Wortarten und Korpus

In dieser Arbeit wird ein Ansatz zur korpusbasierten Wortartenklassifikation präsentiert, der auf quantitativen und distributionellen Eigenschaften der Sprache basiert. Die Ergebnisse verschiedener Klassifikationsverfahren werden an einem manuell annotierten deutschen Korpus evaluiert, was neue Erkenntnisse für die Wortartenforschung und Computerlinguistik liefert. Die Klassifikation beschäftigt die Sprachwissenschaft seit Jahrhunderten, erhielt jedoch durch die Verarbeitung maschinenlesbarer Textkorpora neuen Schwung. Diese Verfahren sind entscheidend für die Datenordnung und -aufbereitung und adressieren das Problem des geringen Datenumfangs in statistischen Sprachmodellen. Der vorgestellte Ansatz stützt sich auf distributionelle Klassifikationsmethoden in der Tradition von Firth und Harris und zeigt deren Überlegenheit gegenüber semantischen, pragmatischen, morphologischen und transformationellen Methoden. Neuere computerlinguistische Ansätze werden vorgestellt und ihre Ergebnisse anhand der postulierten Anforderungen beurteilt. Wortarten sind in allen Sprachen vorhanden und unterliegen quantitativen Gesetzmäßigkeiten, die in ihren Zusammenhängen dargestellt werden. Die Erkenntnisse führen zur Entwicklung distributioneller Methoden zur automatischen Generierung von Wort(arten)klassen, wobei Clusterverfahren verwendet werden, die Kotexte anstelle von Worttokens klassifizieren. Dies ermöglicht eine differenzierte Klassifikati