[IDS-Logo] Online-Hilfe zu COSMAS II: Syntax der zeilenorientierten Suchanfragesprache - Druckversion

Syntax der zeilenorientierten Suchanfragesprache

Übersicht

1. Allgemeines zur Suchanfrage
1.1. Suchbegriff und Suchmuster
1.2. Zeichensatz und Sonderzeichen
1.3. Groß-/Kleinschreibung
1.4. Klammerungen
1.5. Suchanfrage und Suchergebnis
1.6. Suchlauf und temporäre Wortformenlisten
2. Suchoperatoren
2.1. Wortformoperatoren
2.1.1. Die Platzhalteroperatoren *, ?, +
2.1.2. Der Grundformoperator &
2.1.3. Der Ignorierungsoperator $
2.1.4. reguläre Ausdrücke mit #REG()
2.2. Logische Operatoren
2.3. Abstandsoperatoren
2.3.1. Der Wortabstandsoperator w
2.3.2. Der Satzabstandsoperator s
2.3.3. Der Absatzabstandsoperator p
2.4. Annotationsoperatoren
2.4.1. Der Operator MORPH
2.5. Kombinationsoperatoren
2.5.1. Der Operator IN
2.5.2. Der Operator OV
2.6. Elementoperatoren
2.6.1. Der Operator ELEM
2.7. Textbereich-Operatoren
2.7.1. Der Operator LINKS
2.7.2. Der Operator RECHTS
2.7.3. Der Operator INKLUSIVE
2.7.4. Der Operator EXKLUSIVE
2.7.5. Der Operator BED
3. diverse Textauszeichnungen
3.1 Textpositionen
4. Generelles zu
4.1 regulären Ausdrücken
4.2 Sonderzeichen in Suchanfragen
4.3 interne Begrenzung von Wortformen

1. Allgemeines zur Suchanfrage

Mit der Suchanfragesprache von COSMAS II lassen sich linguistische und andere sprachbezogene Fragestellungen umsetzen.
Neben der Suche nach einfachen Wortformen bietet COSMAS II eine Vielzahl von Möglichkeiten für Kombinationssuchen und Suchen mit Suchmustern.

Was Sie für die Eingabe von Suchanfragen wissen sollten:

Die Suchanfragesyntax gewährleistet eine relativ hohe Treffergenauigkeit. Unter Suchanfragesyntax ist die Verbindung von bestimmten Einheiten (Suchoperatoren) zu einer Suchanfrage nach den Regeln der Abfragesprache zu verstehen.

1.1. Suchbegriff und Suchmuster

Unter Suchbegriff ist im Zusammenhang mit COSMAS II folgendes zu verstehen:

- in der Suchanfrage:

- in Korpustexten:

Logische Operatoren als Suchbegriffe

Sollen die Wörter "und", "oder", "nicht", "and", "or", "not" Suchbegriffe sein, sind sie in Anführungsstriche zu setzen.

Beispiel-Suchanfragen:

bevor /+w5 "nicht"
groß "oder" klein
Kind "und" Kegel

Platzhalteroperatoren als Suchbegriffe

Sollen die Platzhalter ?, * oder + Suchbegriffe oder Teile von Suchbegriffen sein, ist jeweils ein "\" voranzustellen.

Beispiel-Suchanfragen:

\?
\*
\+
\\

Soll der Backslash ("\") selbst Suchbegriff oder Teil eines Suchbegriffs sein, muss ebenfalls ein Backslash vorangestellt werden.

Suchen nach dem Sonderzeichen &

Das & nimmt bei der internen Kodierung von Korpora eine besondere Stellung ein, weil es neben der typografischen Darstellung des Ampersands im Text (Bsp.: Kind&Kegel) auch die Funktion innehat, Sonderzeichen und Zeichen aus anderen Sprachen als Zeichenentität zu kodieren, z.B. als „ für „ und “ für “ oder → für den →. Außerdem gibt es verschiedene Kodierungsarten wie a) interne Schreibweise mit Zeichenentität (&), b) interne hexadezimale Schreibweise (&) und c) interne dezimale Schreiweise (&).

Zur Vereinfachung und -einheitlichung kann das & in COSMAS II direkt als '&' gesucht werden, sowohl als einzelnes Zeichen als auch innerhalb eines Wortes. Außerdem kann es auch über seine interne Repräsentation (siehe: a - c) abgefragt werden. Alle Suchvarianten ergeben die selben Treffer.

Kinder /+w1 & /+w1 Kegel
Firma Kraut&Rüben

1.2. Zeichensatz und Sonderzeichen

COSMAS II akzeptiert die deutschen Sonderzeichen (ä, Ä, ö, Ö, ü, Ü sowie ß) in den Wörtern der Suchanfrage sowie alle weiteren Sonderzeichen von ISO 8859-1, dem Zeichensatz der westeuropäischen Sprachen.

[ISO-Latin1.jpg]

(Grafik entnommen aus Wikipedia)

Das Et-Zeichen &

Eine Ausnahme innerhalb ISOlat1 bildet das Et-Zeichen '&', das wegen seiner Funktion in HTML- und UNICODE-Zeichenkodierungen als & kodiert ist und als solches gesucht werden muss.

H&M-Kette

Diese Suchanfrage findet Vorkommnisse von H&M-Kette.

Wird das & als freistehendes Zeichen und nicht als Bestandteil eines Wortes gesucht, muss es zwischen " und " geschrieben werden:

Bang "&" Olufsen

Sonderzeichen am Wortende

Jede Wortform, die in den Korpustexten mit einem Sonderzeichen endet, ist nur ohne dieses Zeichen suchbar. Davon ausgenommen sind Abkürzungen, sie behalten ihren Punkt auch in der Suchanfrage.

Wenn z.B. nach "usw." oder "Prof." gesucht werden soll, muss in der Suchanfrage stehen:

Beispiel-Suchanfragen:

usw.
Prof.

