Fallstudien - Versionsgeschichte

Weber am 7. März 2016 um 16:33 Uhr

2016-03-07T16:33:38Z

Weber am 7. März 2016 um 16:33 Uhr

2016-03-07T16:33:21Z

Weber am 7. März 2016 um 16:32 Uhr

2016-03-07T16:32:48Z

Weber am 7. März 2016 um 16:31 Uhr

2016-03-07T16:31:59Z

Weber am 7. März 2016 um 16:30 Uhr

2016-03-07T16:30:57Z

Weber am 7. März 2016 um 16:30 Uhr

2016-03-07T16:30:34Z

Weber am 4. März 2016 um 09:29 Uhr

2016-03-04T09:29:20Z

Weber am 19. Februar 2016 um 13:20 Uhr

2016-02-19T13:20:45Z

Bartz am 11. November 2015 um 13:26 Uhr

2015-11-11T13:26:52Z

Bartz am 11. November 2015 um 10:42 Uhr

2015-11-11T10:42:39Z

@@ Zeile 11: / Zeile 11: @@
 *[[Disambiguierung von Suchtreffern: Leiter und zeitnah]]
 *[[Klassifikation von Stützverben: bringen, kommen, finden]]
 *Klassifikation von Besonderheiten der Sprache in sozialen Medien:

@@ Zeile 12: / Zeile 12: @@
 *[[Klassifikation von Stützverben: bringen, kommen, finden]]
 *Klassifikation von Besonderheiten der Sprache in sozialen Medien: Die getesteten Data-Mining-Verfahren ermöglichen zumindest für eine Auswahl innovativer Sprachmittel der Kommunikation in sozialen Medien (z.B. Aktionswörter) eine automatische Analyse der Gesamttrefferlisten, durch die mit akzeptabler Genauigkeit Aussagen über den Anteil tatsächlich enthaltener Sprachmittel des gesuchten Typs gemacht werden können. Weitere Informationen zur Fallstudie und den angewandten Verfahren finden sich im entsprechenden [[Media: KobRA-MS2_Verfahren.pdf|technischen Bericht]].
-*Erkennen von Ausreißern (z.B. Metaphorische Gebrauchsweisen oder Named Entities): Die im Rahmen des Projekts durchgeführten Studien zeigen, dass bei der automatischen Partitionierung nach Bedeutungen für metaphorische Verwendungen mit hinreichender Zuverlässigkeit eigene Partitionen generiert werden. Weitere Information und Beschreibung der Verfahren zur Partitionierung von Bedeutungen finden sich im entsprechenden [[Media: KobRA-MS2_Verfahren.pdf|technischen Bericht]].
+*Klassifikation von Besonderheiten der Sprache in sozialen Medien:
-*Aussondern von Präfixverben: Die Aussonderung falsch positiver Treffer aufgrund homographer Wortformen vom Typ „Präfixverben“ (z.B. ''kommt vor'' statt ''vorkommt'', ''raten/rät'' statt ''geraten/gerät'') konnte im Laufe des Projektzeitraums vom Tübinger Sprachtechnologiepartner durch Anpassen und Integration des TüBa-D/Z-Lemmatisierers (jetzt: SepVerb-Lemmatizer) in die Annotationsumgebung ''WebLicht'' gelöst werden. Beim [[Dokumentation: 3. Projektworkshop (September 2014)|2. Projekt-Workshop]] in Mannheim  informierten Daniël de Kok und Marie Hinrichs (Universität Tübingen) über das Annotationswerkzeug.
+Die getesteten Data-Mining-Verfahren ermöglichen zumindest für eine Auswahl innovativer Sprachmittel der Kommunikation in sozialen Medien (z.B. Aktionswörter) eine automatische Analyse der Gesamttrefferlisten, durch die mit akzeptabler Genauigkeit Aussagen über den Anteil tatsächlich enthaltener Sprachmittel des gesuchten Typs gemacht werden können. Weitere Informationen zur Fallstudie und den angewandten Verfahren finden sich im entsprechenden [[Media: KobRA-MS2_Verfahren.pdf|technischen Bericht]].

