Lexikologie, Lexikographie und Lexikonstrukturen

Morphologieanalyse und Lexikonaufbau (10. Vorlesung)

Übersicht

• Motivation
• Definitionen
• Wörterbuch-Typologie
• Wörterbucheintrag
• Erstellung von Lexika für die maschinelle Verarbeitung
• Anforderungen an eine lexikalische Datenbank
• Modelle für Lexikonstrukturen
• Abgrenzung zwischen Lexikographie und Terminographie

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

Lexikon (nach [Heß et al. 83] S.6)

Lexikon ist die Menge der sprachlichen Einheiten, die im aktuellen Verlauf menschlicher Rede bzw. Kommunikation vorkommen. Diese Einheiten werden in der wissenschaftlichen Betrachtung durch unterschiedliche Methoden festgestellt, aus ihrem jeweiligen kontextuellen Zusammenhang herausgelöst und schließlich systematisch in einem Wörterbuch dargestellt.

Lexikon (nach [Bußmann 83])

1. Zusammenstellung der Wörter einer Sprache (bzw. eines regionalen, soziolektalen oder fachspezifischen Ausschnitts) in alphabetischer oder begrifflicher Ordnung zum Zwecke des Nachschlagens.
2. Im allgemeinsten Sinn: Beschreibungsebene, die den Wortschatz einer Sprache kodifiziert ...
3. In der generativen Transformationsgrammatik: Teil der Basiskomponente der Grammatik in Form einer ungeordneten Liste aller lexikalischer Formative. ...

Lexikographie (nach Bußmann 83)

Vorgang, Ergebnis und Methode der Anfertigung von Wörterbüchern.

Phasen bei der Erstellung eines Wörterbuchs (nach 'Metzler Lexikon Sprache' Stuttgart, 1993; unter Lexikographie)

• Planungsphase: Festlegung von Inhalt, Typ, Format und Stichwortanzahl; Stichwortliste, Mitarbeiter, Zeit- und Kostenplan; Style-Manual (Anleitung zur Erarbeitung der Wörterbuchartikel)
• Erarbeitungsphase: Erarbeitung und Korrektur der Artikel
• Produktion

Lexikologie (nach Bußmann 83)

Teilbereich der Sprachwiss. bzw. der Semantik, der sich mit der Erforschung und Beschreibung des Wortschatzes einer Sprache beschäftigt ... Stellt die theoretischen Grundlagen und Materialien für die Lexikographie bereit.

Makrostruktur (nach Heß et al. 83, S.13)

Unter Makrostruktur eines Lexikons ist die Gesamtheit des Systemgefüges zu verstehen, in welchem die einzelnen Lexeme Systemelemente darstellen, zwischen denen Beziehungen (Relationen) bestehen. ...

Es handelt sich hierbei nicht nur um ... semantische Relationen, sondern um Beziehungen jedweder Art, die zwischen Elementen eines Sprachsystems, hier den lexikalischen Einheiten, bestehen können, also auch um morphologische Beziehungen zwischen Wortelementen und um syntaktische Beziehungen oder um Beziehungen auf graphematischer Ebene.

Mikrostruktur

Die lexikalische Mikrostruktur besteht demgegenüber nicht in einem System ... sondern in einem Vektor, d.h. in einer gerichteten Menge von Kategorien. Jedem Sprachelement, jeder lexikalischen Einheit, ist eine solche Menge, ein Vektor, zugeordnet.

Wörterbuch-Typologie

• Anzahl Sprachen
  • einsprachig, zweisprachig, mehrsprachig
  • unidirektional, bidirektional

  Wörterbücher sind adressatenspezifisch. Ein Wörterbuch Französisch-Deutsch für deutsche Muttersprachler unterscheidet sich von einem für französiche Muttersprachler.