Suche nach Wortformen mit Sonderzeichen außerhalb von ISOLat1

COSMAS II nutzt als Standard-Zeichensatz ISOLat1 (entspricht ISO8859-1). Zeichen, die sich nicht in diesem Zeichensatz befinden bzw. Zeichen, von denen man nicht genau weiss, wie man sie über die Tastatur eingeben soll, können als XML-Zeichen mit dezimalem UNICODE-Wert eingegeben werden.

Beispiel: Auslassungspunkte

Zeichen Symbol HTML-Zeichen UNICODE-Wert
dezimal		 UNICODE-Wert
hexadezimal
Auslassungspunkte … … 8230 x2026

Beispiel: Suchanfrage nach dem Sonderzeichen allein

"…"

Bemerkung: da das &-Zeichen am Anfang des Suchbegriffs steht, muss der gesamte Suchbegriff zwischen Anführungszeichen geschrieben werden, damit COSMAS II es vom Lemmatisierungsoperator unterscheiden kann.

Beispiel: Suchanfrage nach dem Sonderzeichen innerhalb eines Suchbegriffs

"*…"
"*…*"
"…*"

Wie lautet die Kodierung meines Sonderzeichens

Der Dezimalwert vieler Sonderzeichen läßt sich z.B. in Wikipedia nachschlagen. Siehe zum Beispiel den Wikipedia-Eintrag für die Auslassungspunkte.

Wortliste

Der WORT-Operator verfügt außerdem über eine globale Wortformliste, die Sie aufrufen können, um sich die Wortformen im momentan aktiven Archiv präsentieren zu lassen und gegebenenfalls eine davon auszuwählen.

1.3. Groß-/Kleinschreibung

Globale Einstellungen (= Suchmodalitäten)

Ob die Groß-/Kleinschreibung in einer Suchanfrage beachtet oder ignoriert werden, hängt in erster Linie davon ab, welche allgemeinen Einstellungen Sie in den Optionen zur Suche getroffen haben. Dort können Sie angeben, ob die Groß-/Kleinschreibung nur am Wortanfang, für den Rest des Wortes oder das ganze Wort beachtet werden soll.

Beispiel

sein

Falls die Optionen zur Groß-Kleinschreibung deaktiviert sind, liefert diese Suchanfrage Treffer für "sein", "Sein" oder "SEIN".
Bei Aktivierung der Groß-/Kleinschreibung am Wortanfang dagegen erhalten Sie nur Treffer für "sein".

Beispiel

Sein

Falls die Optionen zur Groß-Kleinschreibung deaktiviert sind, liefert diese Suchanfrage dieselben Treffer wie die vorhergehende Suchanfrage sein.
Bei Aktivierung der Groß-/Kleinschreibung am Wortanfang dagegen erhalten Sie ausschließlich Treffer für "Sein".

Ignorierungsoperator für die wortweise Wahl der Groß-/Kleinschreibung

Zusätzlich zu den globalen Suchmodalitäten (Groß-/Kleinschreiboptionen) können Sie für jeden Suchbegriff in Ihrer Suchanfrage festlegen, ob die vorgegebene Groß-/Kleinschreibung ignoriert werden soll.

Weitere Beispiele

Erweiterte Optionen für die wortweise Wahl der Groß-/Kleinschreibung

Eine Erweiterung des Ignorierungsoperators bilden die ebenfalls als Präfix formulierten erweiterten Groß-/Kleinschreibungsoptionen, die zusätzlich auch die Berücksichtigung der diakritischen Zeichen steuern. Diese erweiterten Optionen gelten für Suchbegriffe, nicht aber für Grundformen oder reguläre Ausdrücke.

Beispiel

:EiDb:Würde

Bei der Suche nach diesem Suchbegriff wird die Groß-/Kleinschreibung des ersten Buchstabens ignoriert (Ei), die diakritischen Zeichen dagegen werden beachtet (Db).

Die erweiterten Optionen werden zwischen zwei ':' geschrieben. Zwischen ihnen und dem Suchbegriff darf kein Leerzeichen stehen; der zweite ':' dient als Trenner.

Liste der erweiterten Optionen

  anwendbar auf Option Beschreibung
A alle Zeichen :Ab
:Ai		 Groß-/Kleinschreibung & diakritische Zeichen beachten
Groß-/Kleinschreibung & diakritische Zeichen ignorieren
       
E erstes Zeichen :Eb
:Ei
:Eg
:Ek		 Groß-/Kleinschreibung beachten
Groß-/Kleinschreibung ignorieren
Großschreibung erzwingen
Kleinschreibung erzwingen
R restliche Zeichen :Rb
:Ri
:Rg
:Rk		 Groß-/Kleinschreibung beachten
Groß-/Kleinschreibung ignorieren
Großschreibung erzwingen
Kleinschreibung erzwingen
       
D alle Zeichen :Db
:Di		 diakritische Zeichen beachten
diakritische Zeichen ignorieren

Wie dem obigen Beispiel entnommen werden kann, können alle 4 Optionen miteinander kombiniert werden. Zwischen den einzelnen Optionen sollte kein ':' verwendet werden.

1.4. Klammerungen

Enthält Ihre Suchanfrage mehr als einen Abstandsoperator, sind runde Klammern zu setzen.

Beispiel-Suchanfragen:

(Tag /+w2 offenen) /+w1 Tür

Auch möglich, aber zeitaufwändiger, weil der ein sehr häufiges Wort ist:

((Tag /+w1 der) /+w1 offenen) /+w1 Tür

Enthält Ihre Suchanfrage logische Operatoren und Abstandsoperatoren, sind ebenfalls runde Klammern zu setzen.

Beispiel-Suchanfragen:

&herausfordern oder (&fordern /+s0 heraus)
(Landschaft oder Gegend) /s0 &schauen
((schöne oder große) /+w3 Augen) /s0 &machen

1.5. Suchanfrage und Suchergebnis

Die Treffermenge kann aus Einzelworttreffern oder aus Mehrworttreffern bestehen, was von der Syntax der Suchanfrage abhängt.

Enthält Ihre Suchanfrage nur einen Suchbegriff oder sind mehrere Suchbegriffe mit logischen Operatoren verknüpft, besteht die Treffermenge aus Einzelworttreffern.

