Publikationsserver des Instituts für Deutsche Sprache
Not a member yet
11061 research outputs found
Sort by
Effiziente halbautomatische Detektion von Neologismuskandidaten. Technical Report IDS-KL-2010-01
Get PDFBei der hier vorgestellten Studie wird eine halbautomatische Strategie verfolgt: Zunächst wird durch automatische Verfahren eine Kandidatenliste generiert, bei der im Kompromiss zwischen Recall und Precision der Recall stärker gewichtet wird. Recall wird hierbei aber nicht einseitig maximiert, denn sonst wäre die Liste extrem lang und nahezu wertlos. Die automatisch gewonnene Kandidatenliste wird anschließend zügig (und ohne eigentliche Analyse) manuell gesichtet und eindeutige Nichtneologismen werden dabei herausgefiltert. Dadurch wird die Precision erheblich erhöht, während der Recall weitgehend unverändert hoch bleibt. Erst diese gefilterte Liste dient als Input für nähere Expertenanalysen. Dieser halbautomatische Ansatz besteht insgesamt aus drei Phasen, die im Folgenden näher beschrieben werden. Der Fokus liegt dabei auf Neulexemen – Neubedeutungen werden zwar nicht ausgeschlossen, für die meisten von ihnen ist es jedoch unwahrscheinlich, dass sie mit der hier vorgestellten Methode aufgespürt werden können
Building a historical corpus for Classical Portuguese: some technological aspects
Get PDFThis paper describes the restructuring process of a large corpus of historical documents and the system architecture that is used for accessing it. The initial challenge of this process was to get the most out of existing material, normalizing the legacy markup and harvesting the inherent information using widely available standards. This resulted in a conceptual and technical restructuring of the formerly existing corpus. The development of the standardized markup and techniques allowed the inclusion of important new materials, such as original 16th and 17th century prints and manuscripts; and enlarged the potential user groups. On the technological side, we were grounded on the premise that open standards are the best way of making sure that the resources will be accessible even after years in an archive. This is a welcomed result in view of the additional consequence of the remodeled corpus concept: it serves as a repository for important historical documents, some of which had been preserved for 500 years in paper format. This very rich material can from now on be handled freely for linguistic research goals
CoGesT: a formal transcription system for conversational gesture
Get PDFIn order to create reusable and sustainable multimodal resources a transcription model for hand and arm gestures in conversation is needed. We argue that transcription systems so far developed for sign language transcription and psychological analysis are not suitable for the linguistic analysis of conversational gesture. Such a model must adhere to a strict form-function distinction and be both computationally explicit and compatible with descriptive notations such as feature structures in other areas of computational and descriptive linguistics. We describe the development and evaluation of a suitable formal model using a feature-based transcription system, concentrating as a first step on arm gestures within the context of the development of an annotated video resource and gesture lexicon
Bummel-Verben: Probleme bei der Beschreibung ihres Kombinationspotenzials
Get PDFIm Rahmen der Debatte über Valenz- und Konstruktionsgrammatik habe ich mir die möglichst konkrete Aufgabe gestellt, anhand einer kleinen Gruppe von Verben zu vergleichen, wie diese nach dem valenzgrammatischen bzw. dem konstruktionsgrammatischen Modell lexiko- oder grammatikografisch darzustellen wären. Diese Gegenüberstellung möchte ich mit Daten zur Kombinatorik einiger deutscher Verben der Fortbewegung erläutern. Um die Darstellung zu vereinfachen, werde ich mich im Rahmen dieses Aufsatzes auf einige der so genannten Verben der Eigenfortbewegung (insbesondere Simplizia) konzentrieren. Für den angestrebten Vergleich soll uns die folgende Fragestellung als Leitfaden dienen: Wo ist es methodologisch günstiger, bestimmte Informationen zum Kombinationspotenzial der Fortbewegungsverben zu speichern? Im Lexikon oder außerhalb des Lexikons, nämlich als semantischer Beitrag der Konstruktionen
Grammatik und Integration. Wie fremd ist die Argumentstruktur nicht-nativer Verben?
Get PDFZiel dieses Aufsatzes ist es, anhand der Argumentstruktur nicht-nativer Verben einen Beitrag zur Beschreibung syntaktischer und semantischer Eigenschaften fremder Einheiten zu leisten. Ich werde der Frage nachgehen, wodurch nicht-native Argumentstrukturen grammatisch gekennzeichnet sind. Dabei werde ich überprüfen, inwieweit argumentstrukturelle Unterschiede zwischen nativen und nicht-nativen Verben erkennbar sind. Schließlich werde ich diskutieren, welche Konsequenzen sich daraus für die Theoriebildung ergeben. Die zugrunde gelegten empirischen Daten basieren auf einer Pilotstudie, die von Holler/Scherer (2010) durchgeführt wurd
Lexikographie des Sprachwandels am Leibniz-Institut für Deutsche Sprache: Empirische Methoden und lexikographische Prozesse
Get PDFDynamische Prozesse im Lexikon bilden einen Schwerpunkt der lexikalischen Forschung und lexikographischen Praxis am Leibniz-Institut für Deutsche Sprache. In diesem Rahmen erforschen wir unter anderem die Erweiterung des Wortschatzes durch neue Wörter. Lexikologisch stehen dabei zwei Aufgaben im Mittelpunkt der Arbeit, zum einen die Ermittlung und Dokumentation sprachkontaktbedingter lexikalischer Entlehnungsprozesse mit dem Deutschen als Ziel- oder als Quellsprache (Fremdwörter im Deutschen, deutsche Lehnwörter in anderen Sprachen), zum anderen die Beobachtung, Dokumentation und empirische Erforschung aktueller Wandelprozesse im deutschen Wortschatz (Neologismen).
