Lexikologie, Lexikographie und Lexikonstrukturen

Morphologieanalyse und Lexikonaufbau (11. Vorlesung)

Dozent: Gerold Schneider

Übersicht

Motivation

  1. Wie kann die Wörterbucherstellung von der Computerlinguistik profitieren?
  2. Wie kann die Computerlinguistik (NLP) von der Information in Wörterbüchern profitieren?

Anmerk.: Wenn im folgenden von 'Lexikon' gesprochen wird, so ist damit immer die eingeschränkte Bedeutung 'Wörterbuch' gemeint. Ausgeschlossen wird dadurch die Bedeutung 'Enzyklopädie'. (Vgl. im Englischen: dictionary vs. lexicon.)

Definitionen

Enzyklopädie - Lexikon - Wörterbuch

Lexikologie - Lexikographie

Wörterbuch-Typologie

Semasiologie

Teildisziplin bzw. Forschungsrichtung der Semantik, die sich mit der Bedeutung einzelner sprachlicher Ausdrücke, den Bedeutungsbeziehungen zwischen sprachlichen Ausdrücken (Wortfeld), sowie Problemen des Bedeutungswandels beschäftigt.

semasiologische Wörterbuchordnung:

regeln, Regel, Regelung, regiere
n, Regierung, ...

Onomasiologie

Teildisziplin bzw. Forschungsric htung der Semantik, die sich - ausgehend von Sachverhalten und Begriffen der realen Welt - mit der Erforschung der auf sie referierenden sprachlichen Ausdrücke (= Wörter) beschäftigt. Dabei werden auch Aspekte der geographischen Verteilung bestimmter Bezeichnungen (Wortatlas) berücksichtigt. Typischer Vertreter: Thesaurus

onomasiologische Wörterbuchordnung:

Regel, Gesetz, Heuristik, ...

Probleme der Grössenbestimmung

Grösse ist eines der wichtigsten Verkaufsargumente. Die Angaben sind deshalb mit Vorsicht zu interpretieren.

Traditionelles Zählsystem: Jedes Lemma (engl. head word ) ist ein Eintrag.

Amerikanisches Zählsystem: Jedes Wort und jede Phrase, die explizit oder implizit definiert ist und identifiziert werden kann (z.B. durch Fettdruck), ist ein Eintrag. Genauer:

  1. Das Lemma ist ein Eintrag.
  2. Jede weitere Wortart zu dem Lemma ist ein Eintrag.
  3. Flektierte Formen, die aufgeführt werden, gelten als Eintrag.
  4. Hinzugefügte Derivationen (engl. run-ons ) gelten als Eintrag.
  5. Hervorgehobene Redewendungen innerhalb eines Artikels gelten als Eintrag.

Beispiel (leicht gekürzt) zählt als 5 Einträge:

parachute
n. An apparatus of lightweight fabric that when unfurled assumes the shape of a large umbrella and acts to retard the speed of a body moving or descending through air. --v. chuted, chuting v.t. 1. to land (troops, materiel, etc.) by means of parachutes. --v.i. 2. to descend by parachute -- parachutist.

In amerikanischen College Dictionaries sind weniger als die Hälfte aller Einträge Lemmas.

Probleme der alphabetischen Ordnung

Wörterbücher enthalten eine buchstaben-orientierte alphabetische Ordnung. Beispiel:

power
powerful
power of attorney

Vorteil: Der Benutzer muss nicht wissen, ob ein Kompositum zusammengeschrieben wird.

