1 / 36

IMSLex – ein NLP Lexikon

IMSLex – ein NLP Lexikon. Hannah Kermes HS: Elektronische Wörterbücher Do, 2.12.2004. Motivation. Ressource, die detaillierte Information zu Elementen der Sprache enthält, ist eine notwendige Vorraussetzung um Sprache mit dem Computer zu verarbeiten

callum
Download Presentation

IMSLex – ein NLP Lexikon

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. IMSLex – ein NLP Lexikon Hannah Kermes HS: Elektronische Wörterbücher Do, 2.12.2004

  2. Motivation • Ressource, die detaillierte Information zu Elementen der Sprache enthält, ist eine notwendige Vorraussetzung um Sprache mit dem Computer zu verarbeiten • Produktivität der Sprache verlangt nach einem System, daß regelbasiert auch Wörter erkennt, die nicht explizit im Lexikon gelistet sind

  3. DeKo • Derivations- und Kompositionsmorphologie • Beschreibung und Modellierung von Prozessen der deutschen Wortbildung • Erstellung eines robusten Systems zur Analyse und strukturellen Beschreibungen komplexer Wörter

  4. Wortbildungsprozesse • Flexion: • Affigierung von Flexionsmorphemen an eine Flexionsstammform • Derivation: • Affigierung von Wortbildungsmorphemen an eine Derivationsstammform • Komposition: • Affigierung von Basismorphemen an eine Kompositionsstammform

  5. Spezifikation lexikalischer Einheiten

  6. DeKo Lexikonmodell • lexikalische Einheiten: Zitierform • Merkmale: • Flexion • Wortbildung • Phonetik • Syntax • Semantik • Korpusfrequenz • verschiedene Stammformen • phonetische Transkription

  7. Ziel • Umsetzung des DeKo-Lexikonkonzeptes in eine Ressource und • die Verschmelzung dieser Ressource mit den im DMOR-Lexikon enthaltenen Daten

  8. Hauptanforderungen an das Lexikon • Rückwärtskompatibilität • Abbildung in das von der Morphologie geforderte Format • Erweiterbarkeit • inhaltlich wie strukturell • Wartbarkeit • Flexibilität • XML (eXtensible Markup Language)

  9. XML • Formalismus zur Definition von Klassen von Dokumenten • Definition des Zeichenvorrats • Definition der Dokumentenstruktur • standardisiertes und eindeutiges Markup • Dokumenttyp Definition (DTD) • automatische Validierung der Dokumentenstruktur

  10. XML Bausteine • inhaltlich: • Elemente • Attribut/Wert-Paare • formal: • syntaktische Festlegung auf die Notation der inhaltlichen Bausteine

  11. XML Modellierungsprinzipien • Elemente • Information läßt sich in weitere Informationen untergliedern • Attribute • Information kann nicht weiter zerlegt werden • Information ist aufzählbar • Dokumentinhalt • Information kann nicht weiter zerlegt werden • Information ist nicht aufzählbar

  12. Allgemeine Konzeption • Theorieunabhängigkeit • Redundanzvermeidung • Generalisierung • Modularisierung • Aufteilung komplexer Strukturen in kleinere Teile • Makrostruktur und Mikrostruktur

  13. Redundanz • Generalisierung • Flexionsparadigma • Transparenz: • alle Arten von Einheiten haben dasselbe Konzept • von Unterschieden wird abstahiert zugunsten einer klaren und einfachen Sicht

  14. Modularisierung • Aufteilung von komplexen Strukturen in kleinere Teile • Makrostruktur: • flache Organisation lexikalischer Einheiten • Mikrostruktur: • globale Merkmale • Angaben zur Flexionsmorphologie • fakultative Module: • Wortbildung, Syntax, Semantik, Phonetik • wortartenspezifische Information