Beispiel-Suchanfragen:

Willkommen
anscheinend oder scheinbar

Haben Sie in Ihrer Suchanfrage Abstandsoperatoren verwendet, besteht die Treffermenge aus Gruppen von zusammengehörenden Suchbegriffen.
Die nachfolgende Suchanfrage erzeugt beispielsweise Gruppen von zwei Treffern innerhalb eines Satzes bestehend aus den beiden Suchbegriffen.

Beispiel-Suchanfrage:

offen /s0 sprechen

Im Zusammenhang mit der Ergebnispräsentation und -sortierung behandelt COSMAS II die zusammengehörenden Suchbegriffe der Gruppen immer als Mehrworttreffer.

1.6. Suchlauf und temporäre Wortformlisten

Bei Anwendung der Wortformoperatoren *, ?, +, & und $ ist der Suchlauf in drei Phasen unterteilt:

1. Phase: Korpusvalidierung der Treffer
COSMAS II ermittelt im aktiven Korpus zunächst die zu jedem einzelnen Suchmuster der Suchanfrage passenden Wortformen. Hierbei werden automatisch sogenannte temporäre Wortformlisten erstellt.
2. Phase: Editieren der temporären Wortformlisten
In jeder temporären Wortformliste, die Sie sortieren lassen können, wählen Sie die Wortformen aus, die Sie in der 3. Phase in den Texten suchen lassen möchten.
3. Phase: Belegsuche
COSMAS II sucht die Belegstellen zu den angewählten Wortformen der temporären Wortformliste.

Ob in der 1. Phase des Suchlaufs temporäre Wortformlisten angezeigt werden oder nicht, ergibt sich aus der von Ihnen vorgenommenen Einstellung der Optionen zur Suche.

2. Suchoperatoren

Übersicht

COSMAS II kennt folgende Klassen von Suchoperatoren:

  1. Wortformoperatoren
  2. Logische Operatoren
    • die Operatoren UND, ODER, NICHT
  3. Abstandsoperatoren
  4. Annotationsoperatoren
  5. Kombinationsoperatoren
  6. Elementoperatoren für SGML- bzw. XML-Annotationen
  7. Textbereich-Operatoren

2.1. Wortformoperatoren

Wortformoperatoren sind Funktionszeichen für spezielle Suchoperationen zur Ermittlung bestimmter im aktiven Korpus vorkommender Wortformen. Zusammen mit Wörtern bzw. Wortsegmenten bilden sie Suchmuster, zu denen COSMAS II die im aktiven Korpus vorkommenden passenden Wortformen ermittelt.

COSMAS II kann nach mehreren Suchbegriffen gleichzeitig suchen. Die einzelnen Suchbegriffe müssen in der Suchanfrage durch logische Operatoren und/oder Abstandsoperatoren miteinander verknüpft sein.

Zu den Wortformoperatoren gehören

Darüber hinaus ist auch eine einfache Wortform oder ein Wortsegment ein Operator dieser Kategorie.

Beispiel

Eine simple Suchanfrage kann durch die Suche nach einer einfachen Wortform gestartet werden.

Willkommen

Groß-/Kleinschreibung

Die Beachtung der Groß-/Kleinschreibung und der diaktritischen Zeichen kann durch verschiedene, hier beschriebene Optionen gesteuert werden.

Suche nach Affixen (Suffixe und Präfixe)

Der Grundformoperator ermöglicht außerdem das Suchen nach Affixen.

Wortformlisten und Listenoptionen

Wortformoperatoren können zusätzlich mit Listenoptionen ergänzt werden und erzeugen Wortformlisten, die verwaltet werden können.

2.1.1. Die Platzhalteroperatoren *, ?, +

Diese Operatoren ermöglichen die Suche nach Wörtern und Wortsegmenten mit ergänzenden Zeichen(ketten). Das Wort (bzw. das Wortsegment) als solches ist ebenfalls gleichzeitig Suchbegriff.

Diese Operatoren sind "Platzhalter" für beliebige Zeichen:

* steht für 0 bis n Zeichen (keines bis "unendlich" viele),
? steht für genau ein Zeichen,
+ steht für 0 oder 1 Zeichen (höchstens eines).

Diese Operatoren können am Anfang oder am Ende von Wörtern bzw. Wortsegmenten stehen bzw. von Wortsegmenten umgeben sein. Sie sind ohne Leerzeichen mit dem Wort bzw. Wortsegment in das Suchanfragefenster zu schreiben.

Operator(en) und Wort bzw. Wortsegment(e) bilden das Suchmuster.

Ein solches Suchmuster muss mindestens zwei Buchstaben enthalten. Wenigstens ein Buchstabe muss am Anfang oder am Ende des Suchmusters stehen.

Die Operatoren können mehrmals in einem Suchmuster vorkommen.

Beispiel-Suchanfragen

Bei Verwendung des Platzhalters * (beliebig viele oder gar kein Zeichen)

Mond*

erhalten Sie in der temporären Wortformliste bspw. die Treffer

*mond

Hier erhalten Sie - neben dem Wort "mond" selbst - u.a. die Treffer "Neumond", "Vollmond", aber auch "Raymond" oder "Hammond".

Bei Verwendung des Platzhalters ? (genau ein Zeichen)

Mond?

enthält die Wortformliste Treffer für "Monde" - einerseits die Flexionsformen des deutschen Wortes "Mond", andererseits das gleichlautende französische Wort - oder auch "Mondo" oder "Mondy".

Bei Verwendung des Platzhalters + (höchstens ein Zeichen)

Mond+

erhalten Sie neben allen Treffern der obigen Suchanfrage Mond? auch das Wort "Mond" selbst.

Ob Groß-/Kleinschreibung berücksichtigt wird, wenn das Suchmuster mit einem Wort bzw. Wortsegment beginnt, ergibt sich aus der von Ihnen vorgenommenen Einstellung in den Optionen zur Suche.

Platzhalter als suchbare Zeichen

Damit die Platzhalter zu suchbaren Zeichen werden, d.h. um ihre Platzhalterfunktion zu deaktiviert, muss man ein \ davor setzen.

