolgt, der von William Ziff sen.
schon 1927 mit Special-Interest-Titeln für Flieger, Ski- und Autofahrer
gegründet worden war.

Wort: "Intuitiv vorgegebener und umgangssprachlich verwendeter Begriff für sprachliche Grundeinheiten." (nach Bußmann)

1. auf phonetisch-phonologischer Ebene: Wort ist kleinste durch Wortakzent und Grenzsignale wie Pause, Knacklaut u.a. theoretisch isolierbares Lautsegment.
2. auf orthographisch-graphemischer Ebene: Wort ist durch Leerstellen im Schriftbild isoliert
3. auf morphologischer Ebene: Wort ist die Grundeinheit eines grammatischen Paradigmas wie Flexion (i. Ggsatz zu Wortform)
4. auf lexikalisch-semantischer Ebene: Wort ist kleinster selbständiger Träger von Bedeutung
5. auf syntaktischer Ebene: kleinste verschiebbare und ersetzbare Einheit eines Satzes

Was ist ein Lemma?

nach Bußmann: Eintrag bzw. einzelnes Stichwort in einem Lexikon

nach Metzler ('Lexikon Sprache'): Repräsentant eines Lexems, zu dem in einem Wörterbuch Sprach- und Sachinformationen geboten werden.

allgemein in der CL: normierte Grundform für alle zu einem Wort gehörenden Wortformen

Was ist Lemmatisierung?

Rückführung einer Wortform auf ihr Lemma

(oft nicht eindeutig möglich: Bsp. rasten )

Was ist ein Morphem?

kleinste bedeutungstragende Einheit (oder: kleinste lexikalisch definierte Einheiten, aus denen ein Wort zusammengesetzt ist); Bsp.:

• Kernmorphem (Berg, seh, gross)
• Partikelmorphem (bei, auf, sehr)
• Derivationsmorphem (-heit, -tum, ur-, un-)
• Flexionsmorphem (e, -test, -ste)

(vgl. Vorlesung 2)

Wortarten-Klassifikation

siehe [Trask 99] für eine Einführung

Historische Entwicklung der Wortarteneinteilung

Plato 400 v.Chr.	Aristoteles 350 v. Chr.	Stoiker 250 v. Chr.	Dion. Thrax 100 v. Chr.	heute
onoma	onoma	onoma	onoma	Nomen
		prosegoria		Eigenname
		mesotes	epirrhema	Adverb
rhema	rhema	rhema	rhema	Verb
			metoche	Partizip
	syndesmoi	arthra	arthron	Artikel
			antonymia	Pronomen
		syndesmos	prothesis	Präposition
			syndesmos	Konjunktion

Wortarten nach `Thomas von Erfurt'

(spätes Mittelalter; nach [Robins 90] S.89)

nomen:

ein Wort, das etwas Beständiges oder Permanentes bezeichnet, oder etwas mit typischen Eigenschaften (distinctive characteristics)

verbum:

ein Wort, das den zeitlichen Vorgang bezeichnet, losgelöst von einer Substanz (die es jedoch beschreibt)

participium:

ein Wort, das den zeitlichen Vorgang bezeichnet, jedoch nicht losgelöst von einer Substanz (die es beschreibt)

pronomen:

ein Wort, das etwas Beständiges oder Permanentes bezeichnet, ohne typische Eigenschaften (distinctive characteristics)

adverbium:

ein Wort, das zusammen steht mit einem Wort, das den zeitlichen Vorgang bezeichnet und diesen weiter bestimmt

conjunctio:

ein Wort, das den Zusammenschluss zweier anderer Terme bezeichnet

praepositio:

ein Wort, das eine syntaktische Konstruktion aufbaut mit einem Kasus-flektierten Wort, und dieses mit einer Handlung verbindet

interiectio:

ein Wort, das ein Verb oder Partizip näher bestimmt und Gefühle ausdrückt

Lindley Murray's 'klassische' englische Wortarten:

Die klassische englische Einteilung stammt vom amerikanischen Linguisten Murray aus dem Jahr 1795. Sie basiert auf den Gegebenheiten der englischen Sprache und nicht mehr hauptsächlich auf Latein, was zwei Änderungen bewirkt:

• Adjektive werden als eigene Wortart anerkannt, nicht als Untergruppe der Nomen
• Partizipien werden unter die Gruppe der Verben eingeordnet

Ihre 8-fache Grundeinteilung wurde und wird von sämtlichen englischen Schulgrammatiken befolgt:

Nomen, Verb, Adjektiv, Adverb, Pronomen, Präposition, Konjunktion, Interjektion.

