Definition virtueller Vergleichskorpora und Nutzung von Annotationen mit EuReCo
- Das Europäische Referenzkorpus (EuReCo) ist eine seit 2012 bestehende offene Initiative, die sich zum Ziel gesetzt hat, langfristig den Bedarf an vergleichbaren Korpora in verschiedenen Sprachen für die vergleichende Sprachforschung zu decken (Kupietz et al. 2017). Die Kernidee von EuReCo liegt darin, keine neuen Korpora zu erstellen, sondern bestehende große National- und Referenzkorpora nach zu nutzen und diese über eine einheitliche und interoperable Infrastruktur so zu verbinden, dass Nutzer/-innen in die Lage versetzt werden, domänen- und fragestellungsspezifisch vergleichbare, virtuelle Subkorpora selbst anhand von Metadaten-Restriktionen zu definieren und zu nutzen. Um eine interoperable Infrastruktur bieten zu können, wurde ein implementationsbasierter (gegenüber einem spezifikationsbasierten) Ansatz verfolgt (Kupietz et al. 2024), was bedeutet, dass dieselbe Korpus-Analyse-Plattform KorAP an allen Standorten der Korpuseigner (gegebenenfalls ergänzend zu bestehender Software) für den einheitlichen Zugang zu den vergleichbaren Korpora zur Verfügung steht. Ein Hindernis bei diesem Ansatz ist, dass die zugrundeliegenden Korpora oft keine universellen, sondern sprachspezifische Tag-Sets zur Auszeichnung von Wortarten und morphosyntaktischen Features verwenden, was gerade die explorativen Anteile sprachvergleichender Studien erheblich erschweren und verlangsamen kann. Die scheinbar naheliegende Lösung, Korpora einfach mit sprachübergreifenden Tag-Sets zusätzlich nach zu annotieren, ist dabei oft keine Option, da etwa die vollständige Nachannotation von DeReKo, als deutschem Partner der EuReCo-Initiative, mit udpipe2 (Straka 2018) für Universal Dependency Annotationen rund 12 GPU-Jahre in Anspruch nähme. Eine weitere Herausforderung besteht bereits bei der Definition virtueller Vergleichskorpora darin, dass Ausgangskorpora oft zwar ähnliche Metadaten wie thematische Domäne und Texttyp oder Genre zur Kategorisierung von Texten verwenden, die Werte-Mengen oder Taxonomien aber häufig sehr unterschiedlich sind, was bei der explorativen Justierung von Vergleichbarkeitskriterien zu Problemen führen kann. In diesem Beitrag stellen wir unseren Ansatz zur Lösung dieser beiden Herausforderungen vor: einen in KorAP integrierten Dienst, genannt Koral-Mapper, der sowohl Annotationsanfragen in komplexen Syntaxsuchen als auch Metadatenkriterien als Teil komplexer Definitionen virtueller Korpora nach bestimmten Regeln von einem Kategorieninventar in ein anderes übersetzen kann. Auf diese Weise können beispielsweise Anfragen nach UPOS-Annotationen beantwortet werden, auch wenn das Korpus nur mit dem Stuttgart-Tübingen Tagset (STTS; Schiller et al. 1999) annotiert wurde.
| Author: | Nils DiewaldORCiDGND, Eliza Margaretha IlligORCiDGND, Marc KupietzORCiDGND, Franck Bodmer MoryGND, Helge StallkampGND, Jennifer EckerORCiDGND, Beata TrawińskiORCiDGND |
|---|---|
| URN: | urn:nbn:de:bsz:mh39-141829 |
| Parent Title (German): | Deutsch im europäischen Sprachraum - Stand und Perspektiven. 62. Jahrestagung des Leibniz-Instituts für Deutsche Sprache, 10. bis 12. März 2026, Congress Center Rosengarten Mannheim. Abstracts |
| Publisher: | Leibniz-Institut für Deutsche Sprache (IDS) |
| Place of publication: | Mannheim |
| Document Type: | Part of a Book |
| Language: | German |
| Year of first Publication: | 2026 |
| Date of Publication (online): | 2026/10/26 |
| Publishing Institution: | Leibniz-Institut für Deutsche Sprache (IDS) |
| Publicationstate: | Veröffentlichungsversion |
| Reviewstate: | (Verlags)-Lektorat |
| Tag: | Leibniz-Instituts für Deutsche Sprache (IDS). Jahrestagung (62 : 2026 : Mannheim) |
| GND Keyword: | European Reference Corpus; Korpus <Linguistik>; Sprache |
| First Page: | 19 |
| Last Page: | 21 |
| DDC classes: | 400 Sprache / 400 Sprache, Linguistik |
| Open Access?: | ja |
| Program areas: | Grammatik |
| Program areas: | Digitale Sprachwissenschaft |
| Licence (German): | Creative Commons - Namensnennung-Weitergabe unter gleichen Bedingungen 3.0 Deutschland |