@@ Zeile 12: / Zeile 12: @@
 *[[Klassifikation von Stützverben: bringen, kommen, finden]]
-*Klassifikation von Besonderheiten der Sprache in sozialen Medien
+*Klassifikation von Besonderheiten der Sprache in sozialen Medien: Die getesteten Data-Mining-Verfahren ermöglichen zumindest für eine Auswahl innovativer Sprachmittel der Kommunikation in sozialen Medien (z.B. Aktionswörter) eine automatische Analyse der Gesamttrefferlisten, durch die mit akzeptabler Genauigkeit Aussagen über den Anteil tatsächlich enthaltener Sprachmittel des gesuchten Typs gemacht werden können. Weitere Informationen zur Fallstudie und den angewandten Verfahren finden sich im entsprechenden [[Media: KobRA-MS2_Verfahren.pdf|technischen Bericht]].
-Die getesteten Data-Mining-Verfahren ermöglichen zumindest für eine Auswahl innovativer Sprachmittel der Kommunikation in sozialen Medien (z.B. Aktionswörter) eine automatische Analyse der Gesamttrefferlisten, durch die mit akzeptabler Genauigkeit Aussagen über den Anteil tatsächlich enthaltener Sprachmittel des gesuchten Typs gemacht werden können. Weitere Informationen zur Fallstudie und den angewandten Verfahren finden sich im entsprechenden [[Media: KobRA-MS2_Verfahren.pdf|technischen Bericht]].
+*Erkennen von Ausreißern (z.B. Metaphorische Gebrauchsweisen oder Named Entities): Die im Rahmen des Projekts durchgeführten Studien zeigen, dass bei der automatischen Partitionierung nach Bedeutungen für metaphorische Verwendungen mit hinreichender Zuverlässigkeit eigene Partitionen generiert werden. Weitere Information und Beschreibung der Verfahren zur Partitionierung von Bedeutungen finden sich im entsprechenden [[Media: KobRA-MS2_Verfahren.pdf|technischen Bericht]].
-*Erkennen von Ausreißern (z.B. Metaphorische Gebrauchsweisen oder Named Entities)
+*Aussondern von Präfixverben: Die Aussonderung falsch positiver Treffer aufgrund homographer Wortformen vom Typ „Präfixverben“ (z.B. ''kommt vor'' statt ''vorkommt'', ''raten/rät'' statt ''geraten/gerät'') konnte im Laufe des Projektzeitraums vom Tübinger Sprachtechnologiepartner durch Anpassen und Integration des TüBa-D/Z-Lemmatisierers (jetzt: SepVerb-Lemmatizer) in die Annotationsumgebung ''WebLicht'' gelöst werden. Beim [[Dokumentation: 3. Projektworkshop (September 2014)|2. Projekt-Workshop]] in Mannheim  informierten Daniël de Kok und Marie Hinrichs (Universität Tübingen) über das Annotationswerkzeug.

@@ Zeile 12: / Zeile 12: @@
 *[[Klassifikation von Stützverben: bringen, kommen, finden]]
 *Klassifikation von Besonderheiten der Sprache in sozialen Medien
 Die getesteten Data-Mining-Verfahren ermöglichen zumindest für eine Auswahl innovativer Sprachmittel der Kommunikation in sozialen Medien (z.B. Aktionswörter) eine automatische Analyse der Gesamttrefferlisten, durch die mit akzeptabler Genauigkeit Aussagen über den Anteil tatsächlich enthaltener Sprachmittel des gesuchten Typs gemacht werden können. Weitere Informationen zur Fallstudie und den angewandten Verfahren finden sich im entsprechenden [[Media: KobRA-MS2_Verfahren.pdf|technischen Bericht]].
-*'''Erkennen von Ausreißern (z.B. Metaphorische Gebrauchsweisen oder Named Entities)'''
+*Erkennen von Ausreißern (z.B. Metaphorische Gebrauchsweisen oder Named Entities)
 Die im Rahmen des Projekts durchgeführten Studien zeigen, dass bei der automatischen Partitionierung nach Bedeutungen für metaphorische Verwendungen mit hinreichender Zuverlässigkeit eigene Partitionen generiert werden. Weitere Information und Beschreibung der Verfahren zur Partitionierung von Bedeutungen finden sich im entsprechenden [[Media: KobRA-MS2_Verfahren.pdf|technischen Bericht]].
-*'''Aussondern von Präfixverben'''
+*Aussondern von Präfixverben
 Die Aussonderung falsch positiver Treffer aufgrund homographer Wortformen vom Typ „Präfixverben“ (z.B. ''kommt vor'' statt ''vorkommt'', ''raten/rät'' statt ''geraten/gerät'') konnte im Laufe des Projektzeitraums vom Tübinger Sprachtechnologiepartner durch Anpassen und Integration
 des TüBa-D/Z-Lemmatisierers (jetzt: SepVerb-Lemmatizer) in die Annotationsumgebung WebLicht gelöst werden. Beim [[Dokumentation: 3. Projektworkshop (September 2014)|2. Projekt-Workshop]] in Mannheim  informierten Daniël de Kok und Marie Hinrichs (Universität Tübingen) über das Annotationswerkzeug.