Besondere Probleme: Verbgefüge

have one's eye on
jmd. Bescheid geben

Wörterbucheintrag: Inhalt des Lexikons

nach Lorenz & Schreiber 1998, Seminar Uni Erlangen

Hudsons ,,All-Inclusive Lexicon``

  1. Phonologie
    • phonologische Segmentstruktur bzw. mehrere solcher Strukturen, falls Allomorphie auch im Lexikon beschrieben wird
    • prosodische Information (soweit diese nicht regelhaft hergeleitet werden kann), also beispielsweise Betonung oder Tonalität.
  2. Morphologie
    • morphologische Segmentstruktur(en)
    • Allomorphieverhalten
    • morphosyntaktisches Verhalten (z.B. Flexion)
    • ,,verwandte`` Wörter (Ableitungen, Zusammensetzungen)
    • eventuell Klitisierung
  3. Syntax
    • allgemeine Wortklasse (z.B. ,,Verb`` );
    • Unterklasse (z.B. ,,Hilfsverb`` );
    • Valenz (obligatorische oder fakultative Ergänzungen)
  4. Semantik
    • Synonymie und Antonymie
    • Hyponymie und Hyperonymie
    • semantische Rollen abhängiger Ergänzungen
  5. Kontext
    • stilistische Restriktionen (z.B. ,,formell``/,,vulgär``/,,Slang`` )
    • soziolinguistische Restrikionen
    • restrictions relating to larger social structure (Klassifikation des Sprechers)
    • Restriktionen bezüglich der Diskursstruktur
  6. Orthographie
    • normale Schreibung;
    • eventuelle abweichende Schreibungen
    • übliche Abkürzungen oder Ideographen
    • die Orthographie betreffende Unregelmäßigkeiten
  7. Etymologie
    • Die Sprache, der das Wort angehört (in einem mehrsprachigen Lexikon)
    • eventuell die Sprache, aus der das Wort entlehnt wurde
    • das Grundwort, von dem das beschriebene Wort abgeleitet wurde
    • der Zeitpunkt der Entlehnung
  8. Verwendung
    • Häufigkeit und Vertrautheit
    • Belege für die Verwendung des Wortes
    • häufige Kollokationen/idiomatische Verwendungen
    • Tabus.

TEI-Lexikon

  1. Nouns
    • Entity nouns - apple, book, etc.;
    • relational nouns - speed, age, height, father, brother, etc.;
    • abstract nouns - courage, love, altruism, etc.;
    • mass nouns - wine, sand, etc.;
    • proper names - John, Europe, IBM, etc.;
    • complement taking properties: e.g. ``factive'' nouns like story, ``transitive'' nouns, etc.
  2. Pronouns (I,he, she, it, etc.) and bound anaphors (myself, himself, herself, each other, etc.).
  3. Verbs
    A widevariety of valency classes:
    • Intransitive;
    • transitive;
    • ditransitive;
    • clausal complement taking (raising and control);
    • `small-clause' taking verbs including naked infinitives, etc.;
    • an indication of variants of a basic valency class (e.g. whether a verb passivises, whether an indirect object-taking verb allows ``Dative movement'', etc.);
    • in a language like German, the nominal complements of a verb may appear in different cases (e.g. helfen takes a dative object while sehen takes an accusative object): how such information is represented should also be shown.
  4. Modals and auxiliaries
  5. Prepositions
    • (Any) indication of subclasses iof prepositions, e.g. ``case-making'' prepositions vs. semantical contenful;
    • whether english particles are represented as a subset of prepositions.
  6. Adjectives
    • Complement-taking prperties: e.g. proud of, likely to , etc.;
    • semantic classes of adjectives distinguished: e.g. scalar vs. bi-polar, intersective vs. subsective, etc.;
    • the position in which an adjective can appear (pre-nominal, post-niminal, predicate position, etc.).
  7. Determiners and other similar nominal modifiers (e.g. articles, quantifiers, demonstratives, etc.). Also whether polarity, monotonicity, etc. are represented.
  8. Multi-word lexical entries
  9. Inflected categories of noun, verb, and adjective
    • How irregular forms, inflectional paradigm, and other morphological information are stored.

Thesaurus

Unterschiede:

  1. In der Regel enthalten Thesauruseinträge keine syntaktischen und morphologischen Angaben, sondern nur einige semantische Relationen.
  2. In der Makrostruktur werden die Elemente von Thesauri nach semantischen Kriterien geordnet; es handelt sich also um onomasiologische Lexika, während Lexika im allgemeinen alphabetisch geordnet sind. Für die Benutzung wird ein Thesaurus jedoch durch ein Register (semasiologisch) erschlossen.
  3. Ein Thesaurus enthält meistens Substantive (evtl. Adjektive und Verben). Funktionswörter sind selten.
  4. Thesauri informieren über die Relation eines Deskriptors zu einem anderen, nicht über dessen Bedeutung.

