www bkms org Bosnisch Kroatisch Montenegrinisch Serbisch 3

www. bkms. org Bosnisch Kroatisch Montenegrinisch Serbisch 3. Symposium „Die grammatikalischen Unterschiede zwischen dem Bosnischen/Bosniakischen, Kroatischen und Serbischen“ Graz, 16. -18. April 2009 Bernd-Kristian Kaczenski Humboldt-Universität zu Berlin

Varietätenraum (nach: Gibbon 1998)

Variationsraum: Dimensionen und Varietäten

Definition „Varietätenkorpus“: Ein Varietätenkorpus erfasst mit Metadaten annotierte, schriftlich oder mündlich geäußerte Texte eines Varietätenraumes, und macht Varietäten als Teilmengen des Varietätenraumes durch eine exogene Rahmenstruktur sichtbar und vergleichbar. Dabei sind Varietäten selbst Teilmengen anderer Varietäten, sie überschneiden sich und bilden Schnittmengen. Die kleinste Varietät ist der Ideolekt, also die Sprache eines Sprechers oder die eines Textes. Textimmanente Varietät wird per definitionem nicht betrachtet, obwohl streng genommen manch ein Text (besonders Romane) eine Art Mikrovarietätenraum (Sprache des Erzählers vs. Sprache der Charaktere, etc. ) eröffnet. Die primäre Funktion eines Varietätenkorpus ist die Ausdifferenzierung von Varietäten.

„In den meisten großen Korpora wird zu jeder vorgesehenen Annotationsebene, wie z. B. Wortart Ebene oder Lemma Ebene, genau eine Interpretation angeboten“ (Lüdeling, A. (2007): Das Zusammenspiel von qualitativen und quantitativen Methoden in der Korpuslinguistik. In: Kallmeyer, W. / Zifonum, G. (eds. ): Sprachkorpora – Daten mengen und Erkenntnisfortschritt (= Institut für Deutsche Sprache, Jahrbuch 2006). Berlin, New York. S. 28 – 48. ) STTS (Stuttgart Tübingen Tagset) CLAWS Tag Set /Penn Treebank Tag Set Hunden_NN_ MASK_ AKK_ PL

MULTEXT Richtlinien MSD (morpho syntacticdescriptions) Ncms is equivalent to Po. S: Noun, Type: common, Gender: masculine, Number: singular“

m Tags n Token Können konkurrieren Können widersprüchlich sein Erweiterbar individuell Token 1 : Tag 1 manuell durch xyz eingefügt Token 1: Tag 73 auto 73% Token 1: Tag 132 auto 52% Token 2: Tag 2 auto 95% Token 2: Tag 132 auto 67% KEINE NULLSTELLEN !!!

Strikte Trennung von Annotations und Referenzebene Keine Redundanz Ein Wortform = eine ID 3 Entitäten: Lemmata, Typs und Tags Entitäten können bei Suchabfragen beliebig kombiniert werden.

Ausblick Statistisch abgesicherte Daten für beliebige Vergleichsabfragen in allen Dimensionen des Varietätenraumes Benutzerfreundlichkeit durch AJAX Technologie (Visualisierung) Dynamik, Flexibilität und Erweiterbarkeit Übersetzungssoftware und Textverarbeitungsprogramme