  15. IMSLex DTD - Hierarchie • Wurzelement <!ELEMENT lexikon ( le +)>

  16. lexikalische Einheit <!ELEMENT le( Globale_Merkmale, Flexionsmorphologie, Wortbildung?, Semantik? Syntax? (Substantiv_Merkmale | Adjektiv_Merkmale | ...)? Affix_Merkmale?, Bearbeitungs_Merkmale? )>

  17. Globale Merkmale <!ELEMENT Globale Merkmale( Zitierform, PhonetischeTranskription?, Vorkommenshäufigkeit+ )> <!ELEMENT Zitierform( #PCDATA )> <!ELEMENT PhonetischeTranskription( #PCDATA )> <!ELEMENT Vorkommenshäufigkeit( #PCDATA )>

  18. Flexionsmorphologie <!ELEMENT Flexionsmorphologie (Stammformen) > <!ELEMENT Stammformen (DMORstamm,Stammform+) > <!ELEMENT Stammform (Stamm, DMORklasse) > <!ELEMENT DMORstamm( #PCDATA ) > <!ELEMENT Stamm( #PCDATA ) > <!ELEMENT DMORklasse( #PCDATA ) >

  19. Flexionsmorphologie • DMORstamm ist die Grundstammform eines Flexionspardigmas • irregulärer Stamm - regulärer Stamm ( back:buk • Stammform: Stamm + DMORklasse • Suppletivstämme • Schreibvarianten Nuß, Nuss

  20. Wortbildung <!ELEMENT Wortbildung ( Derivation?, Komposition?, Strukturen? ) > <!ELEMENT Derivation( Derivationsstaemme ) > <!ELEMENT Derivationsstaemme(Derivationsstamm+) > <!ELEMENT Derivationsstamm( #PCDATA ) > <!ELEMENT Strukturen( Struktur+ ) > <!ELEMENT Struktur( #PCDATA ) >

  21. Syntax <!ELEMENT Syntax ( Subkatrahmen* ) > <!ELEMENT Subkatrahmen( #PCDATA ) >

  22. Semantik <!ELEMENT Semantik( Semantischer Typ?, Kommentar?, Lamdaausdruck?, Praesupposition?, Anwendungsbereich? ) > <!ELEMENT SemantischerTyp( #PCDATA ) > <!ELEMENT Kommentar( #PCDATA ) > <!ELEMENT Lambdaausdruck( #PCDATA ) > <!ELEMENT Praesupposition( #PCDATA ) > <!ELEMENT Anwendungsbereich( #PCDATA ) >

  23. Wortartenspezifische Merkmale <!ELEMENT Substantiv_Merkmale ( Genus ) > <!ELEMENT Adjektiv_Merkmale ( Verwendung ) > <!ELEMENT Adverb_Merkmale ( Verwendung ) > <!ELEMENT Genus ( #PCDATA ) > <!ELEMENT Verwendung ( #PCDATA ) >

  24. Wortartenspezifische Merkmale <!ELEMENT Verb_Merkmale ( Aktionsart, VerbHatResultatszustand, IntensionalitaetLexikalisiert, SemantischeVerbklasse ) > <!ELEMENT Aktionsart ( #PCDATA ) > <!ELEMENT VerbHatResultatszustand ( #PCDATA ) > <!ELEMENT IntensionalitaetLexikalisiert ( #PCDATA ) > <!ELEMENT SemantischeVerbklasse ( #PCDATA ) >

  25. Wortartenspezifische Merkmale <!ELEMENT Verpartikel_Merkmale( Basisverbzahl, Partikelverbklasse+ ) > <!ELEMENT Basisverbzahl( #PCDATA ) > <!ELEMENT Partikelverbklasse( #PCDATA ) > • Basisverbzahl: Anzahl der im HGC gefundenen Partikelverben mit diesem Partikel

  26. Wortartenspezifische Merkmale <!ELEMENT Abk_Merkmale( Ausgeschr_Formen? ) > <!ELEMENT Ausgeschr_Formen( Ausgeschr_Form+ ) > <!ELEMENT Ausgeschr_Form( #PCDATA ) > <!ELEMENT Affix_Merkmale( #PCDATA ) >