Der Suchausdruck für z.B. Student*in muss somit wie folgt aussehen:

Student\*in

Wortformlisten und Listenoptionen

2.1.2. Der Grundformoperator &

Der Grundformoperator - oder auch Lemmatisierungsoperator - ermöglicht nicht nur die Suche nach Flexions-, sondern auch nach Wortbildungsformen zu einer in der Suchanfrage eingegebenen Grundform (einem unflektierten Wort bzw. Wortbildungsmorphem).
Bei der Verwendung des Grundformoperators & muss in der Grundform das ß-Zeichen durch ss ersetzt werden, z.B. &gross.

Die Grundform als solche ist ebenfalls gleichzeitig ein Suchbegriff.

Im Zusammenhang mit COSMAS II sind Grundformen

Der Operator muss ohne Leerzeichen am Anfang der Grundform stehen.

Beispiele zur Anwendung des Grundformoperators

Erweiterte Optionen für Komposita

Bei eingeschalteter Option für Komposita sind auch folgende erweiterte Komposita-Optionen verfügbar.

Option für die Groß-/Kleinschreibung

Mittels der Optionen &G& und &K&, die ebenfalls als erweiterte Optionen fungieren, läßt sich auf die Groß-/Kleinschreibung des ersten alphabetischen Zeichens einer Wortform Einfluss nehmen. Dies ist eine allgemeine Option, die für alle von dem angegebenen Lemma ableitbaren Wortformen gilt, nicht nur auf die Komposita. Sie bezieht sich außerdem auf die Schreibweise, wie sie im Text gefunden wird.

Beispiel

&G&fein
&k&werden

Anmerkungen

Mit dem ersten alphabetischen Zeichen ist der erste Buchstabe eines Wortes gemeint, das auf mögliche Spezial- oder Satzzeichen am Wortanfang folgt. Anbei einige Beispiele dafür, welcher Buchstabe auf Groß-/Kleinschreibung geprüft wird:

Textwort geprüfter Buchstabe
"Trauer"-spiel T
0:1-Trauerspiel T
08/15-Trauerzeremonie T

Diese Option ist mit Vorsicht einzusetzen, da beispielsweise mit der Klein-Option Adjektive und Verben am Satzanfang nicht mehr gefunden werden.

Wortformlisten und Listenoptionen

2.1.3. Der Ignorierungsoperator $

Dieser Operator ermöglicht eine teilweise groß-/kleinschreibungsunabhängige Suche.
Er ist nur von Bedeutung, wenn die Option Groß-/Kleinschreibung beachten eingeschaltet ist und folglich die in der Suchanfrage vorgegebene Groß-/Kleinschreibung bei der Suche beachtet wird.

Trotz aktivierter Option Groß-/Kleinschreibung beachten haben Sie die Möglichkeit, einen bestimmten Suchbegriff einer Suchanfrage groß-/kleinschreibungsunabhängig suchen zu lassen: Sie setzen den Ignorierungsoperator $ ohne Leerzeichen an den Anfang des betreffenden Suchbegriffs. Dadurch ist die oben erwähnte Option in Bezug auf diesen Suchbegriff außer Kraft gesetzt.

Beispiel-Suchanfrage:

(Tag /+w2 $offenen) /+w1 Tür

Sofern in den Texten des aktiven Korpus vorhanden, erhalten Sie Belege z.B. für "Tag der offenen Tür", "Tag der Offenen Tür", "Tag der OFFENEN Tür".

"Tag" und "Tür" werden so gefunden, wie sie in der Suchanfrage stehen; es gibt also keine Treffer für z.B. "TAG", auch wenn diese Schreibweise innerhalb der Wortgruppe vorhanden sein sollte.

Ohne diesen Operator würde COSMAS II die Wortform "offenen" nur so finden, wie sie in der Suchanfrage steht, nämlich in klein geschriebener Form: "Tag der offenen Tür".

2.1.4. Reguläre Ausdrücke mit #REG()

Für die Formulierung von Suchbegriffen mittels erweiterten regulären Ausdrücken kann der Operator #REG eingesetzt werden. Pro Suchanfrage sind mehrere davon möglich. Die regulären Operatoren *, ? und + werden in COSMAS II zwar ebenfalls als Platzhalter-Operatoren eingesetzt; innerhalb von #REG() werden sie jedoch nach einer anderen Syntax eingesetzt.

Inhalt

Syntax

Der Operator #REG() kann einen oder mehrere reguläre Ausdrücke1 aufnehmen, z.B. #REG(Ausdruck) oder #REG(Ausdr1 Ausdr2 etc.). Jeder Ausdruck steht für eine Wortform und generiert eine eigene temporäre Wortformliste. Die verschiedenen Ausdrücke werden intern durch ein logisches oder im Endergebnis zusammengeführt.

Die Syntax der erweiterten regulären Ausdrücke ist zu umfangreich, als dass sie hier beschrieben werden könnte. Sie kann allerdings überall im Internet nachgelesen werden. Mit den zahlreichen nachfolgenden Beispielen können schon etliche interessante Fälle abgedeckt werden.

Folgende Einschränkungen seien allerdings an dieser Stelle erwähnt: vordefinierte Symbole wie \< (Wortanfang), \> (Wortende), \w (Klasse der alphanumerischen Zeichen) und /W (Klasse aller nicht-alphanumerischen Zeichen) verhalten sich anders als erwartet und sollten eher vermieden werden.

Bemerkung

Beachten Sie bitte, welche Option einen Einfluss auf die Ausführung von #REG() hat.

Beispiele

#REG(Archi.*ung)

Damit werden Wortformen gesucht, die Archi und ung enthalten. Abhängig von der eingestellten Option Groß-/Kleinschreibung beachten wird hierbei die Groß-/Kleinschreibung der Zeichen gegenüber dem regulären Ausdruck beachtet oder nicht. Die Teilbegriffe Archi bzw. ung werden nicht nur am Wortanfang und -ende gesucht, sondern auch innerhalb der Wortformen.

