Pub Date : 2003-07-01DOI: 10.21248/jlcl.18.2003.44
Sven Naumann
In den letzten Jahren ist die Zahl der verfügbaren linguistisch annotierten Korpora ständig gewachsen. Zu den bekanntesten gehören das Brown-Korpus, das SusanneKorpus, die Penn-Treebank, das Negra-Korpus, das Tiger-Korpus und die im Zusammenhang mit dem Verbmobil-Projekt entstandenen Korpora. Neben den bekannten Differenzen in den zur Annotierung verwendeten Vokabularen (morpho-syntaktische Tags und Merkmale, Bezeichner für syntaktische Kategorien und semantische Rollen, etc.) werden Analysen, die Daten aus mehreren dieser Korpora nutzen wollen, vor allem durch die Tatsache erschwert, dass fast jedes dieser Korpora ein eigenes Annotierungsschemata verwendet. Im Folgenden soll es darum gehen, (a) die Vorund Nachteile von XML als Korpusbeschreibungssprache anhand eines sich im Aufbau befindenden Korpus zu diskutieren, (b) die für dieses Korpus gewählte XML-Struktur zu beschreiben und (c) die zur Pflege und Entwicklung des Korpus konzipierte Software vorzustellen.
{"title":"XML als Beschreibungssprache syntaktisch annotierter Korpora","authors":"Sven Naumann","doi":"10.21248/jlcl.18.2003.44","DOIUrl":"https://doi.org/10.21248/jlcl.18.2003.44","url":null,"abstract":"In den letzten Jahren ist die Zahl der verfügbaren linguistisch annotierten Korpora ständig gewachsen. Zu den bekanntesten gehören das Brown-Korpus, das SusanneKorpus, die Penn-Treebank, das Negra-Korpus, das Tiger-Korpus und die im Zusammenhang mit dem Verbmobil-Projekt entstandenen Korpora. Neben den bekannten Differenzen in den zur Annotierung verwendeten Vokabularen (morpho-syntaktische Tags und Merkmale, Bezeichner für syntaktische Kategorien und semantische Rollen, etc.) werden Analysen, die Daten aus mehreren dieser Korpora nutzen wollen, vor allem durch die Tatsache erschwert, dass fast jedes dieser Korpora ein eigenes Annotierungsschemata verwendet. Im Folgenden soll es darum gehen, (a) die Vorund Nachteile von XML als Korpusbeschreibungssprache anhand eines sich im Aufbau befindenden Korpus zu diskutieren, (b) die für dieses Korpus gewählte XML-Struktur zu beschreiben und (c) die zur Pflege und Entwicklung des Korpus konzipierte Software vorzustellen.","PeriodicalId":346957,"journal":{"name":"LDV Forum","volume":"39 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2003-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115208049","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2003-07-01DOI: 10.21248/jlcl.18.2003.28
T. Goebel
Das World Wide Web ist in erster Linie ein visuell ausgerichtetes Medium. Informationen werden codiert, um auf Displays verschiedener Größe angezeigt zu werden; der Anwender navigiert durch diese Daten mit Hilfe von Eingabegeräten wie Maus oder Tastatur. Nicht jeder Benutzer kann jedoch auf das Internet in dieser Art und Weise (durch Graphical User Interfaces, GUI) zugreifen, sei es, weil er aufgrund von körperlichen Beeinträchtigungen eine Maus oder Tastatur nicht bedienen kann oder unter einer Sehbehinderung leidet und somit keine visuell vermittelten Informationen aufnehmen kann, oder weil er in bestimmten Situationen seinen Blick nicht auf ein Display richten kann – wenn er beispielsweise hinter dem Steuer eines Autos sitzt. Es sollte im Sinne der Autoren von webbasierten Informationen sein, ihre Internetseiten leicht zugänglich (accessible) zu machen und dabei viele verschiedene Arten der Einund Ausgabe zu unterstützen, um somit einen größtmöglichen Anwenderkreis zu erschließen. Denkbar ist beispielsweise ein rein akustischer Zugriff auf das Internet, der für die Einund Ausgabe natürliche gesprochene Sprache vorsieht: Die Informationen werden durch ein Sprachsynthesesystem vorgelesen, der Benutzer navigiert durch Sprachbefehle. Derartige akustische Browser (auch Voice Browser genannt), die diesen Zugriff realisieren, sind insbesondere für die Gruppe der blinden und sehbehinderten Benutzer interessant, aber auch für den mobilen Anwender, der mit solchen Systemen Internetinformationen durch ein normales Telefon abrufen kann. Dafür muss ein Weg gefunden werden, die Informationen des Internets in eine akustische Form zu überführen und diese anschließend so zu präsentieren, dass der Benutzer schnell und intuitiv an die gewünschten Informationen gelangen kann. Diese Arbeit beschäftigt sich mit der akustischen Präsentation von Informationen aus dem Internet. Die untersuchten Formate sind HTML (HTML 1999) als am weites-
