Textklassifikation in COSMAS II

Auf dieser Seite werden die beiden Textklassifikationen Textsorte und thematische Klassifikation vorgestellt, die mit der Server-Version 4.2 von COSMAS II (Juli 2012) freigegeben werden. Anhand dieser Metadaten lassen sich

die Präsentationen der Korpuszusammensetzung (siehe COSMAS II_web und COSMAS II_win),
die Präsentation der Ergebnisse (siehe COSMAS II_web und COSMAS II_win), und
die Bildung von vituellen (Benutzer-)Korpora (mehr...)

um zwei neue Dimensionen erweitern.

Diese Daten werden zu einem späteren Zeitpunkt ebenfalls in die virtuelle Korpusbildung integriert.

Textsorten

In den meisten DeReKo-Zeitungskorpora und -Korpora mit Pressemeldungen sind die Texte (Artikel) mit einer Textsorte ausgezeichnet. Wir weisen darauf hin, dass das Inventar der Textsorten historisch gewachsen ist und keiner linguistisch definierten Systematik von Textsorten folgt. Die meisten Textsorten-Klassifikationen werden automatisch aus den Metadaten der Originaldaten extrahiert, die auch fehlerhafte Zuweisungen enthalten können. Nicht in allen Zeitungskorpora und nicht für alle Jahrgänge sind die Texte mit Textsorten ausgezeichnet. Einen Überblick erhalten Sie in der Textsorten-bezogenen Präsentation der Korpuszusammensetzung ihres ausgewählten Korpus in COSMAS II.

Derzeit (Release DeReKo-2012-II) umfasst die Textsorten-Taxonomie folgende Kategorien:

Abstract	Analyse	Anzeigentext
Beilage	Bericht	Bericht:Augenzeugenbericht
Bericht:Bilanzbericht	Bericht:Erfahrungsbericht	Bericht:Kurzbericht
Bericht:Prozessbericht	Bericht:Reisebericht	Bericht:Schicksalsbericht
Bericht:Sportbericht	Bericht:Tagungsbericht	Bericht:Testbericht
Bericht:Unternehmensbericht	Bericht:Vorbericht	Bericht:Wetterbericht
Bericht:Wettkampfbericht	Bildbeischrift	Buchauszug
Chronologie	Dokumentation	Dossier
Essay	Expertenmeinung	Fall
Fall:Kurioser Fall	Fall:Spektakulärer Fall	Fall:Tragischer Fall
Feuilleton	Fragebogen	Gegendarstellung
Gerichtsurteil	Gespräch	Grafik
Historisches	Interview	Klatsch
Kolumne	Kommentar	Kontaktdaten
Leserbrief	Literaturhinweis	Lokales
Medienseite	Meldung	Meldung:Agenturmeldung
Nachruf	Offener Brief	Personalie
Personalienprofil	Porträt	Porträt:Firmenporträt
Porträt:Länderporträt	Porträt:Stadtporträt	Rangliste
Ratgeber	Rede	Reportage
Reportage:Homestory	Rezension	Rezension:Buchrezension
Rezension:Fernsehrezension	Rezension:Filmrezension	Rezension:Kunstrezension
Rezension:Musikrezension	Rezension:Theaterrezension	Satire
Serie	Sportergebnis	Statistik
TippsService	Umfrage	Veranstaltungsinformation
Vorspann	Zitat	Überblick

Thematische Klassifikation

Die Texte aller DeReKo-Zeitungskorpora und Pressemeldungskorpora sind mit einem Thema ausgezeichnet, d.h. mit einer thematischen Kategorie nach einer für DeReKo entwickelten Themen-Taxonomie.

Die Themen-Taxonomie umfasst 12 Hauptkategorien und 52 Unterkategorien, welche ursprünglich auf Kategorien des Open Directory zurückgehen (vgl. Weiß 2005).

Die Themen-bezogene Ansicht von Korpora und Ergebnissen in COSMAS II basiert auf der durch einen Naive-Bayes-Klassifikator automatisch ermittelten wahrscheinlichsten Themenkategorie für jeden Text. Die Performanz dieses Klassifikators lag bei 83% durchschnittlicher Präzision und 82% durchschnittlicher Vollständigkeit auf einem Testkorpus von 30 Zeitungsartikeln je Unterkategorie aus dem Jahre 2003 (vgl. Weiß 2005).

Hauptkategorie	Unterkategorien
Fiktion	Vermischtes
Freizeit/Unterhaltung	Reisen Rundfunk Vereine/Veranstaltungen
Gesundheit/Ernährung	Gesundheit Ernährung
Kultur	Bildende Kunst Darstellende Kunst Film Literatur Mode Musik
Natur/Umwelt	Garten Tiere Wetter/Klima
Politik	Ausland Inland Kommunalpolitik
Sport	Ballsport Fußball Motorsport Radsport Tennis Vermischtes Wintersport
Staat/Gesellschaft	Arbeit/Beruf Bildung Biographen/Interviews Drittes Reich/Rechtsextremismus Familie/Geschlecht Kirche Recht Tod Verbrechen
Technik/Industrie	EDV/Elektronik Kfz Transport/Verkehr Umweltschutz Unfälle
Wirtschaft	Banken Bilanzen Öffentliche Finanzen Sozialprodukt Währung
Wissenschaft	Populärwissenschaft
Rest	Börsenkurse Geburt/Tod/Heirat Impressum Inhaltsverzeichnisse Ligatabellen Tabellen Veranstaltungshinweise

Literatur und weiterführende Links

Weiß, Christian (2005): Die thematische Erschließung von Sprachkorpora. (= OPAL - Online publizierte Arbeiten zur Linguistik 1/2005). Mannheim: Institut für Deutsche Sprache.

Fragen zur Textauszeichnung nach Textsorten und Themen sowie zu den Taxonomien richten Sie bitte an:

Programmbereich Korpuslinguistik,
Projekt: Ausbau und Pflege der Korpora geschriebener Gegenwartssprache