#REG( ^Archi.*ung$ )

Durch das Einfügen der Operatoren ^ (für Wortanfang) und $ (für Wortende) werden einzig die Wortformen gesucht, die mit Archi beginnen und mit ung enden.

#REG( Verschlusss?ache )

Hiermit werden Varianten von Verschlusssache mit 2 oder 3 's' gesucht.

#REG( Redakteur(s|e|en|in|innen)? )

Hiermit werden mit Hilfe der runden Klammern Varianten von Redakteur mit den fakultativen Endungen s, e, en, in und innen gesucht.

Siehe hierzu auch den Hinweis zu den runden Klammern weiter unten.

#REG( ^1[89][0-9][0-9]$ )

Damit lassen sich Jahreszahlen zwischen 1800 und 1999 suchen.

#REG( ^1[89][0-9]{2}$ )

Durch die Angabe von {2} lassen sich in etwas kompakterer Form die Jahreszahlen zwischen 1800 und 1999 suchen.

#REG( ^[0-9]{2}\.[0-9]{2}\.[0-9]{2,4}$ )

Wieder ein regulärer Ausdruck für Datumsangaben im Format 21.10.2005 oder 21.10.05. Da der einfache Punkt in regulären Ausdrücken die Bedeutung eines beliebigen Zeichens hat, muss hier \. geschrieben werden, um genau den Punkt zu spezifizieren.

#REG( ^[^0-9]*Uhr )

Gefunden werden hiermit Varianten von Uhr, bei denen zwischen dem Wortanfang und der Zeichenkette Uhr keine Ziffern vorkommen. Damit werden z.B. Angaben wie 19Uhr, 18.30Uhr etc. vermieden.

#REG( ^[^-]*bahn[^-]*$ )

Hiermit werden, unter Ausschluss jeglichen Bindestrichs, Wortbildungen von Bahn gesucht.

#REG( ^[^-]*bahn-[^-]*$ )

Durch das hinter bahn eingefügt - werden nun Wortbildung von bahn mit genau 1 Bindestrich gesucht. Gefunden werden z.B. Eisenbahn-Gesellschaft, bahn-übliche, etc..

#REG( ^[^-]{4,6}-[^-]{4,6}-[^-]{4,6}$ )

Gesucht werden hiermit Wortzusammensetzungen bestehend aus genau 2 Bindestrichen und drei Teilen mit 4 bis 6 Zeichen. Gefunden werden z.B. "Alte-Welt"-Wirt, "Sisi"-Gedenk-Kuchen, "Tante-Emma"-Laden, Zwölf-Punkte-Skala, etc.

#REG( ^[[:upper:]][[:lower:]]{2,5}[[:upper:]][[:lower:]]+ )

Sogenannte Zeichenklassen können in der Form [[:upper:]] oder [[:digit:]] spezifiziert werden. Das obige Beispiel sucht nach Wortformen mit mindestens 1 Binnenmajuskel nach folgendem Muster:

zuerst eine Majuskel, gefolgt von 2-5 Minuskeln, gefolgt von genau 1 Binnenmajuskel, gefolgt von mindestens 1 Minuskel.

Gefunden werden Wortformen wie AbiWord, ActionFirst, ÜberLeben, etc. aber auch ActionFormBean mit mehreren Binnenmajuskeln.

Weiterführendes Beispiel

#COND( #REG( ^Archi.*ung$ ), :-sa)

Reguläre Ausdrücke können auf diese Art mittels des #COND()-Operators an bestimmten Positionen im Text gesucht werden. In diesem Beispiel werden Wortformen gefunden, die nicht am Satzanfang stehen.

Zu beachten ist in diesem Fall folgendes: der reguläre Ausdruck erzeugt in einem ersten Schritt eine temporäre Wortformliste zu ^Archiv.*ung$ ohne die Position im Text zu überprüfen. Erst im zweiten Schritt findet der Vorgang statt, der die Wortformen am Satzanfang rausfiltert.

Hinweis zu der Suche nach Umlauten, Zeichen mit Diakritika und dem ß

Das Modul für die Umsetzung der regulären Ausdrücke ist auf die westeuropäischen Sprachen von ISO-8859-1 (= Latein 1) eingestellt. Damit lassen sich Umlaute, Zeichen mit Diakritika und das ß zusammen mit den Zeichen des lateinischen Alphabets als Zeichenklassen abfragen, wie in der nachfolgenden Tabelle zu sehen ist. Achten Sie dabei ganz besonders auf das Problem mit dem ß.

Klasse Option
Groß-/Klein 		Umlaute  ß   andere
Zeichen
mit Diakr. 		Kommentar
[[:alpha:]] egal ja ja ja alphab. Zeichen
[[:alnum:]] egal ja ja ja alphab. Zeichen und Ziffern
[[:lower:]] egal ja ja ja alphab. Zeichen klein geschrieben
[[:upper:]] egal ja nein ja alphab. Zeichen groß geschrieben;
ß nicht als Großbuchstabe bekannt.
[a-z] beachten ja ja ja alphab. Zeichen klein geschrieben
[a-z] ignorieren ja nein! ja alphab. Zeichen klein geschrieben;
Fehler: ß wird nicht gefunden!
[a-zß] egal ja ja ja alphab. Zeichen klein geschrieben

Hinweis zu den Klammern ( und )

Die runden Klammern werden innerhalb eines regulären Ausdrucks eingesetzt, um Alternativen auszudrücken, siehe dazu das Beispiel zu Redakteur. Achten Sie bitte darauf, die Klammern immer paarweise zu setzen, um Fehlermeldungen zu vermeiden.

Um runde Klammern als suchbare Zeichen einsetzen zu können, müssen diese in eckige Bereichsklammern geschrieben werden, also z.B. [(] oder mit anderen Zeichen zusammen, z.B. [()%$]. Beachten Sie, dass es in #REG zum diesem Zweck nicht möglich ist, die Klammern als Escape-Sequenz \( oder \) oder den gesamten Ausdruck zwischen "..." zu schreiben.