{"title":"Zur akustischen Präsentation visueller Webinhalte - VoiceXML meets HTML & WML","authors":"T. Goebel","doi":"10.21248/jlcl.18.2003.28","DOIUrl":"https://doi.org/10.21248/jlcl.18.2003.28","url":null,"abstract":"Das World Wide Web ist in erster Linie ein visuell ausgerichtetes Medium. Informationen werden codiert, um auf Displays verschiedener Größe angezeigt zu werden; der Anwender navigiert durch diese Daten mit Hilfe von Eingabegeräten wie Maus oder Tastatur. Nicht jeder Benutzer kann jedoch auf das Internet in dieser Art und Weise (durch Graphical User Interfaces, GUI) zugreifen, sei es, weil er aufgrund von körperlichen Beeinträchtigungen eine Maus oder Tastatur nicht bedienen kann oder unter einer Sehbehinderung leidet und somit keine visuell vermittelten Informationen aufnehmen kann, oder weil er in bestimmten Situationen seinen Blick nicht auf ein Display richten kann – wenn er beispielsweise hinter dem Steuer eines Autos sitzt. Es sollte im Sinne der Autoren von webbasierten Informationen sein, ihre Internetseiten leicht zugänglich (accessible) zu machen und dabei viele verschiedene Arten der Einund Ausgabe zu unterstützen, um somit einen größtmöglichen Anwenderkreis zu erschließen. Denkbar ist beispielsweise ein rein akustischer Zugriff auf das Internet, der für die Einund Ausgabe natürliche gesprochene Sprache vorsieht: Die Informationen werden durch ein Sprachsynthesesystem vorgelesen, der Benutzer navigiert durch Sprachbefehle. Derartige akustische Browser (auch Voice Browser genannt), die diesen Zugriff realisieren, sind insbesondere für die Gruppe der blinden und sehbehinderten Benutzer interessant, aber auch für den mobilen Anwender, der mit solchen Systemen Internetinformationen durch ein normales Telefon abrufen kann. Dafür muss ein Weg gefunden werden, die Informationen des Internets in eine akustische Form zu überführen und diese anschließend so zu präsentieren, dass der Benutzer schnell und intuitiv an die gewünschten Informationen gelangen kann. Diese Arbeit beschäftigt sich mit der akustischen Präsentation von Informationen aus dem Internet. Die untersuchten Formate sind HTML (HTML 1999) als am weites-","PeriodicalId":346957,"journal":{"name":"LDV Forum","volume":"17 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2003-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122495797","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2003-07-01DOI: 10.21248/jlcl.18.2003.30
Dieter Seelbach
Unser Ziel ist die Entwicklung von bilingualen (elektronischen) Lexika DeutschFranzösisch/Französisch-Deutsch und die Entwicklung von Übersetzungshilfen. Gleichzeitig wollen wir linguistische Vorund Zuarbeit liefern für das lexikalische Parsing in diesen Sprachen im Rahmen der Finite-State Technologie (z. B. für INTEX (Unitex), Silberztein 1993; Paumier 2000 oder CISLEX, Guenthner/Maier-Meyer 1996). Methodisch liegt unserer Arbeit die Lexikongrammatik (M. Gross und G. Gross et al., Vivès 1998, Seelbach 2000 und 2002) zugrunde, in der der Begriff des elementaren Satzes eine zentrale Rolle spielt. In dieser der distributionellen und transformationellen Methode (Z.S. Harris) verpflichteten Grammatikkonzeption wird beispielsweise auch das zentrale Problem der Polysemie zunächst einmal über den Begriff des elementaren Satzes in Angriff genommen, der genau einen Prädikatsausdruck (Operator) enthält und eine Anzahl von Argumenten, die selbst keine Prädikatsausdrücke sind. Die systematische Untersuchung der Verwendungen von Prädikatsausdrücken im elementaren Satz öffnet den Weg für den multilingualen Vergleich und konkret für die Erarbeitung von bilingualen Lexikoneinträgen. Dabei hat sich nicht nur die zu einer (kontrastiven) Typologie entwickelte Klassifizierung der Prädikatsausdrücke als einfache Wörter und als Mehrwortausdrücke als nützlich erwiesen, sondern auch die explizite Beschreibung deren syntaktischer Eigenschaften in Form der "Tables". Diese mündete unter anderem in die Erarbeitung von semantischen (Verwendungs-)Klassen von verbalen Prädikaten wie 'reasoning verbs', psychologische Verben, Kommunikationsverben, symmetrische Verben und deren jeweiligen Unterklassen. Insbesondere haben sich für die vergleichende Beschreibung und Übersetzung der (morpho-)syntaktischen Ausdrucksformen von Prädikaten drei weitere Konzepte als höchst brauchbare Werkzeuge erwiesen: die Stützverben, mit deren Hilfe nominale Prädikate 'konjugiert' und ansatzweise sogar semantisch klassifiziert werden können (vgl. 2.3), die Objektklassen mit ihren typischen Prädikatsausdrücken (G. Gross 1995 und 1998) und die für Prädikatsausdrücke bisweilen typischen Adverbialen (M. Gross 1986 und 2000). Die beiden zuletzt erwähnten Phänomene finden wir vereint in