Wortarten in der Duden-Grammatik:

(4. Auflage 1984 S. 88; vgl. dort auch Tabelle auf S. 91 und in [Duden 95] S. 88)

Def.: Auf Grund der unterschiedlichen Funktionen im Satz und der damit eng verknüpften Formmerkmale, Anordnung und Beziehungen zueinander können verschiedene Gruppen oder Klassen von Wörtern unterschieden werden, die sich auch semantisch voneinander abgrenzen lassen und die man Wortarten nennt.

Verben

Mit Verben wird das Prädikat des Satzes gebildet. Mit Verben bezeichnet der Sprecher, was geschieht oder was ist: Zustände (wohnen), Vorgänge (verblühen), Tätigkeiten und Handlungen (bauen).

• Vollverben
• Hilfsverben
• Modalverben

Substantive

• können mit Artikel verbunden werden
• werden als Subjekt, Objekt, adv. Best. oder Attribut gebraucht
• sind deklinierbar (in Kasus, Numerus)
• stehen für Lebewesen, Sachen, Begriffe, Abstrakta
• Beispiele: Mann, Peter, Fisch, Bahnhof, Dummheit

Adjektive

• sind deklinierbar (in Kasus, Numerus, Genus)
• meist steigerbar
• bezeichnen Eigenschaften und Merkmale
• Beispiele: gut, schnell, tragbar, provinziell

Begleiter und Stellvertreter des Substantivs

 

Artikel

• sind deklinierbar (in Kasus, Numerus, Genus)
• werden nur in Verbindung mit einem Substantiv gebraucht
• Beispiele: der, den, eine, einen

Pronomen

• sind deklinierbar (in Kasus, Numerus, Genus, teilw. Person)
• werden nur in Verbindung mit einem Substantiv oder als Stellvertreter eines Substantivs gebraucht
• Beispiele: ich, mein, dieser, sich, niemand

Partikel

sind nicht veränderbar

Adverben

Umstandsangabe oder Attribut (Bsp.: bald, sehr, fast, abends, probeweise)

Konjunktionen

verbinden Wörter oder Wortgruppen (Bsp.: und, weil, dass)

Präpositionen

• bestimmen Kasus des zug. Substantivs
• bezeichnen Verhältnisse oder Beziehungen
• Beispiele: auf, wegen, seit, jenseits

Interjektionen

•  
• syntaktisch isoliert
• steuern und gliedern Dialoge
• Ausrufe, die Empfindungen ausdrücken
• Beispiele: ach, hm, oh, ei, hoi

Aufgabe: Wie sollten die folgenden Wörter eingeordnet werden?

Er kannte ihn schon als kleines Kind.
Die Wissenschaft selbst ist ein kompliziertes System.
Ich habe noch nie solch eine Geschichte gehört.
Sie ist erkrankt.
Auf der einen Seite ist es so, aber ...
Er stellt zuviele Fragen.
Der Mann, von dessen Vater das Buch handelt, ist ...
Er kam plötzlich und ohne anzuklopfen herein.
Er wartete bis um 5 Uhr.
Sie ass die Suppe auf.

