Kollokationen

[ Weiter ] [ Zurück ] [ Zurück (Seitenende) ] [ Seitenende ] [ Überkapitel ] [ Bitte Skript-Fehler melden ]

14.3. Kollokationen

Kookkurrenz

Kookkurrenz (Miteinandervorkommen)

Zwei Wortformen kommen miteinander in einer Texteinheit vor.

Typische Texteinheiten für Kookkurrenzanalysen

innerhalb von 2 bis n Token
innerhalb von einem oder mehreren Sätzen
innerhalb von einem Dokument

Wie zufällig ist Sprache?

Wenn alle Wörter unabhängig voneinander per Zufall geäussert werden würden, hätten Kookkurrenzen die Wahrscheinlichkeit von unabhängigen Ereignissen: p(w₁w₂) = p(w₁) × p(w₂)

Eﬀektiv kommen viele Kookkurrenzen viel zu häuﬁg vor, um als unabhängige Ereignisse gelten zu können.

Statistische Kollokationsmasse

Kollokation als statistisch signiﬁkante Kookkurrenz

“if two words are involved in a collocation then the words must appear together signiﬁcantly more often than expected by chance.” [SMADJA 1993]

Typische Probleme für statistische Ansätze

Einzelvorkommen : 2 Wörter kommen nur nur einmal (oder extrem selten) vor, dann aber gleich zusammen: Ist das signiﬁkant oder nicht?
Zipfsches Gesetz : Viele Wörter kommen selten vor, wenige Wörter kommen häuﬁg vor: Kann ein Mass hoch- und niederfrequente Vorkommen gleich gut verrechnen?
Korpus-Grösse : Welchen Einﬂuss hat die Korpusgrösse auf die Resultate?

14.3.1. Biemann et al. (2004)

Kollokationen von Wortformen mit Signiﬁkanz

pict
Quelle: [BIEMANN et al. 2004b, 105]

Abbildung 14.2:

Kollokationen zu welchem Wort?

Signiﬁkante Kollokationen nach [HEYER et al. 2001]
Die Signiﬁkanz der Kollokation eines Worts A zum Wort B, kurz sig(A,B) ergibt sich aus

a: Anzahl Sätze, welche A enthält.
b: Anzahl Sätze, welche B enthält.
k: Anzahl Sätze, welche sowohl A wie B enthalten.
n: Totale Anzahl Sätze
x: Hilfsgrösse x = ab∕n

x − klog(x)+ log(k!) sig(A,B ) = -------------------- log (n )

Einschränkung

Diese Formel dient als eﬃziente Annäherung, sofern 2x > k. [LäUTER 2002]

Eigenschaften des Signiﬁkanzmasses

Einzelvorkommen von Kookkurrenzen (Spezialfall): 1 (für grosse Korpora)
Zufälliges unabhängiges Vorkommen: 0 (für grosse Korpora)
Je höher die Signiﬁkanz, desto kollokationsartiger: Positive Zahl ab gewissem Schwellwert

Homogenisierung von Kollokationsmengen

Problem

Kollokationen mit hoher Signiﬁkanz sind (semantisch) heterogen.

Ideen

Alle Elemente von Kollokationsmengen sollten dieselbe Wortart haben.
Einbezug von Kollokationen höherer Stufe

Deﬁnition 14.3.1 (Kollokation höherer Stufen). Anstelle der Vorkommen in Sätzen wird das Vorkommen in signiﬁkanten Kollokationen dieser Sätze gezählt. Im Allgemeinen bauen Kollokationen n-ter Stufe auf Kollokationsmengen der Stufe n − 1 auf.

Anreicherung (augmentation) von Kohyponymen

Algorithmus nach [BIEMANN et al. 2004b]

Nehme mindestens zwei synonyme (oder eng hyponyme) Wortformen als Startmenge.
Bilde die Kollokationsmengen 2. (oder 3.) Stufe für jedes Startelement.
Schneide die erhaltenen Mengen; in der Schnittmenge ﬁnden sich viele Kohyponyme.

Beispiel 14.3.2 (Kohyponym-Kandidaten aus Kollokationsmengen 3. Stufe [BIEMANN et al. 2004a]).

Startmenge: “Mörder”, “Killer”
Schnittmenge: “Täter”, “Straftäter”, “Verbrecher”, “Kriegsverbrecher”, “Räuber”, “Terroristen”, “Mann”, “Mitglieder”, “Männer”, “Attentäter”

Kollokationsproﬁle

Deﬁnition 14.3.3 (Ähnlichkeit von Kollokationsmengen). Die Ähnlichkeit der Kollokationsmengen der beiden Wortformen A und B wird berechnet, indem der Anteil der gemeinsamen Wortformen gezählt wird, welcher sich in den Satzkollokationen von jedem Element der Kollokationsmenge von A bzw. B beﬁndet.

Kombination von Signiﬁkanz und Ähnlichkeit

Linguistische Kollokation : Hohe Signiﬁkanz, tiefe Ähnlichkeit
Hyperonyme : Tiefe Signiﬁkanz, hohe Ähnlichkeit
Kohyponyme : Hohe Signiﬁkanz, hohe Ähnlichkeit

Beispiel: “Elefant”

pict

Abbildung 14.3:

Kollokationssigniﬁkanz und -Ähnlichkeit

[ Weiter ] [ Zurück ] [ Zurück (Seitenende) ] [ Seitenbeginn ] [ Überkapitel ] [ Bitte Skript-Fehler melden ]