Entwicklung

Leistungsmerkmale

Textorganisation Archive Korpora Dokumente, Texte Virtuelle Korpora Annotationen Textklassifikation Chronologie XCES-Codierung

Einsteiger

Externe Nutzung

Hilfe

Korpora

Allgemeines

COSMAS II-Korpora sind Sammlungen von Textmaterialien in elektronischer Form, die überwiegend vom Deutschen Referenzkorpus - DeReKo, vereinzelt aber auch von Projektgruppen des IDS zur Verfügung gestellt und in COSMAS II eingespeist werden. Die Zusammensetzung eines solchen Korpus wie auch die Gliederung in Dokumente und Texte wird zur Zeit der Korpusakquisition festgelegt.

Während der "Einspeisung" eines Korpus in COSMAS II (dieser Prozess wird auch Indizierung genannt) wird eine Reihe von Aufbereitungsarbeiten durchgeführt. Neben den rein technischen Arbeiten, die z.B. für den effizienten Zugriff auf die Daten sorgen, erfolgen hier auch die Lemmatisierung, Erstellung von diversen Wortlisten, Regelung von Zugriffsrechten und vieles andere mehr.

Jedes Korpus wird bei der Indizierung in ein sogenanntes Archiv aufgenommen.

• BenutzerInnen können sich eigene virtuelle Korpora über die Funktionalität Eigene Korpora editieren in der Korpusverwaltung zusammenstellen. Die resultierenden benutzerdefinierten Korpora können innerhalb von COSMAS II sitzungsübergreifend gespeichert und durchsucht werden.

• Wer mit Hilfe der erweiterten Kriterien bzw. Korpusbildung eigene Korpora bilden möchte, kann sich mit den Administratoren in Verbindung setzen.

In COSMAS II werden zurzeit etwa 68,9 Mrd. laufende Wortformen (oder etwa 172,2 Mio. Buchseiten bei ca. 400 Wörtern/Seite) in 600 Korpora verwaltet.
Die Korpusgröße ist in Millionen von laufenden Wortformen angegeben.

Korpora in ungetaggten Archiven

Korpora im Archiv TAGGED-C

Korpora im Archiv TAGGED-C2

Korpora im Archiv TAGGED-T

Korpora im Archiv TAGGED-T2

Korpora im Archiv TAGGED-M