Behalten Sie bitte auch in diesem Zusammenhang im Hinterkopf, dass Klammern und sonstige Satzzeichen getrennt von Wortformen gespeichert sind und deshalb getrennt gesucht werden müssen. Deshalb führen in COSMAS II reguläre Ausdrücke, die Wortformen und Satzzeichen kombinieren, zu keinem Ergebnis.

Optionen

Suche - Suchmodalitäten

In dieser Optionskategorie wirkt sich einzig die Option Groß-/Kleinschreibung beachten für andere Zeichen ebenfalls auf die Auflösung von regulären Suchausdrücken aus: ist sie eingeschaltet, wird die Groß-/Kleinschreibung des regulären Ausdrucks berücksichtigt (empfohlen), andernfalls nicht.

Die beiden anderen Optionen der Suchmodalitäten haben hier keine Wirkung.

Suche - Expansionslisten und Begrenzung der Ergebnismenge

Die Optionen für die Expansionslisten und die Begrenzung der Ergebnismenge sind für reguläre Ausdrücke ebenfalls wirksam.

Wortformlisten und Listenoptionen

 

1: die in COSMAS II angebotenen regulären Ausdrücke entsprechen der erweiterten GNU-Implementation.

2.2. Logische Operatoren

Die logischen Operatoren UND, ODER, NICHT arbeiten textweise.

Der Operator UND

Wenn Suchbegriffe mit dem logischen Operator UND verknüpft sind, findet COSMAS II im aktiven Korpus die Texte, in denen alle Suchbegriffe vorkommen.

Beispiel-Suchanfrage:

anscheinend und scheinbar

Mit dieser Suchanfrage liefert COSMAS II die Texte, in denen "anscheinend" und "scheinbar" vorkommen.

Der Operator ODER

Wenn Suchbegriffe mit dem logischen Operator ODER verknüpft sind, findet COSMAS II im aktiven Korpus alle Texte, in denen mindestens eines der Suchbegriffe vorkommt.

Beispiel-Suchanfrage:

anscheinend oder scheinbar

Mit dieser Suchanfrage liefert COSMAS II die Texte, in denen "anscheinend" oder "scheinbar" oder beide Suchwörter vorkommen.

Wenn Sie die Suchoption Weggelassener Verknüpfungsoperator bedeutet auf logische "oder"-Verknüpfung eingestellt haben, so können Sie die Suchbegriffe auch ohne den Operator ODER einfach aneinanderreihen:

anscheinend scheinbar

Diese Vorgehensweise ermöglicht, mehr Suchbegriffe im Fragefenster unterzubringen. Das Suchergebnis ist dasselbe, als hätten Sie den Operator ODER verwendet.

Der Operator NICHT

Mit dem logischen Operator NICHT werden alle Texte vollständig aus dem Suchergebnis ausgeschlossen, in denen der Suchbegriff, der in der Suchanfrage hinter dem NICHT steht, mindestens einmal vorkommt.

Beispiel-Suchanfrage:

anscheinend nicht scheinbar

Mit dieser Suchanfrage schließt COSMAS II alle Texte vollständig aus dem Suchergebnis aus, in denen "scheinbar" mindestens einmal vorkommt. Sie erhalten also nur Texte, in denen "anscheinend" allein auftritt. Es ist zu bedenken, dass auch die Texte aus dem Suchergebnis ausgeschlossen werden, in denen "anscheinend" und "scheinbar" zusammen vorkommen.

Zum Auffinden eines Suchbegriffs, bei dem ein zweiter Suchbegriff in einem bestimmten Abstand nicht vorkommt, wird der trefferausschließende Abstandsoperator verwendet.

2.3. Abstandsoperatoren

Abstandsoperatoren ermöglichen, nach zwei und mehr Suchbegriffen suchen zu lassen, die in einem bestimmten Abstand zueinander vorkommen (treffereinschließende Abstandsoperatoren) oder nicht vorkommen (trefferausschließende Abstandoperatoren).

Alle Operatoren können Sie ins Suchanfragefenster schreiben (UND, ODER, NICHT können mit großen oder kleinen Buchstaben im Suchanfragefenster stehen; in den Beispiel-Suchanfragen wurden grundsätzlich kleine Buchstaben verwendet).

Zu den Abstandsoperatoren gehören

die sich jeweils in zwei Gruppen gliedern lassen:

Mit einem Abstandsoperator geben Sie an, wie groß der Abstand von Suchbegriff zu Suchbegriff maximal sein oder in welchem Intervall er liegen soll.

Zusätzlich finden für diesen Operator die Optionen für die Gruppenbildung min und max zur Anwendung.

Abstandstyp Abstandsoperator
treffereinschließend trefferausschließend
Wortabstand /w.. %w..
Satzabstand /s.. %s..
Absatzabstand /p.. %p..

Anstelle der Pünktchen im jeweiligen Abstandsoperator setzen Sie eine Zahl als Wert für den gewünschten maximalen Abstand (z.B. /w1) oder zwei durch Doppelpunkt getrennte Zahlen als Wert für den gewünschten Intervallabstand (z.B. /w3:2) ein.

Multi-Abstände

Die oben genannten Wortabstände lassen sich miteinander kombinieren, um die gewünschten Belege noch besser einzuschränken. Dabei werden die Abstandsbedingungen ohne Leerstelle hintereinander und von einem Komma getrennt geschrieben:

ein /+w1,s0 Fest

Mit dieser Suchanfrage läßt sich die Wortfolge ein Fest innerhalb von Sätzen suchen.

Beispiel-Suchanfragen:

Dach /s2 Fach
Dach /+w1 Fach
Dach /-w1:2 Fach
Dach %p0 Fach

Maximal- und Intervallabstand

Treffer-Reihenfolge

Im Zusammenhang mit den Abstandsoperatoren können Sie vorgeben, in welcher Reihenfolge die Suchbegriffe in den Belegen auftreten sollen.

Das + (Pluszeichen) im Operator (z.B. /+w..) bedeutet, dass das in der Suchanfrage zuerst stehende Suchbegriff auch im Beleg vor dem zweiten Suchbegriff stehen soll.