Die Ergebnisse der Forschung werden lexikographisch in Online-Informationssysteme überführt: das Deutsche Fremdwörterbuch, das Lehnwortportal Deutsch und das Neologismenwörterbuch. Die lexikographische Arbeit gründet sich dabei auf korpus- und internetbasierten Entwicklungen in zwei Bereichen. Erstens werden softwarebasierte lexikographische Arbeitsprozesse etabliert, die eine empirisch anspruchsvolle Erschließung des Gegenstands ermöglichen. Das beinhaltet unter anderem die Entwicklung korpusbasierter Analysesoftware und lexikographischer Redaktionssysteme. Zweitens werden zur Dokumentation der Forschung lexikalische Informationssysteme konzipiert und implementiert, die sich zum Teil an den Bedürfnissen von Laien orientieren, aber auch als Plattformen für die lexikologische Forschung dienen.
Der Beitrag wird diese Grundprinzipien lexikographischer Arbeit an Beispielen aus der aktuellen lexikographischen Tätigkeit am Leibniz-Institut für Deutsche Sprache illustrieren, insbesondere in Bezug auf die laufende empirische Ermittlung von Neologismen und ihre internetlexikographische Dokumentation. Der komplexe Prozess der Neologismenermittlung involviert dabei frequenzgesteuerte Prozesse der Vorselektion von Neologismenkandidaten, manuelle Sammlungen von Neologismen aus verschiedenen Quellen und die Analyse der Kandidaten mit korpusanalytischer Software wie COSMAS II und OWIDplusLIVE. Unterstützt wird der lexikographische Prozess durch die Entwicklung komplexer, integrativer lexikographischer Werkzeuge wie NeoRate.Dynamic processes in the lexicon are a focus of lexical research and
lexicographic practice at the Leibniz Institute for the German Language. In this context, we investigate, among other things, the expansion of vocabulary through new words. In lexicological terms, our work focuses on two tasks: firstly, the identification and documentation of lexical borrowing processes caused by language contact with German as the target or source language (foreign words in German, German loanwords in other languages), and secondly, the observation, documentation and empirical research of current processes of change in the German lexicon (neologisms).
The results of this research are transferred lexicographically into online information systems: the German dictionary of foreign words, the German loanword portal, and the dictionary of neologisms. The lexicographical work is based on corpus- and internet-based developments in two areas. Firstly, software-based lexicographical processes are established that enable an empirically sophisticated exploration of the lexicon. This includes the development of corpus-based analysis software and lexicographical editing systems. Secondly, lexical information systems are designed and implemented for the documentation of our research, which are partly oriented towards the needs of lay users, but also serve as platforms for lexicological research.
The lecture will illustrate these basic principles of lexicographical work with examples from current lexicographical work at the Leibniz Institute for the German Language, in particular with regard to the ongoing empirical identification of neologisms and their Internet lexicographical documentation. The complex process of identifying neologisms involves a frequency-controlled preselection of neologism candidates, manual collections of neologisms from various sources, and the verification of candidates using corpus-analytical software such as COSMAS II and OWIDplusLIVE. The lexicographic process is supported by the development of complex, integrative lexicographic tools such as NeoRate
Einfache Sprache - Anwendung für das Deutsche, Teil 1: Sprachspezifische Festlegungen (DIN 8581-1)
No full textDieses Dokument legt für das Deutsche allgemeine Regeln für das Verfassen von Sachtexten in Einfacher Sprache fest. Diese Regeln orientieren sich an den allgemeinen Prinzipien in DIN ISO 24495-1. Diese Prinzipien sind das Gerüst für Einfache Sprache (plain language) und sie sind sprach- und kulturneutral gefasst. Zielgruppe Einfacher Sprache sind ausdrücklich nicht Leser oder Leserinnen mit kognitiven Beeinträchtigungen. Insofern sind Prinzipien und Regeln für Leichte Sprache nicht Bestandteil dieser Norm. Die allgemeinen Empfehlungen aus DIN ISO 24495-1 werden in diesem Dokument für die deutsche Sprache konkretisiert, teilweise zu Anforderungen angehoben und um relevante weitere Festlegungen ergänzt. Zuständig ist der Arbeitskreis NA 105-00-07-02 AK "Einfache Sprache" im DIN-Normenausschuss Terminologie (NAT)
Computergestützte Transkription arabisch-deutscher Gesprächsdaten. Ein methodischer Beitrag zur Untersuchung gedolmetschter Gespräche
Get PDFComputergestützte Transkription empirischer Sprachdaten ist ein Grundinstrument verschiedener linguistischer Ansätze. Die schriftbasierte (orthografische) Rekonstruktion gesprochener Sprache stößt auf Hindernisse, wenn die Daten mehrsprachige, varietätenreiche und polydialektale Interaktionsprozesse dokumentieren. Dies gilt umso stärker, je unterschiedlicher die Schriftsysteme sind und je lückenhafter die orthografische Kodifizierung der standardfernen Sprachformen ist. Ein Beispiel ist die Transkription arabisch-deutscher Gespräche: Wie lässt sich gesprochenes Arabisch gesprächsanalytisch verschriften und übersetzen? Welche Möglichkeiten bieten lateinbasierte Umschriften? Diese Arbeit schlägt eine Systematik auf der Grundlage von Beratungsgesprächen vor, die per Telefon gedolmetscht wurden
Robust extraction of marked-up text sections from scientific document printouts
Get PDFWe present a simple tool for extracting text and markup information from printouts of (not only) scientific documents. While the heavy-lifting OCR is done by off-the-shelf tesseract, our focus is on detection, extraction, and basic categorization of color-highlighted text sections, as well as on providing a framework for downstream processing of extraction results. The tool can be useful for document analysis tasks that must, or benefit from being able to, use printed paper