{"title":"Separable Partikelverben und Verben mit typischen Adverbialen - Systematische Kontraste Deutsch-Französisch / Französisch-Deutsch","authors":"Dieter Seelbach","doi":"10.21248/jlcl.18.2003.30","DOIUrl":"https://doi.org/10.21248/jlcl.18.2003.30","url":null,"abstract":"Unser Ziel ist die Entwicklung von bilingualen (elektronischen) Lexika DeutschFranzösisch/Französisch-Deutsch und die Entwicklung von Übersetzungshilfen. Gleichzeitig wollen wir linguistische Vorund Zuarbeit liefern für das lexikalische Parsing in diesen Sprachen im Rahmen der Finite-State Technologie (z. B. für INTEX (Unitex), Silberztein 1993; Paumier 2000 oder CISLEX, Guenthner/Maier-Meyer 1996). Methodisch liegt unserer Arbeit die Lexikongrammatik (M. Gross und G. Gross et al., Vivès 1998, Seelbach 2000 und 2002) zugrunde, in der der Begriff des elementaren Satzes eine zentrale Rolle spielt. In dieser der distributionellen und transformationellen Methode (Z.S. Harris) verpflichteten Grammatikkonzeption wird beispielsweise auch das zentrale Problem der Polysemie zunächst einmal über den Begriff des elementaren Satzes in Angriff genommen, der genau einen Prädikatsausdruck (Operator) enthält und eine Anzahl von Argumenten, die selbst keine Prädikatsausdrücke sind. Die systematische Untersuchung der Verwendungen von Prädikatsausdrücken im elementaren Satz öffnet den Weg für den multilingualen Vergleich und konkret für die Erarbeitung von bilingualen Lexikoneinträgen. Dabei hat sich nicht nur die zu einer (kontrastiven) Typologie entwickelte Klassifizierung der Prädikatsausdrücke als einfache Wörter und als Mehrwortausdrücke als nützlich erwiesen, sondern auch die explizite Beschreibung deren syntaktischer Eigenschaften in Form der \"Tables\". Diese mündete unter anderem in die Erarbeitung von semantischen (Verwendungs-)Klassen von verbalen Prädikaten wie 'reasoning verbs', psychologische Verben, Kommunikationsverben, symmetrische Verben und deren jeweiligen Unterklassen. Insbesondere haben sich für die vergleichende Beschreibung und Übersetzung der (morpho-)syntaktischen Ausdrucksformen von Prädikaten drei weitere Konzepte als höchst brauchbare Werkzeuge erwiesen: die Stützverben, mit deren Hilfe nominale Prädikate 'konjugiert' und ansatzweise sogar semantisch klassifiziert werden können (vgl. 2.3), die Objektklassen mit ihren typischen Prädikatsausdrücken (G. Gross 1995 und 1998) und die für Prädikatsausdrücke bisweilen typischen Adverbialen (M. Gross 1986 und 2000). Die beiden zuletzt erwähnten Phänomene finden wir vereint in","PeriodicalId":346957,"journal":{"name":"LDV Forum","volume":"102 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2003-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"116307533","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2003-07-01DOI: 10.21248/jlcl.18.2003.48
P. Koepke, Bernhard Schröder
Zusammenfassung: Ein Korpus natürlichsprachlich formulierter mathematischer Beweise soll auf das Verhältnis von Ausdruck und argumentativ-semantischer Struktur hin untersucht werden. Zu diesem Zweck werden die relevanten Strukturen mithilfe einer Annotationssprache ProofML in den Beweisen des Korpus annotiert. Die ProofML-Annotation soll dabei einerseits empirisch-analytischen Zwecken dienen, gleichzeitig aber auch eine geeignete Datenstruktur für eine automatische Textanreicherung darstellen, die für einen Beweis-Checker, also ein Programm, das weitgehend natürlichsprachlich formulierte formalwissenschaftliche Beweise auf Ihre Korrektheit hin überprüfen soll, relevante Information kodiert. Derartige Komponenten werden im Rahmen des Projektes NAPROCHE (Natural Proof Checker) entwickelt.
