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.
Verfasserangaben: | Christian Weiß |
---|---|
URN: | urn:nbn:de:hebis:30-1127112 |
URL: | https://pub.ids-mannheim.de//laufend/opal/pdf/opal2005-1.pdf |
ISBN: | 1860-9422 |
Titel des übergeordneten Werkes (Deutsch): | OPAL - Online publizierte Arbeiten zur Linguistik ; 2005,1 |
Verlag: | Institut für Deutsche Sprache, Bibliothek |
Verlagsort: | Mannheim |
Sonstige beteiligte Person(en): | Norbert Volz |
Dokumentart: | Buch (Monographie) |
Sprache: | Deutsch |
Jahr der Fertigstellung: | 2005 |
Jahr der Erstveröffentlichung: | 2005 |
Veröffentlichende Institution: | Universitätsbibliothek Johann Christian Senckenberg |
Urhebende Körperschaft: | Institut für Deutsche Sprache <Mannheim> |
Datum der Freischaltung: | 28.04.2009 |
Freies Schlagwort / Tag: | Sprachkorpora |
GND-Schlagwort: | Internet; Taxonomie; Deutsch |
Seitenzahl: | 15 |
Quelle: | OPAL - Online publizierte Arbeiten zur Linguistik, 1, 2005 |
HeBIS-PPN: | 215021851 |
DDC-Klassifikation: | 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 |
Lizenz (Deutsch): | Deutsches Urheberrecht |