3.2.1.1: Lexikographische Grundformenreduktion nach Kuhlen

Kuhlen gibt ein Regelwerk an, mit dem die meisten englischen Wörter auf ihre formale bzw. lexikographische Grundform oder die Stammform zurückgeführt werden können. Dabei bezeichnet er (Seite 57) als

• lexikographische Grundform die Form, in der das Wort in einem Wörterbuch zu finden ist. Die durch Flexion möglicherweise entstandenen graphematischen Veränderungen der Grundformen werden rückgängig gemacht d. h. die Wörter werden deflektiert und anschließend rekodiert.
• formale Grundform " ... Wortfragmente, bei denen die 'normalen' englischen und fremdsprachigen (hauptsächlich lateinischen) Flexionsendungen abgetrennt werden, ohne dass die entstandenen Wortfragmente rekodiert würden."
• Stammform nach linguistischen Prinzipien die Zeichenketten, die durch Deflexion und Abtrennen von Derivationsendungen entstehen. Diese Zeichenketten sollen soweit wie möglich durch Rekodierung vereinheitlicht werden.

Abb. 15: Die verschiedenen Reduktionsformen nach Kuhlen am Beispiel (aus Kuhlen 1977, S. 58)

Abb. 16: Einige der Regeln zur lexikographischen Grundformenreduktion nach Kuhlen (1977)

Abb. 17: Anwendungsbeispiel für den Kuhlen Algorithmus

Die Evaluierung seines Algorithmus' fasst Kuhlen folgendermaßen zusammen (S. 11): "Mit 95% Wahrscheinlichkeit ist zu erwarten, dass die Fehlerquote bei einem Fachtext von ca. 72 000 unterschiedlichen Wörtern nicht mehr als 0.5% ausmachen wird." Die Reduktionsquote liegt bei diesem Korpus bei 13% für die lexikographische Grundformenreduktion und bei 27,3% für die Stammformenreduktion; d. h. die Anzahl verschiedener Wörter im Korpus verringert sich um die genannten Prozentsätze, wenn alle Wörter durch ihre Grundformen bzw. Stammformen ersetzt werden.