{"title":"ProofML - eine Annotationssprache für natürliche Beweise","authors":"P. Koepke, Bernhard Schröder","doi":"10.21248/jlcl.18.2003.48","DOIUrl":"https://doi.org/10.21248/jlcl.18.2003.48","url":null,"abstract":"Zusammenfassung: Ein Korpus natürlichsprachlich formulierter mathematischer Beweise soll auf das Verhältnis von Ausdruck und argumentativ-semantischer Struktur hin untersucht werden. Zu diesem Zweck werden die relevanten Strukturen mithilfe einer Annotationssprache ProofML in den Beweisen des Korpus annotiert. Die ProofML-Annotation soll dabei einerseits empirisch-analytischen Zwecken dienen, gleichzeitig aber auch eine geeignete Datenstruktur für eine automatische Textanreicherung darstellen, die für einen Beweis-Checker, also ein Programm, das weitgehend natürlichsprachlich formulierte formalwissenschaftliche Beweise auf Ihre Korrektheit hin überprüfen soll, relevante Information kodiert. Derartige Komponenten werden im Rahmen des Projektes NAPROCHE (Natural Proof Checker) entwickelt.","PeriodicalId":346957,"journal":{"name":"LDV Forum","volume":"18 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2003-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"128675365","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2003-07-01DOI: 10.21248/jlcl.18.2003.47
Thomas Schmidt
Der Sonderforschungsbereich 538 „Mehrsprachigkeit“ an der Universität Hamburg vereinigt in seinen dreizehn Teilprojekten eine Vielzahl von Forschern, die sich unter verschiedenen Herangehensweisen mit dem Thema der Mehrsprachigkeit auseinandersetzen. Die weitaus größte Zahl der Projekte arbeitet dabei empirisch auf der Grundlage von Aufnahmen gesprochener Sprache, die durch eine computergestützte Transkription der Analyse zugänglich gemacht werden. Das Projekt „Datenbank Mehrsprachigkeit“ hat sich zum Ziel gesetzt, ein gemeinsames Dach für diese Transkriptionsdaten zu schaffen, unter dem es möglich sein soll, Transkriptionen zwischen einzelnen Teilprojekten auszutauschen oder Daten aus verschiedenen Projekten gemeinsam zu analysieren. Das in diesem Beitrag vorgestellte Korpus „Skandinavische Semikommunikation“ vereinigt die im Teilprojekt K5 „Semikommunikation und rezeptive Mehrsprachigkeit im heutigen Skandinavien“ erstellten Transkriptionsdaten und gilt als Testfall und Prototyp für die Datenbank Mehrsprachigkeit. Wie z.B. in Schmidt (2001, 2002a, 2002b, i.V.) dargestellt, fungiert dabei die XML-Anwendung EXMARaLDA als zentrale Architekturkomponente. Sie übernimmt erstens die Rolle einer Interlingua zwischen den vorhandenen älteren Datenformaten. Zweitens dient sie als Zielbzw. Ausgangsformat für mehrere Eingabeund Ausgabemethoden und bildet mit diesen zusammen ein eigenständiges System zur computergestützten Transkription. Drittens schließlich ist sie Grundlage der Datenbank Mehrsprachigkeit und der von ihr zur Verfügung zu stellenden Analyseinstrumente. Abbildung 1 auf der folgenden Seite veranschaulicht dies. Auch für das hier vorgestellte Korpus „Skandinavische Semikommunikation“ ist daher das EXMARaLDA-System von zentraler Bedeutung. Wie genau bei seiner Erstellung von den verschiedenen Eingabemethoden für Transkriptionsdaten Gebrauch gemacht wird, und welche Ausgabemethoden und Analysewerkzeuge auf die Daten angewandt werden können, wird im nächsten Abschnitt ausgeführt werden.
{"title":"Korpus \"Skandinavische Semikommunikation\" - ein mehrsprachiges Diskurskorpus auf XML-Basis","authors":"Thomas Schmidt","doi":"10.21248/jlcl.18.2003.47","DOIUrl":"https://doi.org/10.21248/jlcl.18.2003.47","url":null,"abstract":"Der Sonderforschungsbereich 538 „Mehrsprachigkeit“ an der Universität Hamburg vereinigt in seinen dreizehn Teilprojekten eine Vielzahl von Forschern, die sich unter verschiedenen Herangehensweisen mit dem Thema der Mehrsprachigkeit auseinandersetzen. Die weitaus größte Zahl der Projekte arbeitet dabei empirisch auf der Grundlage von Aufnahmen gesprochener Sprache, die durch eine computergestützte Transkription der Analyse zugänglich gemacht werden. Das Projekt „Datenbank Mehrsprachigkeit“ hat sich zum Ziel gesetzt, ein gemeinsames Dach für diese Transkriptionsdaten zu schaffen, unter dem es möglich sein soll, Transkriptionen zwischen einzelnen Teilprojekten auszutauschen oder Daten aus verschiedenen Projekten gemeinsam zu analysieren. Das in diesem Beitrag vorgestellte Korpus „Skandinavische Semikommunikation“ vereinigt die im Teilprojekt K5 „Semikommunikation und rezeptive Mehrsprachigkeit im heutigen Skandinavien“ erstellten Transkriptionsdaten und gilt als Testfall und Prototyp für die Datenbank Mehrsprachigkeit. Wie z.B. in Schmidt (2001, 2002a, 2002b, i.V.) dargestellt, fungiert dabei die XML-Anwendung EXMARaLDA als zentrale Architekturkomponente. Sie übernimmt erstens die Rolle einer Interlingua zwischen den vorhandenen älteren Datenformaten. Zweitens dient sie als Zielbzw. Ausgangsformat für mehrere Eingabeund Ausgabemethoden und bildet mit diesen zusammen ein eigenständiges System zur computergestützten Transkription. Drittens schließlich ist sie Grundlage der Datenbank Mehrsprachigkeit und der von ihr zur Verfügung zu stellenden Analyseinstrumente. Abbildung 1 auf der folgenden Seite veranschaulicht dies. Auch für das hier vorgestellte Korpus „Skandinavische Semikommunikation“ ist daher das EXMARaLDA-System von zentraler Bedeutung. Wie genau bei seiner Erstellung von den verschiedenen Eingabemethoden für Transkriptionsdaten Gebrauch gemacht wird, und welche Ausgabemethoden und Analysewerkzeuge auf die Daten angewandt werden können, wird im nächsten Abschnitt ausgeführt werden.","PeriodicalId":346957,"journal":{"name":"LDV Forum","volume":"2017 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2003-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127568935","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2003-07-01DOI: 10.21248/jlcl.18.2003.34
Julie Carson-Berndsen, M. Neugebauer
Multilinguale Kommunikation fordert die Übertragbarkeit der gängigen Techniken auf eine große Anzahl verschiedener Sprachen und stellt damit hohe Anforderungen an die Sprachtechnologie. Obwohl die Spracherkennung und die Sprachsynthese sich in den letzten Jahren in vielen Bereichen unseres Lebens durchgesetzt haben, sind die Anwendungen häufig von einer bestimmten Domäne abhängig. Auskunftssysteme, zum Beispiel, sind so beschaffen, dass Probleme aufkommen, sobald neue Wörter erkannt oder produziert werden sollen. Während die größeren Sprachen der Welt von jeder neuen Entwicklung im sprachtechnologischen Bereich profitieren, leiden die kleineren Sprachen eher unter einem Mangel an Ressourcen und Anwendungen. Dabei ist besonders für bedrohte Sprachen der Aufbau linguistischer Ressourcen, die bei der Spracherkennung oder Sprachsynthese eingesetzt werden können, von enormer Wichtigkeit. Die meisten kommerziellen Spracherkennungssysteme bauen auf stochastischen Methoden auf, die zwar implizit linguistische Informationen beinhalten, jedoch nicht in einer Form, die sich zum Beispiel unmittelbar für die Sprachsynthese eignet. Das linguistische Wissen liegt im System versteckt und kann nicht ohne weiteres explizit aufgedeckt und weiterverwendet werden. Jedes neue System bedarf einer erneuten „Trainingsphase“, damit zusätzliches Wissen hinzugefügt werden kann. Dies setzt einen großen Datensatz voraus, der auch entsprechend annotiert werden muss. Sinnvoller scheint es hingegen, alle Daten, die für neue Anwendungen gesammelt werden, so zu repräsentieren, dass sie von verschiedenartigen Technologien weiterverwendet werden können. Der Schwerpunkt bei der weiteren Entwicklung in der Sprachtechnologie muss auf generische Techniken gelegt werden, die für alle Sprachen gelten. Nur so kann eine robuste multilinguale Sprachtechnologie entstehen, die auch skalierbar ist. Um die Portabilität sprachtechnologischer Anwendungen mit Blick auf „neue“ Sprachen zu gewährleisten, ist die Entwicklung innovativer Methoden für die Akquisition und Repräsentation linguistischer Informationen verschiedener Granularitäten unumgänglich. Mit Blick auf diesen Aspekt wird in diesem Papier eine neuartige Modellierung phonologischer Informationen präsentiert, die sowohl in dem hier vertretenen compu-
