Publikationsserver des Instituts für Deutsche Sprache
Not a member yet
11061 research outputs found
Sort by
A corpus-based diachronic analysis of Slovene clitics
Get PDFThis paper presents a manually annotated corpus of historical Slovene and a study, based on this corpus, of how clitics have changed in the Slovene language over time. The corpus contains 1,000 sampled pages, comprising about 300,000 tokens from over 80 works, spanning the period from the end of the 16th century to the end of the 19th. Each word is manually annotated with its modern day equivalent, lemma and part-of- speech tag. The paper discusses the composition, encoding and availability of the corpus, and then presents a study of word-tokenization mismatches between contemporary and historical Slovene, concentrating on the binding of clitics with their host, and on the variability of clitic orthography in the corpus
Grundlegende Bemerkungen zu einem auf einer pragmatischen Sprachtheorie fußenden Wortfamilienwörterbuch als legitimem Ort einer integrierten Wortbildung
Get PDFUnter einem elektronischen Wörterbuch verstehe ich ein elektronisches Wortfamilienwörterbuch. Das bedarf zunächst einer Erläuterung und Begründung. Denn spätestens seit Jacob Grimm versteht man unter einem Wörterbuch „die alphabetische Verzeichnung der wörter einer sprache“ (Deutsches Wörterbuch, Bd. I, Vorwort, Sp. IX), und er fügt hinzu, „wer sie [= „die alphabetfolge“] heute nicht handhabt, sondern aufhebt und stört, hat sich an der philologie versündigt“ (Sp. XI). Ein solcher armer Sünder ist der Autor dieses Beitrags. Vorab muss allerdings angemerkt werden, dass religiöser Sprachgebrauch im Rahmen eines sprachwissenschaftlichen Diskurses zu besonders kritischem Verhalten anregen und eine Hinterfragung der Gründe herausfordern muss. Dies umso mehr, wenn Grimm als Grund „sicherheit und schnelle des gebrauchs“ (ebd.) anführt. Dies kann auch ein entsprechendes Register leisten, erst recht heutzutage im Zeitalter des elektronischen Wörterbuchs. Der Grund ist aber nicht ein äußerlicher, rein formaler. Im Rahmen des neuen Paradigmas eines historischen Wörterbuchs und im Blick auf Grimms organische Auffassung von Sprache ist für ihn das Wort einer Pflanze vergleichbar, die aufkeimt, sich entfaltet, blüht und verwelkt. Das geschichtliche Moment liegt für ihn im Einzelwort und entsprechend ist die Isolierung des Einzelwortes vermittels einer alphabetischen Auflistung von Einzelwortgeschichten für diesen Wörterbuchtyp zentral
Finite-State-basierte Morphologie-Tools und ihre Stärken und Schwächen bei der maschinellen Wortbildungsanalyse
Get PDFZum Einsatz kommen Morphologie-Tools insbesondere als Komponente in
komplexeren computerlinguistischen Anwendungen wie der maschinellen
Übersetzung oder dem Information-Retrieval. Da sie in solchen Kontexten lediglich eine Analysevorstufe für eine aufwendige Verarbeitung natürlicher Sprache darstellen, müssen sie darüber hinaus sehr schnell sein. In diesem Sinne eignen sie sich auch als Werkzeug, um große Menge von linguistischen Daten um morphologische Informationen anzureichern.
Den Anspruch auf eine hundertprozentige Korrektheit der produzierten Ausgaben oder gar eine vollständige Abdeckung der jeweiligen unterstützten Sprache können sie allerdings nicht erfüllen. Ihrem Können sind Grenzen gesetzt, die sich zum einen aus ihrer grundlegenden Funktionsweise heraus ergeben, aber auch aus der Unendlichkeit natürlicher Sprachen sowie der alltäglichen Praxis. In diesem Sinne will dieser Aufsatz eine kurze Einführung in die grundlegende Funktionsweise von Morphologie-Tools geben, die auf der so genannten Finite-State-Technologie basieren
New laws, new opportunities – the effect of the Digital Services Act and the Data Act on access to language data for research purposes
Get PDFThis abstract discusses the impact of the Digital Services Act (Regulation 2022 (EU) 2022/2065 of 19 October 2022) and of the Data Act (Regulation (EU) 2023/2854 of the European Parliament and of the Council of 13 December 2023) on access to language data for research purposes. The referred legal acts significantly contribute to the existing regulatory infrastructure for language research at the EU level
Deutsch im Kontakt: Europäische und außereuropäische Konstellationen im Vergleich. Einleitung
No full textAls Folge verschiedener Phasen und Formen von Migration wird Deutsch heute in vielen Teilen der Welt gesprochen. In diesen Konstellationen steht es in Kontakt mit unterschiedlichen Sprachen, was sich in kontaktbedingten Sprachwandelphänomenen niederschlägt
Orthografieforschung zum Mitmachen. Ergebnisse eines Citizen-Science-basierten Exponats zur Exploration sprachlicher Variation
Get PDFDie empirische Untersuchung sprachlicher Variation setzt eine adäquate Datenbasis voraus, um möglichst zutreffende Schlussfolgerungen ziehen zu können. Citizen Science ist als empirischer Erhebungsansatz zunehmend in den Fokus der Sprachwissenschaft gerückt, da damit eine größere und potenziell sprachlich/sozial besser stratifizierte Datenbasis erhoben werden kann. Der vorliegende Aufsatz stellt ein Exponat vor, das 2022 auf dem Museumsschiff „MS Wissenschaft“ durch Deutschland und Österreich tourte und einer jungen Zielgruppe sprachliche Variation und sprachwissenschaftliche Forschungsmethoden näherbringen sollte. Außerdem enthielt es Citizen-Science-basierte Erhebungskomponenten, mit denen unter anderem Daten zu Schreibvarianten von Anglizismen gesammelt wurden. Hier werden erste Datenauswertungen vorgestellt und mit existierenden Forschungsdaten basierend auf Korpusanalysen verglichen
Text length strongly matters when analysing word frequency distributions
Get PDFIn a previous study, Aceves and Evans (AE) present a large-scale quantitative information-theoretic analysis of parallel corpus data in approximately 1,000 languages to show that there are apparently strong associations between the way languages encode information into words and patterns of communication, such as the configuration of semantic information. During the peer review process, one reviewer raised the question of the extent to which the presented results depend on different text lengths (see the Peer Review File). This is a very important question given that most, if not all, of the quantities associated with word frequency distributions vary systematically with text length. While AE claim that text length does not affect the results presented, I challenge this view by presenting analyses of AE's data and synthetic data that suggest that, contrary to AE's claim, both information density and semantic density are almost completely determined by text length. I also highlight that AE confuse the information-theoretic definition of information as established by Shannon with the everyday notion of information as knowledge or propositional content