Wörterbuchorganisation: Form des Lexikons

nach Lorenz & Schreiber 1998, Seminar Uni Erlangen

Themenkomplexe

Organisation und Zugriff

Tabellarisch: jeder Eintrag besteht aus einer festgelegten Sequenz von Feldern, wobei jedes Feld eine festgelegte Bedeutung hat. Der Zugriff erfolgt über die Feldnummer.

Vorteil: sehr einfache Verarbeitung.

Nachteile:

Attributiert: der Zugriff auf die verschiedenen Informationen im Eintrag erfolgt über Schlüssel (= Attributnamen), denen Werte zugeordnet sind; diese Werte können auch komplex (= geschachtelt) sein und verschiedene Datentypen enthalten.

Nachteil: aufwendigere Verarbeitung.

Vorteile:


7\Aas\6\M\1\Y\Y\Y\Aas\N\N\N\N\(Aas)[N]\N\N\N\N\S1/P1\Y
19\Abart\7\Z\1\Y\Y\Y\abart\V\N\N\N\(((ab)[V|.V],((Art)[N])[V])[V])[N]\N\N\N\N\S3/P3\N
 
[Surface: [Lemma: "aas"],
 Form: [POS: Substantive,
        Combi: [SgDecl: Sg_e_s,
                PluralSx: Pl_e,
                PlDatSx: yes],
        Syn: [Gender: Neuter]]];
[Surface: [Lemma: "abart"],
 Form: [POS: Substantive,
        Combi: [SgDecl: Sg_0,
                PluralSx: Pl_en],
        Syn: [Gender: Feminine]]];

 

Auszeichnung

SGML: Standard Generalized Markup Language; Metasprache zur Beschreibung von Dokumentbeschreibungssprachen; Beispiele: HTML, XML, PML, TEI.

TEI: Text Encoding Initiative; SGML-basierte Dokumentbeschreibungssprache für die Auszeichnung von Text; hat bereits Auszeichnungsformate für verschiedenste Textsorten, z.B.

Mit SGML können eigene Dokumentbeschreibungssprachen erzeugt werden, die eventuell besser für das zu beschreibende Phänomen geeignet sind. Die Vorteile sind:

Wenn in bestimmten Situationen auf SGML verzichtet werden muß (z.B. weil verwendete Software die Eingabe in einem bestimmten Format erwartet), so können auch proprietäre Formate zum Einsatz kommen (wie z.B. bei Malaga-Lexika).

Zeichensatzfragen

Unicode ist der Versuch, möglichst alle Schriften möglichst aller Sprachen in einer Kodierung unterzubrigen. Dabei sind Aspekte zu beachten wie:

Direktionalität: Schreibrichtung Links nach Rechts, Rechts nach Links, Oben nach Unten, wechselnd, etc.

Zusammengesetzte Zeichen: Diakritika auf Basiszeichen (z.B. a + ¨ = ä; aus zwei oder mehr Teilzeichen zusammengesetzte Zeichen in Hangul (Koreanisch))

Andere Zeichen: Grafikzeichen (Rahmen etc.), diverse Sonderzeichen (z.B. Währungssymbole)

Zeichenanzahl: 16-Bit-Kodierung; daher potentiell 65536 Codepunkte; im Moment umfaßt Unicode ca. 38000 Zeichen

Modelle für Lexikonstrukturen

(nach [Ide et al. 93]: Outline of a model for lexical databases. In: Information Processing & Management. 29(2).)

  1. Textmodelle
    • Typographische Formatierung: die Marken enthalten Verarbeitungskommandos
    • Beschreibende Formatierung: die Marken enthalten Inhaltsinformation
    • Grammatische Formatierung: die Marken enthalten Inhaltsinformation; ihre Struktur wird durch eine Grammatik festgelegt
  2. Relationale Modelle (keine Schachtelung der Attribute)

    Probleme:

    • Fragmentierung der Daten (Wörterbucheinträge sind sehr unterschiedlich)
    • die 'natürliche' hierarchische Struktur eines Eintrags ist nicht möglich
  3. Relationale Modelle ohne Normalisierung (mit Schachtelung der Attribute)

    Probleme:

    • rekursive Schachtelung nicht möglich
    • Ausnahmen von der normalen Lexikonstruktur müssen auch hier gesondert behandelt werden.