Es gibt manchmal, je nach Argumentation, verschiedene Einteilungsmöglichkeiten. Wortarteneinteilung ist also auch eine Frage der Kriterien, der Konvention und der Objektsprache. Einteilungskriterien sind :

• Distribution (mögliche syntaktische Positionen)
• Flexion
• Wortbildung
• Bedeutung
• Pragmatik

Nicht alle Wortarten kommen in jeder Sprache vor. z.B. Postpositionen gibt es im Englischen den meisten Grammatiken zufolge keine (allenfalls aist go die einzige (!) Postposition) während Türkisch, Baskisch, Japanisch sehr viele Postpositionen haben. Im Deutschen gibt es wenige Postpositionen (der Grammatik zufolge, der Sache wegen) und die in vielen Sprachen (z.B. Englisch) völlig unbekannten Zirkumpositionen (um etwas herum, von morgen an). Einzig die Wortarten Nomen und Verb werden von den meisten Linguisten als universell angesehen (siehe Plato oben, 400 v. Chr.).

Wortarteneinteilung in Morphix

(nach [Finkler und Neumann 86])

• Vollformenlexikon
  • nicht-flektierende Wortarten
    • Adverb
    • nebenordnende Konjunktion
    • unterordnende Konjunktion
    • Partikel
    • Präposition
    • Verbzusatz
  • nicht-endungsflektierende Wortarten
    • Personalpronomen
    • Reflexivpronomen
    • Interrogativpronomen
    • Determinativ
    • Hilfsverb
    • Modalverb
• Stammformenlexikon (endungsflektierende Wortarten)
  • Verben
  • Adjektive
  • Nomen
  • Ordinalzahlen
  • Possesivpronomen
  • Relativpronomen
  • Quantoren

Wortarteneinteilung im STTS

Das folgende Tagset ist das ``Stuttgart/Tübingen TagSet'' (STTS), das von Anne Schiller, Christine Thielen, Simone Teufel und Christine Stöckert in den Jahren 94-95 entwickelt wurde.

Siehe auch: Tagging-Guidelines etc.

1. Adjektive

   ADJA    attributives Adjektiv                   [das] große [Haus]
   ADJD    adverbiales oder                        [er fährt] schnell 
           prädikatives Adjektiv                   [er ist] schnell 
    

2. Adverbien

   ADV     Adverb                                  schon, bald, doch 
    

3. Adpositionen

   APPR    Präposition; Zirkumposition links       in [der Stadt], ohne [mich]
   APPRART Präposition mit Artikel                 im [Haus], zur [Sache]
   APPO    Postposition                            [ihm] zufolge, [der Sache] wegen
   APZR    Zirkumposition rechts                   [von jetzt] an
    

4. Artikel

   ART     bestimmter oder                         der, die, das, 
           unbestimmter Artikel                    ein, eine, ...
    

5. Zahlen

   CARD    Kardinalzahl                            zwei [Männer], [im Jahre] 1994
   ORD     Ordinalzahl                             [der] neunte [August]
    

6. Konjunktionen

   KOUI    unterordnende Konjunktion               um [zu leben],
           mit ``zu'' und Infinitiv                anstatt [zu fragen]
   KOUS    unterordnende Konjunktion               weil, daß, damit,
           mit Satz                                wenn, ob
   KON     nebenordnende Konjunktion               und, oder, aber
   KOKOM   Vergleichskonjunktion                   als, wie 
    

7. Substantive

   NN      normales Nomen                          Tisch, Herr, [das] Reisen
   NE      Eigennamen                              Hans, Hamburg, HSV
    

8. Pronomen

   PDS     substituierendes Demonstrativ-          dieser, jener
           pronomen
   PDAT    attribuierendes Demonstrativ-           jener [Mensch]
           pronomen
    
   PIS     substituierendes Indefinit-             keiner, viele, man, niemand
           pronomen
   PIAT    attribuierendes Indefinit-              kein [Mensch],
           pronomen ohne Determiner                irgendein [Glas]
   PIDAT   attribuierendes Indefinit-              [ein] wenig [Wasser],
           pronomen mit Determiner                 [die] beiden [Brüder]
    
   PPER    irreflexives Personalpronomen           ich, er, ihm, mich, dir
    
   PPOSS   substituierendes Possessiv-             meins, deiner
           pronomen
   PPOSAT  attribuierendes Possessivpronomen       mein [Buch], deine [Mutter]
    
   PRELS   substituierendes Relativpronomen        [der Hund ,] der
   PRELAT  attribuierendes Relativpronomen         [der Mann ,] dessen [Hund]
    