{"title":"Die Rolle der Phonologie in der multilingualen Sprachtechnologie","authors":"Julie Carson-Berndsen, M. Neugebauer","doi":"10.21248/jlcl.18.2003.34","DOIUrl":"https://doi.org/10.21248/jlcl.18.2003.34","url":null,"abstract":"Multilinguale Kommunikation fordert die Übertragbarkeit der gängigen Techniken auf eine große Anzahl verschiedener Sprachen und stellt damit hohe Anforderungen an die Sprachtechnologie. Obwohl die Spracherkennung und die Sprachsynthese sich in den letzten Jahren in vielen Bereichen unseres Lebens durchgesetzt haben, sind die Anwendungen häufig von einer bestimmten Domäne abhängig. Auskunftssysteme, zum Beispiel, sind so beschaffen, dass Probleme aufkommen, sobald neue Wörter erkannt oder produziert werden sollen. Während die größeren Sprachen der Welt von jeder neuen Entwicklung im sprachtechnologischen Bereich profitieren, leiden die kleineren Sprachen eher unter einem Mangel an Ressourcen und Anwendungen. Dabei ist besonders für bedrohte Sprachen der Aufbau linguistischer Ressourcen, die bei der Spracherkennung oder Sprachsynthese eingesetzt werden können, von enormer Wichtigkeit. Die meisten kommerziellen Spracherkennungssysteme bauen auf stochastischen Methoden auf, die zwar implizit linguistische Informationen beinhalten, jedoch nicht in einer Form, die sich zum Beispiel unmittelbar für die Sprachsynthese eignet. Das linguistische Wissen liegt im System versteckt und kann nicht ohne weiteres explizit aufgedeckt und weiterverwendet werden. Jedes neue System bedarf einer erneuten „Trainingsphase“, damit zusätzliches Wissen hinzugefügt werden kann. Dies setzt einen großen Datensatz voraus, der auch entsprechend annotiert werden muss. Sinnvoller scheint es hingegen, alle Daten, die für neue Anwendungen gesammelt werden, so zu repräsentieren, dass sie von verschiedenartigen Technologien weiterverwendet werden können. Der Schwerpunkt bei der weiteren Entwicklung in der Sprachtechnologie muss auf generische Techniken gelegt werden, die für alle Sprachen gelten. Nur so kann eine robuste multilinguale Sprachtechnologie entstehen, die auch skalierbar ist. Um die Portabilität sprachtechnologischer Anwendungen mit Blick auf „neue“ Sprachen zu gewährleisten, ist die Entwicklung innovativer Methoden für die Akquisition und Repräsentation linguistischer Informationen verschiedener Granularitäten unumgänglich. Mit Blick auf diesen Aspekt wird in diesem Papier eine neuartige Modellierung phonologischer Informationen präsentiert, die sowohl in dem hier vertretenen compu-","PeriodicalId":346957,"journal":{"name":"LDV Forum","volume":"401 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2003-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"116509717","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2003-07-01DOI: 10.21248/jlcl.18.2003.25
Stefan Bordag
An input word is recognized as one of a set of reference words. A set of word distance signals representative of the correspondence of the input word to the reference words is generated. A set of weighted word distance signals is also generated. Responsive to the word distance signals and the weighted word distance signals, the reference word that most closely corresponds to the input word is selected.
{"title":"Vererbungsalgorithmen von semantischen Eigenschaften auf Assoziationsgrafen und deren Nutzung zur Klassifikation von natürlichsprachlichen Daten","authors":"Stefan Bordag","doi":"10.21248/jlcl.18.2003.25","DOIUrl":"https://doi.org/10.21248/jlcl.18.2003.25","url":null,"abstract":"An input word is recognized as one of a set of reference words. A set of word distance signals representative of the correspondence of the input word to the reference words is generated. A set of weighted word distance signals is also generated. Responsive to the word distance signals and the weighted word distance signals, the reference word that most closely corresponds to the input word is selected.","PeriodicalId":346957,"journal":{"name":"LDV Forum","volume":"18 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2003-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"129965526","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2003-07-01DOI: 10.21248/jlcl.18.2003.40
R. Köhler
In diesem Beitrag soll ein erster Versuch beschrieben werden, nach dem Muster der bereits aufgestellten und erfolgreich uberpruften synergetisch-linguisti-schen Modelle im Bereich der Lexik (Kohler, 1986; Hammerl, 1991; Giese-king, 2002) und der Morphologie (Kohler, 1990a, 1990b, 1991; Krott, 1996, 2002) ein Basismodell eines im Rahmen der synergetischen Linguistik aufge-stellten syntaktischen Subsystems der Sprache zu erstellen und zu uberprufen. Fur die theoretische Modellierung wird von zunachst einigen wenigen syntak-tischen Einheiten, Eigenschaften und Zusammenhangen ausgegangen, die in ein entsprechendes Modell integriert werden. Die empirische Uberprufung erfolgt an Daten, die aus dem „Susanne-Korpus“ (Sampson, 1995) gewonnen wurden1.
