Stadtfeld, Tobias (2013) - Sprachwissenschaftliches Institut - Ruhr ...
Stadtfeld, Tobias (2013) - Sprachwissenschaftliches Institut - Ruhr ...
Stadtfeld, Tobias (2013) - Sprachwissenschaftliches Institut - Ruhr ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
3.3: Durchführung und erste Ergebnisse der Annotation 35<br />
aller als Substantiv kategorisierter Lemmata aus dem Korpus extrahiert. Als<br />
Substantiv wurde hierbei jedes Wort gewertet, dass sowohl vom TreeTagger als auch<br />
vom Regression-forest-Tagger als reguläres Nomen identifiziert wurde und<br />
entsprechend mit dem POS-Tag NN bzw. N versehen wurde. Aus dieser Menge aller<br />
potenziellen Kandidaten für eine Annotation wurden zufällig 10.000 Substantive mit<br />
einem Mindestvorkommen in der NZZ von mehr als zehn gewählt.<br />
Zwar besitzen beide Tagger die Fähigkeit, Eigennamen zu erkennen, jedoch<br />
geschieht dies nicht fehlerfrei, sodass in der erstellten Liste eine gewisse Menge<br />
Eigennamen zu erwarten sind.<br />
Die vier für die Annotation ausgewählten Annotatoren wurden in zwei Teams je<br />
zwei Personen aufgeteilt. Jedes Teammitglied eines Teams erhielt jeweils die gleichen<br />
5.000 Substantive, d. h. Lemmata zur Annotation, um Abweichungen in der<br />
Annotation einzelner Substantive später zu identifizieren und entsprechend<br />
analysieren zu können. Die Annotatoren, allesamt Muttersprachler des Deutschen,<br />
sollten die ihnen zugeteilten 5.000 Substantive innerhalb einer einfachen Textdatei<br />
möglichst autonom annotieren. Rücksprachen bezüglich der mutmaßlichen<br />
Zählbarkeit einzelner Lemmata mit weiteren Annotatoren waren untersagt.<br />
Die Annotatoren waren nicht ausschließlich an die Verwendung der von Allan<br />
definierten Testumgebungen beziehungsweise an die jeweiligen deutschen Versionen<br />
dieser Testumgebungen gebunden. Stattdessen konnten auch<br />
konzeptuelle/semantische Kriterien in die Bestimmung der Zählbarkeit einzelner<br />
Lemmata einfließen, sofern es der Annotator im Einzelfall für angemessen erachtete.<br />
Ferner war es dem Annotator gestattet eine Internetrecherche für Substantive zu<br />
starten, um im Zweifelsfall ein besseres Sprachverständnis für diese zu erhalten.<br />
Strikte Richtlinien, an die sich die Annotatoren im Fall von widersprüchlichen<br />
Zählbarkeitsklassen hätten halten können, gab es zu diesem Zeitpunkt nicht.<br />
Annotiert wurden die bereits genannten Klassen zählbar, Dual-Life, nur-Plural<br />
und nicht-zählbar. Zusätzlich konnten die Annotatoren Eigennamen und<br />
fremdsprachliches Material als solches markieren (POS-Tags: NE, FM). Sofern ein<br />
Annotator keine Entscheidung bezüglich der Zählbarkeitsklasse treffen konnte, wurde<br />
das jeweilige Lemma mit einem entsprechenden Tag (?) versehen.<br />
Wenn möglich sollten die Annotatoren mutmaßlich polyseme und/oder homonyme<br />
Substantive zusätzlich markieren. Dies stellte sich jedoch bereits nach kurzer Zeit als<br />
nicht durchführbar heraus, da entsprechende Ambiguitäten erst in konkret gegebenen<br />
Kontexten ersichtlich werden, die aber den Annotatoren zum Zeitpunkt der<br />
Annotation nicht zur Verfügung standen. Des Weiteren stellt sich die Frage, inwieweit<br />
gewisse Lesarten eines ambigen Substantivs überhaupt im Korpus auftreten und<br />
somit die Ergebnisse beeinflussen würden. Würde ein Kontext zur Verfügung gestellt