Das - (Minuszeichen) im Operator (z.B. /-w.. ) bedeutet, dass das in der Suchanfrage zuerst stehende Suchbegriff im Beleg nach dem zweiten Suchbegriff stehen soll.

Ohne + und - ist die Reihenfolge der Suchbegriffe im Beleg beliebig.

Mit Hilfe des Plus- bzw. Minuszeichens in einem Abstandsoperator haben Sie die Möglichkeit, die Treffergenauigkeit der Suchen zu erhöhen (Beispiel: &fordern /+s0 heraus).

Einwort- und Mehrworttreffer

Der einschließende Abstandsoperator liefert in der Regel eine Liste von Mehrworttreffern, die aus den Texttreffern der beiden Suchbegriffen bestehen.

Beispiel-Suchanfrage:

Geist /+w2:10 Zeit

Die Mehrworttreffer bestehen in diesem Beispiel aus den Wortpaaren "Geist" und "Zeit".

In einigen Fällen kann ein Abstandsoperator auch einzelne Einworttreffer liefern, wenn beide Suchbegriffe das gleiche Textwort liefern und der Abstandsoperator das Verschmelzen beider Textwörter zu einem Treffer zulässt.

Beispiel-Suchanfrage:

&Geist /s0 &Zeit

Durch Anwendung des Grundformoperators liefern beide Suchbegriffe einige identische Textwörter wie z.B. Zeitgeist. In diesem Fall führt dies zur Ausführung der Kombination von "Zeitgeist /s0 Zeitgeist".
Da "Zeitgeist" - mit sich selbst kombiniert - immer auch im selben Satz vorkommt, wird in diesem Fall ein Einworttreffer zurückgeliefert. Soll dies vermieden werden, muss ein Intervallabstand eingesetzt werden (Bsp. &Geist /w1:6 &Zeit) oder ein gerichteter Abstand (&Geist /+s0 &Zeit).

Der ausschließende Abstandsoperator liefert ausschließlich eine Liste von Einworttreffern bestehend aus dem ersten Suchbegriff der Suchanfrage.

Beispiel-Suchanfrage:

&Geist %s0 &Zeit

In diesem Fall besteht die Ergebnisliste lediglich aus Texttreffern von &Geist.

Typische Fallen

Abstand /+w1:1 statt /+w1

Bei der Suche nach einem Muster wie "es scheint, dass es" wird der Suchbegriff "es" zweimal verwendet. Falls Sie dieses Muster mit der folgenden Suchanfrage suchen, werden Sie falsche Ergebnisse erhalten:

(((es /+w1 scheint) /+w1 dass) /+w1 es)

Obwohl COSMAS II korrekt gearbeitet hat, werden Sie unter den Ergebnissen folgende Textpassagen finden:

(1) Doch es scheint, dass es sich der Vatikan... (richtig)
(2) und es scheint, dass dieser Wellenschlag ... (falsch)
(3) Ob als Produzent oder Musiker, es scheint, dass seine Leidenschaft... (falsch)

(2) und (3) werden von COSMAS II zurückgeliefert werden, da die gewählte Formulierung die Kombination von "es scheint, dass" und "es" mit der Bedingung /+w1, die gleichbedeutend ist wie /+w0:1, zulässt.
Die Bedingung /+w0 ist erfüllt, da "es" innerhalb von "es, dass" erscheint.

Um diese Falle zu vermeiden, formulieren Sie das gesuchte Muster wie folgt unter Einsatz von /+w1:1:

(((es /+w1 scheint) /+w1 dass) /+w1:1 es)
(es /+w1:1 (scheint /+w1 (dass /+w1 es)))

Option Weggelassener Verknüpfungsoperator

In der folgenden Suchanfrage sind zwei Suchbegriffe ohne Abstandsoperator angegeben:

runder Tisch

Da in diesem Fall implizit zwei verschiedene Operatoren gemeint sein können, nämlich der Wortabstand /+w1 und der logische Operator ODER, müssen Sie mit der Suchoption Weggelassener Verknüpfungsoperator (im Suchanfragefenster) den gewünschten Operator einstellen:

Option
Weggelassener Verknüpfungsoperator		 implizite Bedeutung
[Bildschirmausschnitt] runder /+w1 Tisch
[Bildschirmausschnitt] runder oder Tisch

2.3.1. Der Wortabstandsoperator w

Mit diesem Operator können Sie vorgeben, dass nur solche Textstellen Treffer sind, in denen zwei und mehr Suchbegriffe in einem bestimmten maximalen Abstand von Wörtern vorkommen.

Beispiel-Suchanfrage:

Gegenwart /w4 Zukunft

Mit dieser Suchanfrage erhalten Sie Belege, in denen die Wörter "Gegenwart" und "Zukunft" im Abstand von bis zu 4 Wörtern vorkommen. In den Belegen kann "Zukunft" im Abstand von bis zu 4 Wörtern vor oder/und nach "Gegenwart" stehen, denn es wurde keine Treffer-Reihenfolge vorgegeben (kein + oder - im Operator verwendet).

Wortabstand und Satzzeichen

COSMAS II interpretiert Satzzeichen im Zusammenhang mit dem Wortabstand ähnlich wie Suchwörter. Der Abstand von einem Satzzeichen zu einem Wort ist folgendermaßen definiert:

In der Fügung "... das heißt, daß ..." hat das Komma zu "heißt" einen Abstand von 0 Wörtern, zu "daß" einen Abstand von 1 Wort.

Zielt Ihre Suche auf ein Suchwort mit unmittelbar nachgestelltem Satzzeichen ab, können Sie den Wortabstands-Operator in der Form /w0 (im Abstand von 0 Wörtern) einsetzen:

heißt /w0 ,

Wortabstand 0 und Überlappungen von Textbereichen

der 0-Wortabstand kann auch eingesetzt werden, um eine Überlappung zwischen mehreren Textbereichen zu erkennen. Dabei ist es nicht notwendig, dass die Textbereiche gemeinsame Wörter enthalten.