• Art der Finanzierung
  • akademische Wörterbücher (Middle English Dictionary)
  • kommerzielle Wörterbücher (Webster)
• Alter der Benutzer (Benutzungssituation)

  Es gibt Schüler-Wörterbücher für verschiedene Altersklassen. Sie unterscheiden sich im Umfang und in der Aufmachung (Bebilderung). Problem: Wie ermittelt man den Wortschatz der jeweiligen Altersklasse? Bsp.: wissenschaftl. Lexikon, Schülerlexikon, allgemeines Lexikon, Sprachlernlexikon, Konversationslexikon ('Urlaubslexikon')

• Grösse

  • Maximalschätzungen für den englischen Wortschatz belaufen sich auf 4 Mio Wörter (700.000 in den Merriam-Webster Dateien, 1 Mio wissenschaftl. Wörter, dazu Dialektwörter, Slang, Neologismen, Handels- und Ortsnamen). Probleme: Es gibt Millionen chemischer Substanzen mit je eigenen Namen.

  • English unabridged dictionary: 400.000 - 600.000 Wörter (allgemeiner Gebrauch)
  • College dictionary: 130.000 - 160.000 Wörter
  • Desk dictionary: 60.000 - 100.000 Wörter
  • Pocket dictionary: 40.000 - 60.000 Wörter
• Bereich (Grundgesamtheit)
  • Es gibt bereichsspezifische, fachsprachliche Wörterbücher vor allem für Jura, Medizin, Biologie, Elektronik und Architektur. Aber auch: wirtschaftswissenschaftliches Lexikon, regionalsprachliches Lexikon (z.B. Duden: Wie sagt man in der Schweiz?), Fremdwörterbuch
  • Die Qualität dieser Wörterbücher ist sehr unterschiedlich.
  • Der Anteil technischen Vokabulars in einem allgemeinen Wörterbuch nimmt stark zu (ca. 40% technisch-wissenschaftl. Wortschatz in einem College Dictionary).
• Sprachaspekte (inhaltliche Tiefe): Etymologie, Aussprache, Orthographie, Gebrauch, Synonyme, Slang, Dialekt, Belege
• Zeitausschnitt: synchron vs. diachron (Problem: die Erstellung eines Wörterbuchs dauert of mehrere Jahrzehnte.) Bsp.: etymologisches Wörterbuch, Wörterbuch der Jugendsprache, 'Kleines Lexikon untergegangener Wörter'
• Linguistischer Ansatz: präskriptiv (z.B. Gebrauchsempfehlungen) vs. deskriptiv
• Zugriffsarten
  • Wichtigstes Ordnungskriterium: alphabetische Ordnung
  • inhaltliche Ordnung (plus alphabetischer Index); z.B. Duden Bildwörterbuch
  • Sortierung nach Wortlänge; z.B. Kreuzworträtsellexikon
  • Häufigkeit
  • Rückläufig alphabetisch
  • Alter (Jahr des ersten Auftretens)
  • Zeichenaufbau (Anzahl der Radikale) im Chinesischen
• Makrostruktur: semasiologische (geordnet nach Wortfeldern) vs. onomasiologische (geordnet nach Sach- und Begriffsgruppen) Wörterbücher

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, regieren, Regierung, ...

Onomasiologie

Teildisziplin bzw. Forschungsrichtung 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 Aspekte der geographischen Verteilung bestimmter Bezeichnungen (Wortatlas) ebenso berücksichtigt wie Fragen des Bezeichnungswandels.

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

Unterschied Thesaurus - Lexikon

(nach Heß et al. 83; S.20)

1. In der Regel enthalten Thesauruseinträge in der Mikrostruktur 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. einige Adjektive). Verben und Funktionswörter sind selten.
4. Thesauri informieren über die Relation eines Deskriptors zu einem anderen, nicht über dessen Bedeutung.

