Deutsche einsprachige Korpora немецкие одноязычные корпуса Institut für Slawistik Seminar: Slawische Korpuslinguistik SS 2006 O. Prof. Dr. Branko Tošović

Präsentation zum Thema: "Deutsche einsprachige Korpora немецкие одноязычные корпуса Institut für Slawistik Seminar: Slawische Korpuslinguistik SS 2006 O. Prof. Dr. Branko Tošović"—  Präsentation transkript:

1 Deutsche einsprachige Korpora немецкие одноязычные корпуса Institut für Slawistik Seminar: Slawische Korpuslinguistik SS 2006 O. Prof. Dr. Branko Tošović Erstellt von Karin Markut немецкие одноязычные корпуса Deutsche einsprachige Korpora

2 немецкие одноязычные корпуса Institut für Slawistik BAS Bayerisches Archiv für Sprachsignale 1995 gegründet Korpora mit gelesener Sprache Korpora mit spontaner Sprache Korpora mit akzentuierter/dialektaler Sprache Korpora mit Telefon-Sprache Korpora mit hoher technischer Qualität (Studio) BAS NEGR@ DSAv DWDS

3 Deutsche einsprachige Korpora немецкие одноязычные корпуса Institut für Slawistik NEGR@ Korpus Besteht aus 355.096 Tokens (20.602 Sätzen) deutscher Zeitungstexte aus der Frankfurter Rundschau Die Texte sind der CD "Multilingual Corpus 1" der European Corpus Initiative entnommen und wurden erweitert. Lizenz für wissenschaftliche Nutzung frei Eine Volllizenz kostet 4000 EURO, und eine Upgradelizenz 1500 EURO. BAS NEGR@ DSAv DWDS

4 Deutsche einsprachige Korpora немецкие одноязычные корпуса Institut für Slawistik DSAv Deutsches Spracharchiv 28 aufbereitete Korpora Tonaufnahmen und Transkripte : -Binnendeutsche Umgangssprachen / Standardsprache -Auslandsdeutsche Varietäten -verbale Interaktionen: Sprechen im sozialen Kontext (z.B. Beratungsgespräche) // Spracherwerb / Sprachentwicklung BAS NEGR@ DSAv DWDS

5 Deutsche einsprachige Korpora немецкие одноязычные корпуса Institut für Slawistik DWDS Digitale Wörterbuch der deutschen Sprache des 20. Jh. Wörterbuch Korpora -DWDS-Kernkorpus -ZEIT-Korpus -Berliner Tagesspiegel, PNN -DDR-Corpus -Corpus jüdischer Periodika -Demonstrationskorpus zur Anonymisierung von Eigennamen BAS NEGR@ DSAv DWDS

6 Deutsche einsprachige Korpora немецкие одноязычные корпуса Institut für Slawistik DWDS – Kernkorpus: 100 Mill. laufende Textwörter von 1900-2000 Anzahl der Dokumente: 79.830 Textsorten: Schöne Literatur (ca. 26%) Journalistische Prosa (ca. 27%) Fachprosa (ca. 22%) Gebrauchstexte (ca. 20%) (Transkribierte) Texte gesprochener Sprache (ca. 5%) BAS NEGR@ DSAv DWDS

7 Deutsche einsprachige Korpora немецкие одноязычные корпуса Institut für Slawistik ZEIT-Korpus: Umfang: 45 Mill. Tokens in 48.000 Artikeln Textgrundlage: alle ZEIT-Ausgaben von 1996-2006 Das ZEIT-Corpus wird täglich aktualisiert. Berliner Tagesspiegel und Potsdamer Neuesten Nachrichten: Umfang: 170 Mill. Tokens (350.000 Artikel) bzw. 15 Mill. Tokens Textgrundlage: alle online erschienenen Artikel zw. 1996 und Juni 2005. BAS NEGR@ DSAv DWDS

8 Deutsche einsprachige Korpora немецкие одноязычные корпуса Institut für Slawistik DDR-Korpus: umfasst 1150 Dokumente von 1949-1990 Jüdische Periodika - 8 Zeitschriften (26 Mill. Tokens) - 1887 bis 1938 Alle Korpora = lemmatisiert und mit Wortartinformationen versehen BAS NEGR@ DSAv DWDS Projektrealisierung in drei Etappen Textkorpuserstellung Computerlinguistische Erschließung Lexikographische Arbeit

9 Deutsche einsprachige Korpora немецкие одноязычные корпуса Institut für Slawistik Digitalisierung - Von der Textvorlage zur XML-Datei Kernkorpus: über 40 Mill. Textwörter digitalisiert in XML-Dateien aufbereitet [~ 120.000 DIN A 4 Seiten] BAS NEGR@ DSAv DWDS

10 Deutsche einsprachige Korpora немецкие одноязычные корпуса Institut für Slawistik BAS NEGR@ DSAv DWDS Online-Recherche mit Anmeldung: Textkorpus 102 Mio. Wörter, 1900-2000 ohne Anmeldung: Textkorpus 22 Mio. Wörter, 1900-1945