Abgrenzung zwischen Lexikographie und Terminographie

nach Bess92, Terminologiekurs, Ecole de Traduction et d'Interprétation, Genève

Terminologie
bezeichnet die Gesamtheit der Fachwörter, die einer Kunst, einer Technik, einer Wissenschaft, einer Disziplin, einem Sachgebiet, einer Tätigkeit oder einer Praxis, einer Fabrik, einem Unternehmen, einer Schule, einem Wissenschaftler oder einer Gruppe von Wisenschaftlern, einem Autor eigen ist.

Bsp.: Terminologie der Informatik, der Landwirtschaftsmaschinen, der Chemie ...

Gegenstand

Lexikographie

Terminographie

Beschreibung der Gemeinsprache

Beschreibung von Fachsprachen

Tätigkeit im allgemeinen einsprachig

Tätigkeit im allgemeinen mehrsprachig

Erarbeitung von Wortsammlungen

Erarbeitung von Fachwortsammlungen

Ziele

Lexikographie

Terminographie

Zielpublikum: alle Sprechenden

Zielpublikum: Fachleute

Neigung zu einheitlichen "Produkten"

Vielzahl der Produkte (was Darstellung und Methoden angeht)

Vorwiegend Papierprodukte

Viele EDV-Produkte

Vorgehen

Lexikographie

Terminographie

Semasiologisches Vorgehen

Onomasiologisches Vorgehen

Feststellung des Gebrauchs

Normende Rolle

Diachronische und synchronische Beschreibung

Rein synchronische Beschreibung

Beschreibungsart

Lexikographie

Terminographie

Auszuwertender Korpus beliebig zusammengesetzt

Auszuwertender Korpus nach strengen Kriterien zusammengesetzt

Versuch einer Beschreibung der gesprochenen Sprache

Beschreibung der geschriebenen Sprache

Häufigkeit des Vorkommens für die Auswahl der Wörter wichtig

Suche nach seltenen Fachwörtern

Vorsicht gegenüber Neologismen

Besonderes Interesse für Neologismen

Vollständige Beschreibung des Wortschatzes unmöglich

Vollständige Beschreibung des Fachwortschatzes möglich

Art der Einträge

Lexikographie

Terminographie

Einfache Einträge

Mehrworteinträge

Vorhandensein aller grammatischen Kategorien

Überwiegend nominale Formen

Polysemie

Polyseme Fachwörter werden als Homonyme behandelt

Gegebene Information

Lexikographie

Terminographie

Phonetische Informationen

Keine Phonetik

Grammatische Informationen

Wenig grammatische Informationen

Etymologische Informationen

Keine etymologische Informationen

Historische Informationen

Keine historische Informationen

Beschreibungsmethode

Lexikographie

Terminographie

Sprachliche Definition

Definition durch Beschreibung des Gegenstands und des Begriffs

Beispiele aus der Literatur

Definitorischer und enzyklopädischer Kontext

Querverweise auf Synonyme, Antonyme

Informationsbringende Querverweise mit Assoziationen zu Gegenständen oder Begriffen, weniger zu Fachwörtern

Norm

Lexikographie

Terminographie

Gesellschaftliche und kulturelle Norm

Normung der Gegenstände, des Begriffs und der Fachwörter

Schwierige Orientierung des Gebrauchs

Freie Benennung

Gewicht des Sprachsystems

Gewicht der Normung

Autoren

Lexikographie

Terminographie

Linguisten

Fachleute (Übersetzer, Sachgebietsexperten, usw.); multidisziplinäre Arbeit

Gemeinsamkeiten

Gerold Schneider, Martin Volk
Date of last modification:
Source: http://www.ifi.unizh.ch