  27. Attributdeklaration • Merkmalnamen • Status • verpflichtend (#REQUIRED) • fakultativ (#IMPLIED) • Default-Belegung (Wert in doppelten Anführungszeichen)

  28. Lexikalische Einheit (le) • bei obligatorischen Merkmalen - außer bei kategorie - Platzhalter undef vorhanden • Merkmale akzent und auslautverhaertungnur für Derivationsaffixe relevant - sonst Belegung neutral • administrative Merkmale: • geprüftja bei vollständig bearbeiteten Einträgen • erzeugt Unterscheidung zwischen maschinell und manuell erzeugten Lexikoneinträgen

  29. Lexikalische Einheit ( le ) <!ATTLIST le idID #REQUIRED kategorie ( Substantiv | Verb | Adjektiv | Name | Adverb | Numeral | Pronomen | Adposition | ... ) #REQUIRED m_status ( Frei | Gebunden | undef )#REQUIRED m_form ( Simplex | Kurzwort | Nominalisierung | undef | Komplex | Komplex_semi | Komplex_abstrakt) #REQUIRED

  30. Lexikalische Einheit ( le ) ... selegiert (ja|nein|undef) #REQUIRED lexikalisiert (ja|nein|undef) #REQUIRED herkunft(nativ | klassisch | englisch | unklar | französisch | fremd | undef) #REQUIRED akzent(neutral | beeinflusst | zieht_an) “neutral” auslautverh. (neutral | blockiert ) “neutral” erzeugt (auto|manu) #IMPLIED geprueft(ja|nein) #IMPLIED >

  31. Gobale Merkmale <!ATTLIST PhonetischeTranskription notation (SAMPA) "SAMPA" attrCDATA #IMPLIED> <!ATTLIST Vorkommenshäufigkeit korpus(HGC | Referenz ) "HGC" wert ( wortform ) #IMPLIED>

  32. Flexionsmorphologie <!ATTLIST Flexionsmorphologie DMORlex (VMod_Stems | VAux_Stems | V-0_Stems| V-ge_Stems | V-0_Stems_NoPref | NN_Stems_NoCP | NN_Stems_NoHead | NN_Stems | NE_Stems_NoCP | NE_Stems | NE_Stems_NoCP | ADJ_Stems_NoCP | ADJ_Abbr | NN_Abr | NE_Abbr | INVAR_Abbr | VPrefSep ) #IMPLIED >

  33. Stammformen <!ATTLIST Stammform id ID #IMPLIED DMORtyp (reg | irreg | vollform) #IMPLIED> <!ATTLIST DMORStamm orth (alt | neu | beides) #IMPLIED> <!ATTLIST Stamm orth (alt | neu | beides) #IMPLIED>

  34. Derivation und Komposition <!ATTLIST Derivation typ( ja | nein ) #IMPLIED <!ATTLIST Derivationsstamm id#IMPLIED orth ( alt | neu | beides ) "beides" typ ( umgelautet | kurz | lang | vorne_gefugt- getilgt | vorne_gefugt-hinten_gefugt | hinten_gefugt | getilgt | umgelautet-getilgt | umgelautet-getilgt-hinten_gefugt | normal | umgelautet-hinten_gefugt | getilgt- hinten_gefugt ) "normal" >

  35. Affix Merkmale <!ATTLIST Affix_Merkmale produktiv ( ja | nein ) #REQUIRED>

  36. Verwandte Lexika • CISLEX (Langer et al. 1996, Maier-Meyer (1995)) • morphologische Analyse von Zeitungskorpora • Derivation nur für häufige Suffixe • WordManager-System (Domening und ten Hacken (1992)) • Entwicklungsumgebung für computerlinguistische Lexika • eingeschränkte morphologische Analyse im Internet (Canoo)

More Related