Die thematische Erschließung von Sprachkorpora

  • Ziel des Teilprojekts ist die thematische Erschließung der Korpora, um sowohl themenspezifische virtuelle Subkorpora zusammenstellen zu können als auch aufgrund der Analyse sachgebietsbezogener Häufigkeitsverteilungen z.B. Lesarten disambiguieren zu können. Ausgangspunkt ist die Erstellung einer Taxonomie von Sachgebietsthemen. Dies erfolgt in einem semiautomatischen Verfahren, welches die Anwendung von Textmining (Dokumentclustering) und die manuelle Zuordnung von Clustern in eine externen Ontologie beinhaltet. Es wird argumentiert, dass die so gewonnene Taxonomie sowohl intuitiver als auch objektiver ist als bestehende, rein manuelle Ansätze. Sie eignet sich zudem gleichermaßen für manuelle als auch für maschinelle Klassifikation. Für letzteres wird der Naive Bayes'sche Textklassifikator motiviert und für ein klassifiziertes Korpus von knapp zwei Milliarden Wörtern evaluiert.

Download full text files

Export metadata

Metadaten
Author:Christian Weiß
URN:urn:nbn:de:hebis:30-1127112
URL:https://pub.ids-mannheim.de//laufend/opal/pdf/opal2005-1.pdf
ISBN:1860-9422
Parent Title (German):OPAL - Online publizierte Arbeiten zur Linguistik ; 2005,1
Publisher:Institut für Deutsche Sprache, Bibliothek
Place of publication:Mannheim
Contributor(s):Norbert Volz
Document Type:Book
Language:German
Year of Completion:2005
Year of first Publication:2005
Publishing Institution:Universitätsbibliothek Johann Christian Senckenberg
Creating Corporation:Institut für Deutsche Sprache <Mannheim>
Release Date:2009/04/28
Tag:Sprachkorpora
GND Keyword:Internet; Taxonomie; Deutsch
Page Number:15
Source:OPAL - Online publizierte Arbeiten zur Linguistik, 1, 2005
HeBIS-PPN:215021851
Dewey Decimal Classification:0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 004 Datenverarbeitung; Informatik
4 Sprache / 40 Sprache / 400 Sprache
4 Sprache / 43 Deutsch, germanische Sprachen allgemein / 430 Germanische Sprachen; Deutsch
Sammlungen:Linguistik
Licence (German):License LogoDeutsches Urheberrecht