{"title":"Syntaktische Strukturen - Eigenschaften und Zusammenhänge","authors":"R. Köhler","doi":"10.21248/jlcl.18.2003.40","DOIUrl":"https://doi.org/10.21248/jlcl.18.2003.40","url":null,"abstract":"In diesem Beitrag soll ein erster Versuch beschrieben werden, nach dem Muster der bereits aufgestellten und erfolgreich uberpruften synergetisch-linguisti-schen Modelle im Bereich der Lexik (Kohler, 1986; Hammerl, 1991; Giese-king, 2002) und der Morphologie (Kohler, 1990a, 1990b, 1991; Krott, 1996, 2002) ein Basismodell eines im Rahmen der synergetischen Linguistik aufge-stellten syntaktischen Subsystems der Sprache zu erstellen und zu uberprufen. Fur die theoretische Modellierung wird von zunachst einigen wenigen syntak-tischen Einheiten, Eigenschaften und Zusammenhangen ausgegangen, die in ein entsprechendes Modell integriert werden. Die empirische Uberprufung erfolgt an Daten, die aus dem „Susanne-Korpus“ (Sampson, 1995) gewonnen wurden1.","PeriodicalId":346957,"journal":{"name":"LDV Forum","volume":"74 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2003-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"132822301","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2003-07-01DOI: 10.21248/jlcl.18.2003.49
U. Quasthoff, M. Richter, C. Wolff
Obwohl sich die Medienwissenschaft als inter- oder transdisziplinares Arbeitsfeld versteht, haben methodische Ansatze aus der angewandten Informatik bisher kaum Eingang in das Methodeninventar der Medienwissenschaft gefunden (vgl. Rusch 2002b: 70f). Die so genannten „Neuen Medien“ finden sich zwar als Subjekt medienwissenschaftlicher Betrachtungen wieder (vgl. Ludes 1998: 51ff, 129), es besteht aber ein Defizit hinsichtlich der Modernisierung geeigneter Methoden fur die Medienanalyse, die bisher von qualitativen und an einzelnen Publikationen bzw. Medienereignissen orientierten Verfahren gepragt ist (vgl. Posner 2001, Andringa 2002, Schreier 2002). Dieser Beitrag versucht aufzuzeigen, wie Text Mining-Verfahren fur die inhaltliche Auswertung von Pressetexten genutzt werden konnen und so als „angewandte Medieninformatik“ einen interdisziplinaren Beitrag zur Medienanalyse leisten konnen. Es wird ein im World Wide Web verfugbarer Informationsdienst vorgestellt, der tagesaktuell uberregionale Online-Medien auswertet und begriffsbasiert die jeweils als relevant erkannten Konzepte als „Worter des Tages“ prasentiert. Dabei kommen sowohl Darstellungen relevanter Begriffe, die einem einfachen Kategoriensystem zugeordnet sind zum Zuge, als auch Visualisierungen von aktuellen Begriffsassoziationen und Visualisierungen des Aktualitatsverlaufs einzelner Konzepte.
{"title":"Medienanalyse und Visualisierung - Auswertung von Online-Pressetexten durch Text Mining","authors":"U. Quasthoff, M. Richter, C. Wolff","doi":"10.21248/jlcl.18.2003.49","DOIUrl":"https://doi.org/10.21248/jlcl.18.2003.49","url":null,"abstract":"Obwohl sich die Medienwissenschaft als inter- oder transdisziplinares Arbeitsfeld versteht, haben methodische Ansatze aus der angewandten Informatik bisher kaum \u0000Eingang in das Methodeninventar der Medienwissenschaft gefunden (vgl. Rusch 2002b: 70f). Die so genannten „Neuen Medien“ finden sich zwar als Subjekt medienwissenschaftlicher Betrachtungen wieder (vgl. Ludes 1998: 51ff, 129), es besteht aber ein Defizit hinsichtlich der Modernisierung geeigneter Methoden fur die Medienanalyse, die bisher von qualitativen und an einzelnen Publikationen bzw. Medienereignissen orientierten Verfahren gepragt ist (vgl. Posner 2001, Andringa 2002, Schreier \u00002002). Dieser Beitrag versucht aufzuzeigen, wie Text Mining-Verfahren fur die inhaltliche Auswertung von Pressetexten genutzt werden konnen und so als „angewandte Medieninformatik“ einen interdisziplinaren Beitrag zur Medienanalyse leisten konnen. Es wird ein im World Wide Web verfugbarer Informationsdienst vorgestellt, der tagesaktuell \u0000uberregionale Online-Medien auswertet und begriffsbasiert die jeweils als relevant erkannten Konzepte als „Worter des Tages“ prasentiert. Dabei kommen sowohl Darstellungen relevanter Begriffe, die einem einfachen Kategoriensystem zugeordnet sind zum Zuge, als auch Visualisierungen von aktuellen Begriffsassoziationen und Visualisierungen des Aktualitatsverlaufs einzelner Konzepte.","PeriodicalId":346957,"journal":{"name":"LDV Forum","volume":"35 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2003-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"124938648","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2003-07-01DOI: 10.21248/jlcl.18.2003.43
A. Ziegler
