1.3.2.2: Lexikografische Grundformenreduktion nach Kuhlen
Kuhlen (1977) [->]
gibt ein Regelwerk an, mit dem die meisten
englischen Wörter auf ihre formale bzw. lexikografische Grundform
oder die Stammform zurückgeführt werden können.
Dabei bezeichnet er ([->]
Seite 57) als
- lexikografische Grundform die Form,
in der das Wort in einem
Wörterbuch zu finden ist. Die durch Flexion
möglicherweise entstandenen Veränderungen gegenüber der
Grundform werden rückgängig gemacht, indem die Wörter
deflektiert und anschließend rekodiert werden.
- 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.
Als Beispiel sind in Abbildung 15
die verschiedenen Formen der Wörter mit der Stammform ABSORB angegeben.
Einige der Regeln, nach denen die
Reduktion durchgeführt wurde, sind in Abbildung 16
angegeben; Abbildung 17
zeigt ein Beispiel für die
Reduktion.
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. Das heißt, die Anzahl verschiedener Wörter im Korpus
verringert sich um die genannten Prozentsätze, wenn alle
Wörter durch ihre Grund- bzw. Stammformen ersetzt
werden.
|
Abbildung 15: Die verschiedenen
Reduktionsformen nach Kuhlen am Beispiel