Tagger für das Deutsche

Die Computerlinguistik-Gruppe an der Universität Zürich trainierte den Brill-Tagger für das Deutsche. Der Tagger arbeitet regelbasiert und weist jedem Wort der Eingabe ein Wortart-Tag zu. Der vorliegende Tagger basiert auf einem Trainingskorpus von rund 58'000 Wörtern (Themenbereich: Jahresberichte der Universität Zürich)^[1]. Als Tagset wurde das STTS gewählt, das rund 50 Tags umfasst (plus Tags für Satzzeichen).

Der Tagger kann hier getestet werden. Die Eingabe wird an den Tagger geschickt und das Ergebnis wird kommentiert zurückgeliefert.

Erläuterungen zu den Optionen

• Option mit Lexikon-Ausgabe: Es wird angezeigt, welche Wörter mit welchen Wortarten-Symbolen im Tagger-Lexikon stehen und welche Wörter dem Tagger demensprechend unbekannt sind.
• Option mit Gertwol-Einsatz: Es werden sämtliche Eingabe-Wörter, die nicht im Tagger-Lexikon stehen, durch Gertwol analysiert, und sämtliche von Gertwol gelieferten Wortarten werden dem Tagger-Lexikon temporär hinzugefügt. Der Einsatz von Gertwol führt nicht immer zu besseren Tagging-Ergebnissen, da die gelieferten Wortarten nicht gewichtet sind, während der Tagger erwartet, dass das wahrscheinlichste Tag an erster Stelle steht.
• Option mit Clause-Grenzen-Erkennung: Nach dem Tagging werden die Clause-Grenzen bestimmt. Ein Clause ist definiert als ein Teilsatz mit einem Vollverb, seinen Komplementen und Ergänzungen. Es handelt sich also um eine Vorstrukturierung der grammatischen Struktur des Satzes, die mit Hilfe von Mustererkennung über Wortarten-Symbolen erzielt wird.

Hinweise zur Verfügbarkeit

[1] Die folgenden Personen haben uns bei der manuellen Korrektur des Korpus geholfen: Sven Hartrumpf (FernUni Hagen), Sandra Kuebler (Uni Duisburg), Andreas Mertens (FernUni Hagen) und Elke Teich (Macquarie University). Dafür danken wir herzlich.