   PRF     reflexives Personalpronomen             sich, einander, dich, mir
    
   PWS     substituierendes                        wer, was 
           Interrogativpronomen
   PWAT    attribuierendes                         welche [Farbe],
           Interrogativpronomen                    wessen [Hut]
   PWAV    adverbiales Interrogativ-               warum, wo, wann,
           oder Relativpronomen                    worüber, wobei
    
   PAV     Pronominaladverb                        dafür, dabei, deswegen, trotzdem
    

9. Partikel

   PTKZU   ``zu'' vor Infinitiv                    zu [gehen]
   PTKNEG  Negationspartikel                       nicht
   PTKVZ   abgetrennter Verbzusatz                 [er kommt] an, [er fährt] rad
   PTKANT  Antwortpartikel                         ja, nein, danke, bitte
   PTKA    Partikel bei Adjektiv                   am [schönsten],
           oder Adverb                             zu [schnell]
    

10. Verben

    VVFIN   finites Verb, voll                      [du] gehst, [wir] kommen [an]
    VVIMP   Imperativ, voll                         komm [!] 
    VVINF   Infinitiv, voll                         gehen, ankommen 
    VVIZU   Infinitiv mit ``zu'', voll              anzukommen, loszulassen 
    VVPP    Partizip Perfekt, voll                  gegangen, angekommen 
    VAFIN   finites Verb, aux                       [du] bist, [wir] werden 
    VAIMP   Imperativ, aux                          sei [ruhig !]
    VAINF   Infinitiv, aux                          werden, sein 
    VAPP    Partizip Perfekt, aux                   gewesen 
    VMFIN   finites Verb, modal                     dürfen
    VMINF   Infinitiv, modal                        wollen 
    VMPP    Partizip Perfekt, modal                 gekonnt, [er hat gehen] können 
     

11. Sonstiges

     
    XY      Nichtwort, Sonderzeichen                3:7, H2O,
            enthaltend                              D2XW3 
     
    FM      Fremdsprachliches Material              [Er hat das mit ``]
                                                    A big fish ['' übersetzt] 
    SGML    SGML Markup                             <turnid=n022k_TS2004>
     
    SPELL   Buchstabierfolge                        S-C-H-W-E-I-K-L
     
    TRUNC   Kompositions-Erstglied                  An- [und Abreise]
     
    ITJ     Interjektion                            mhm, ach, tja 
     
    $,     Komma                                   ,
    $.     Satzbeendende Interpunktion             . ? ! ; :
    $(     sonstige Satzzeichen; satzintern        - [,]()

    ---

Zusammenfassung

1. Der Begriff 'Wort' ist ungenau und muss je nach Anwendung definiert werden.
2. Wichtige, gut definierte Begriffe sind 'Lemma' und 'Morphem'.
3. Die Wortarteneinteilung kann nach sehr unterschiedlichen Kriterien geschehen. Dazu gehören morphologische Kriterien (Flektierbarkeit, Komparierbarkeit), syntaktische Kriterien (Funktion, Distribution), semantische Kriterien (semantische Kategorien wie Zustand, Vorgang; Lebewesen, Ding, Abstraktum etc.) und pragmatische Kriterien (z.B. Sprecher-Einstellungen).
4. Probleme bei der Wortarteneinteilung entstehen z.B. durch:
   • Mehrwortausdrücke (New York, Windows 98, Prof. Hess, Bescheid sagen)
   • Fremdsprachige Ausdrücke (a la carte)
   • Abkürzungen (z.Zt., USA, Ein- und Ausfahrt)
   • Zahlausdrücke (14jährige, 1999, 1-Stunden-Takt)
   • Derivativa (die Illustrierte, das Schöne, die Beiden)
   • Kontrahierte Wortformen (am, ins, geht's, darüber)
   • Internet-Adressen (http://www.ifi.unizh.ch)
   • Anwendung verschiedener Einteilungskriterien
5. Andere Sprachen haben teilweise andere Wortarteneinteilungen. Es gibt weiterhin Streitfälle.