Wörterbucheintrag

(nach [Schaeder ??] S. 31)

1. Repräsentation
   1. Lemma
   2. Aussprache, Betonung, Silbentrennung
   3. Wortformenvorkommen
   4. Orthographische Variante(n)
   5. Kennzeichnung als Kurzwort, Abkürzung etc.
   6. Verweise auf Zentralartikel
2. Explikation
   1. Erzählerische und/oder ikonische Darstellung
   2. Grammatische Angaben
   3. Paradigmatische Angaben
   4. Syntagmatische Angaben
   5. Phraseologischer Gebrauch
   6. Angaben über stilistische, areale, fachsprachliche, sondersprachliche Zuordnungen
   7. Angaben zur Wortbildung
   8. Angaben zur Wortgeschichte (Bezeichnungs-, Bedeutungswandel, fremdsprachlicher Einfluß, Etymologie)
3. Demonstration
   1. Ausgewählte Belege des Gebrauchs
   2. Statistische Angaben
   3. Bibliographische Nach- bzw. Hinweise

Traditioneller Lexikoneintrag:

(Wortlaut + Beschreibung) = (Identifikationsteil + Informationsteil)

Lexikoneintrag in einem Computerlexikon:

n-Tupel mit gleichberechtigten Informationskomplexen

Lexikon und Computer

A: Lexikon für den menschlichen Benutzer (Collins COBUILD, Oxford English Dictionary, Webster's Collegiate Dictionary, Duden-Rechtschreibung, Duden Deutsches Universalwörterbuch A-Z)

B: Lexikon für die maschinelle Verarbeitung (CELEX, Gertwol?, Morphix?)

Probleme:

• Wie erstellt man A? Was sind die Inhalte?
• Wie kommt man von A zu B?

Erstellung von Lexika für die maschinelle Verarbeitung

Fragestellungen: (nach G. Thurmaier; Vortrag in Koblenz, 1994)

1. Allgemeine vs. spezialisierte Lexika
2. Monolinguale vs. multilinguale Lexika
3. Monodirektionalität vs. Bidirektionalität
4. Vollständigkeit vs. Partialität
5. Allgemeinsprachl. vs. fachsprachl. Lexika

Anforderungen an eine lexikalische Datenbank

(aus [Bläser et al. 92]: A reusable lexical database tool for machine translation. IBM, IWBS-Report 231.) Kontext: Lexikalische Daten für den Personal-Translator.

• Angemessene Ausdrucksstärke des Repräsentationsformalismus
• klare Methodologie für die Beschreibung der lexikalischen Information
• Orientierung an lexikographischen Arbeitsabläufen
• Konsistenz- und Integritätsüberprüfung bei den lexikalischen Daten
• Unabhängigkeit der lexikalischen Daten vom Repräsentationsschema
• Wiederverwendbarkeit der lexikalischen Daten (z.B. Daten für Deutsch-Englisch wiederverwendbar für Deutsch-Spanisch und Englisch-Spanisch)

Einträge in der LOLA-Datenbank (für maschinelle Übersetzung)

• Wortart
• Bedeutung
• morphologische Eigenschaften
• Kongruenzmerkmale
• Valenzinformation (optionale und obligatorische Komplemente)
• semantische Kompatibilitätsbedingungen
• Mehrwort-Lexeme
• inhaltlicher Bereich
• Übersetzung
• lexikalische Transformationen (?)

LOLA ist implementiert als relationale Datenbank.

Vorteile: Es ist stabil und umfasst integrierte Konsistenz- und Integritätsüberprüfungen.

LOLA enthält eine Benutzerschnittstelle incl. Zugriff auf andere on-line Wörterbücher.

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

aus:

@techreport{Bess92,
title  = {Terminologiekurs},
author = {Bruno de Bess\'e},
year =   1992,
institution = {\'Ecole de Traduction et d'Interpr\'etation},
address = {Gen\`eve},
}

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

Ziele

Vorgehen

Beschreibungsart

Art der Einträge

Gegebene Information

Beschreibungsmethode

Norm

Autoren

Gemeinsamkeiten

• Alphabetische Ordnung
• Beschriebene Elemente gehören dem Sprachsystem an (Wörter oder Fachwörter)
• Ähnlichkeit in der Methodologie