@@ Zeile 11: / Zeile 11: @@
 *[[Disambiguierung von Suchtreffern: Leiter und zeitnah]]
 *[[Klassifikation von Stützverben: bringen, kommen, finden]]
 *'''Klassifikation von Besonderheiten der Sprache in sozialen Medien'''

← Nächstältere Version		Version vom 7. März 2016, 16:30 Uhr
Zeile 11:		Zeile 11:
	*[[Disambiguierung von Suchtreffern: Leiter und zeitnah]]		*[[Disambiguierung von Suchtreffern: Leiter und zeitnah]]
	*[[Klassifikation von Stützverben: bringen, kommen, finden]]		*[[Klassifikation von Stützverben: bringen, kommen, finden]]
		+
		+	*'''Klassifikation von Besonderheiten der Sprache in sozialen Medien'''
		+	Die getesteten Data-Mining-Verfahren ermöglichen zumindest für eine Auswahl innovativer Sprachmittel der Kommunikation in sozialen Medien (z.B. Aktionswörter) eine automatische Analyse der Gesamttrefferlisten, durch die mit akzeptabler Genauigkeit Aussagen über den Anteil tatsächlich enthaltener Sprachmittel des gesuchten Typs gemacht werden können. Weitere Informationen zur Fallstudie und den angewandten Verfahren finden sich im entsprechenden [[Media: KobRA-MS2_Verfahren.pdf\|technischen Bericht]].
		+	*'''Erkennen von Ausreißern (z.B. Metaphorische Gebrauchsweisen oder Named Entities)'''
		+	Die im Rahmen des Projekts durchgeführten Studien zeigen, dass bei der automatischen Partitionierung nach Bedeutungen für metaphorische Verwendungen mit hinreichender Zuverlässigkeit eigene Partitionen generiert werden. Weitere Information und Beschreibung der Verfahren zur Partitionierung von Bedeutungen finden sich im entsprechenden [[Media: KobRA-MS2_Verfahren.pdf\|technischen Bericht]].
		+	*'''Aussondern von Präfixverben'''
		+	Die Aussonderung falsch positiver Treffer aufgrund homographer Wortformen vom Typ „Präfixverben“ (z.B. ''kommt vor'' statt ''vorkommt'', ''raten/rät'' statt ''geraten/gerät'') konnte im Laufe des Projektzeitraums vom Tübinger Sprachtechnologiepartner durch Anpassen und Integration
		+	des TüBa-D/Z-Lemmatisierers (jetzt: SepVerb-Lemmatizer) in die Annotationsumgebung WebLicht gelöst werden. Beim [[Dokumentation: 3. Projektworkshop (September 2014)\|2. Projekt-Workshop]] in Mannheim informierten Daniël de Kok und Marie Hinrichs (Universität Tübingen) über das Annotationswerkzeug.

@@ Zeile 1: / Zeile 1: @@
-Drei linguistische Forschungsbereiche dienen als Testbett für die im Rahmen des KobRA-Projekts zu erprobenden und zu entwickelnden Data-Mining-Verfahren. Zu allen drei Bereichen werden Fallstudien definiert, aus denen sich konkrete Anforderungen an die Verfahren ergeben, die als exemplarisch für die Anforderungen im zugehörigen Forschungsfeld gelten können:
+Drei linguistische Forschungsbereiche dienten als Testbett für die im Rahmen des KobRA-Projekts erprobten und entwickelten Data-Mining-Verfahren. Zu allen drei Bereichen wurden Fallstudien definiert, aus denen sich konkrete Anforderungen an die Verfahren ergeben haben, die als exemplarisch für die Anforderungen im zugehörigen Forschungsfeld gelten können:
 # '''Die Entwicklung von Wortschatz, Syntax, Morphologie in einem bestimmten Untersuchungszeitraum (diachronische Sprachforschung)'''. Zu diesem Bereich gehören linguistische Fallstudien, die sich mit der Entwicklung und Ausdifferenzierung von Konstruktionen wie ''zum''/''ins X bringen''/''kommen'' (sogenannte "Stützverbgefüge") im Deutschen beschäftigen.
@@ Zeile 5: / Zeile 5: @@
 # '''Der Vergleich von Sprachmerkmalen in verschiedenen Textsorten, Fachsprachen, gesprochener vs. geschriebener Sprache (Varietätenlinguistik)'''. Zu diesem Bereich gehört eine linguistische Fallstudie "Netspeak", die sprachliche Unterschiede zwischen den Artikel- und den Diskussionsseiten der deutschen Wikipedia untersucht.
-Die folgende Übersicht listet die im KobRA-Projekt bislang durchgeführten und dokumentierten Fallstudien.
+Die folgende Übersicht listet die im KobRA-Projekt durchgeführten und dokumentierten Fallstudien.
 *[[Visualisierung von diachronen Kollokationen]]

← Nächstältere Version		Version vom 11. November 2015, 13:26 Uhr
Zeile 6:		Zeile 6:

	Die folgende Übersicht listet die im KobRA-Projekt bislang durchgeführten und dokumentierten Fallstudien. Die Liste wird fortlaufend aktualisiert.		Die folgende Übersicht listet die im KobRA-Projekt bislang durchgeführten und dokumentierten Fallstudien. Die Liste wird fortlaufend aktualisiert.
−

	*[[Visualisierung von diachronen Kollokationen]]		*[[Visualisierung von diachronen Kollokationen]]