Verfolgt man die Idee, dass Sprachwissenschaft mehr zu leisten hat, als nach abstrakten Eigenschaften sprachlicher Ausdruckseinheiten zu fragen und diese zu beschreiben, gelangt man zwangslaufig in die turbulenten Bereiche semantischer Sprachbetrachtung. Ist dies der Fall, sieht man sich zwei fundamentalen Schwierigkeiten gegenuber: Zum einen verkompliziert sich die Sache, wenn festgestellt wird, dass Bedeutung nicht in den Wortern oder Satzen (allein) steckt, sondern sich aus Sprachwissen, Voreinstellungen, Intentionen, Kontextbedingungen, kommunikativen Handlungszusammenhangen usw. im jeweiligen konkreten Text konstituiert. Zum anderen sind aber eben diese Faktoren einer pragmatisch und semantisch orientierten Linguistik dem Wissenschaftler nicht unmittelbar zuganglich, sondern konnen nur indirekt uber den Text ermittelt werden. Eine zentrale Frage einer eingangs postulierten Sprachbetrachtung ist daher: Mit welchen Methoden – die uber den Rahmen einer rein deskriptiven Sprachbetrachtung hinausgehen – konnen wir uns einem Text nahern, um Kenntnisse hinsichtlich seiner semantischen Struktur zu erhalten? Basierend auf der Methode der Denotativen Textanalyse – wo diskurssemantische Einheiten – sogenannte Hrebs – als sprachliche Einheiten etabliert wurden – soll im Folgenden zunachst exemplarisch gezeigt werden, wie Referenzbeziehungen in Texten auf denotativer Grundlage ermittelt werden konnen. In einem zweiten Schritt wird vorgefuhrt, wie sich auf der Grundlage der denotativen Einheiten schlieslich eine assoziative Struktur von Texten ermittelten lasst, die allen Anspruchen an Operationalisierbarkeit und Validitat genugt und damit auch fur umfangreiche korpusbasierte Untersuchungen sowie fur kontrastive Analysen geeignet scheint. Es wird ein Modell der linguistischen Textstrukturanalyse dargestellt – in Anbetracht des zur Verfugung stehenden Rahmens naturlich nur sehr ausschnitthaft – dessen Erkenntnisinteresse nicht mehr ontologisch, sondern vorwiegend methodologisch orientiert ist und das versucht, Ordnungsmuster in Texten zu ermitteln, von denen anzunehmen ist, dass sie sich in einem kognitiven Differenzierungswissen der Sprachbenutzer manifestieren. Begriffe stellen nicht die Realitat dar, sondern unsere Konstruktion der Realitat.
{"title":"Referenzstrukturen. Zur Quantifizierung der Koinzidenz semantischer Einheiten in Texten","authors":"A. Ziegler","doi":"10.21248/jlcl.18.2003.43","DOIUrl":"https://doi.org/10.21248/jlcl.18.2003.43","url":null,"abstract":"Verfolgt man die Idee, dass Sprachwissenschaft mehr zu leisten hat, als nach abstrakten Eigenschaften sprachlicher Ausdruckseinheiten zu fragen und diese zu beschreiben, gelangt man zwangslaufig in die turbulenten Bereiche semantischer Sprachbetrachtung. Ist dies der Fall, sieht man sich zwei fundamentalen Schwierigkeiten gegenuber: Zum einen verkompliziert sich die Sache, wenn festgestellt wird, dass Bedeutung nicht in den Wortern oder Satzen (allein) steckt, sondern sich aus Sprachwissen, Voreinstellungen, Intentionen, Kontextbedingungen, kommunikativen Handlungszusammenhangen usw. im jeweiligen konkreten Text konstituiert. Zum anderen sind aber eben diese Faktoren einer pragmatisch und semantisch orientierten Linguistik dem Wissenschaftler nicht unmittelbar zuganglich, sondern konnen nur indirekt uber den Text ermittelt werden. Eine zentrale Frage einer eingangs postulierten Sprachbetrachtung ist daher: Mit welchen Methoden – die uber den Rahmen einer rein deskriptiven Sprachbetrachtung hinausgehen – konnen wir uns einem Text nahern, um Kenntnisse hinsichtlich seiner semantischen Struktur zu erhalten? Basierend auf der Methode der Denotativen Textanalyse – wo diskurssemantische Einheiten – sogenannte Hrebs – als sprachliche Einheiten etabliert wurden – soll im Folgenden zunachst exemplarisch gezeigt werden, wie Referenzbeziehungen in Texten auf denotativer Grundlage ermittelt werden konnen. In einem zweiten Schritt wird vorgefuhrt, wie sich auf der Grundlage der denotativen Einheiten schlieslich eine assoziative Struktur von Texten ermittelten lasst, die allen Anspruchen an Operationalisierbarkeit und Validitat genugt und damit auch fur umfangreiche korpusbasierte Untersuchungen sowie fur kontrastive Analysen geeignet scheint. Es wird ein Modell der linguistischen Textstrukturanalyse dargestellt – in Anbetracht des zur Verfugung stehenden Rahmens naturlich nur sehr ausschnitthaft – dessen Erkenntnisinteresse nicht mehr ontologisch, sondern vorwiegend methodologisch orientiert ist und das versucht, Ordnungsmuster in Texten zu ermitteln, von denen anzunehmen ist, dass sie sich in einem kognitiven Differenzierungswissen der Sprachbenutzer manifestieren. Begriffe stellen nicht die Realitat dar, sondern unsere Konstruktion der Realitat.","PeriodicalId":346957,"journal":{"name":"LDV Forum","volume":"126 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2003-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127397883","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：