2.3.2. Der Satzabstandsoperator s

Mit diesem Operator können Sie vorgeben, dass nur solche Textstellen Treffer sind, in denen zwei und mehr Suchbegriffe innerhalb einer bestimmten maximalen Anzahl von Sätzen vorkommen.

Beispiel-Suchanfrage:

Gegenwart /s2 Zukunft

Mit dieser Suchanfrage erhalten Sie Belege, in denen Zukunft im Abstand von bis zu 2 Sätzen vor oder/und nach dem Satz, in dem Gegenwart gefunden wurde, vorkommt. Es wurde keine Treffer-Reihenfolge festgelegt (kein + oder - im Operator verwendet).

2.3.3. Der Absatzabstandsoperator p

Mit diesem Operator können Sie vorgeben, dass nur solche Textstellen Treffer sind, in denen zwei und mehr Suchbegriffe innerhalb einer bestimmten maximalen Anzahl von Absätzen vorkommen.

Beispiel-Suchanfrage:

Gegenwart /p2 Zukunft

Mit dieser Suchanfrage erhalten Sie Belege, in denen "Zukunft" im "Abstand" von bis zu 2 Absätzen vor oder/und nach dem Absatz, in dem Gegenwart gefunden wurde, vorkommt.
Es wurde keine Treffer-Reihenfolge festgelegt (kein + oder - im Operator verwendet).

2.4. Annotationsoperatoren

Annotationsoperatoren ermöglichen die Eingabe von linguistischen oder strukturellen Annotationen (z.B. Überschriften).

Zur Zeit wird als einziger Operator MORPH angeboten, der die Eingabe von Wortklassen für den jeweils in einem Archiv verwendeten Tagset unterstützt.

2.4.1. Operator MORPH

MORPH ist ein Operator für die Formulierung von Wortklassen. Er kann sinnvollerweise nur in morphosyntaktisch annotierten Archiven eingesetzt werden und unterstützt verschiedene Tagsets.

Beispiel-Suchanfrage:

MORPH(V PCP)

Eingabeassistent

Das Ausfüllen des MORPH-Operators wird meistens durch einen Eingabe-Assistenten unterstützt, damit das Nachschlagen der Wortklassen und ihrer Unterklassen in der Online-Dokumentation entfallen kann. Die obige Tabelle gibt an, ob für ein Archiv und das darin verwendete Tagset ein Assistent in der jeweiligen COSMAS II-Applikation vorhanden ist.

Ist, wie im Fall von COSMAS IIwin, der Assistent in einem Archiv mit morphosyntaktisch annotierten Korpora nicht verfügbar, können die Wortklasseninformationen in den oben genannten Tagset-Dokumentationen nachgeschlagen und von Hand in den Operator MORPH eingetragen werden. Analog dazu können vom Assistent erzeugte MORPH-Ausdrücke nach Belieben von Hand verändert werden.

Beispiel 2: Negieren einer Wortklasse

MORPH(-NOU)

Die Negation einer Wortklasse wird vom Assistenten nicht unterstützt, das Negationszeichen "-" muss von Hand eingetragen werden.

Ausdrücke mit negierten Wortklassen, im Gegensatz zu negierten Untermerkmalen, müssen wohlüberlegt eingesetzt werden, da sie eine temporäre Treffermenge großen Ausmaßes erzeugen; auf der einen Seite werden dadurch der Ressourcen des COSMAS II-Servers stark beansprucht, auf der anderen Seite wird die Ausführung der Suchanfrage verlangsamt.

Wiederholungsoptionen

Der MORPH-Operator läßt sich mit an regulären Ausdrücken angelehnter Syntax mit einer Wiederholungsoption effizient und mit einfacher Schreibweise wiederholen.

2.4.2. MORPH mit Wiederholungsoptionen

Mit einer an regulären Ausdrücken angelehnten Syntax kann der Operator MORPH für eine Sequenz von Wortklassen auf einfache Weise wiederholt werden:

Nebst dem Wiederholungsfaktor sind ebenfalls die für COSMAS II typischen Satz- und Absatzbereiche spezifizierbar, in denen die Mehrworttreffer aufgefunden werden sollen.

Die Einzeloptionen sind die folgenden:

Wiederholungsfaktor Satzbereich Absatzbereich
+ | min | min:max | :max Smax | Smin:max Pmax | Pmin:max

In den Suchanfragen werden min und max durch die gewünschten Werte ersetzt. Die Optionen können durch Leerstellen oder Kommata voneinander getrennt werden. Die Groß- und Kleinschreibung spielt keine Rolle.

Die Vorteile von MORPH{min:max} gegenüber dem klassischen Wortabstandsoperator /w von COSMAS II besteht darin, dass:

Bedeutung der Optionen

Options-
gruppe		 Option Bedeutung Beispiel
+ | min | min:max | :max min minimale Anzahl Wiederholungen. Default ist 1 und kann nicht unterschritten werden. {3}
:max maximale Anzahl Wiederholungen. {:5}
min:max minimale und maximale Anzahl Wiederholungen. {3:5}
+ steht für min=1 und max=beliebig, ist also eine Kurzform für {1:}. {+}
Anm.: der Wiederholungsfaktor ist obligatorisch. Zu beachten: steht nur 1 Wert (ohne Doppelpunkt), handelt es sich um einen Minimalwert.
Smax | Smin:Smax Smax Der Wert max gibt den maximalen Satzbereich an. Default ist s0, d.h. innerhalb 1 Satzes. {s0}
Smin:max Die Werte min und max geben den minimalen und maximalen Satzbereich an.
Im Beispiel wird nach einer Sequenz gesucht, die sich über 2 Sätze erstrecken soll. 		{s1:1}
Anm.: der Satzbereich ist fakultativ. Der Default ist s0. Zu beachten: steht nur 1 Wert, handelt es sich um einen Maximalwert.
Pmax | Pmin:Pmax Pmax Der Wert max gibt den maximalen Absatzbereich an. Default ist p0, d.h. innerhalb 1 Absatzes. {p0}
Pmin:max Die Werte min und max geben den minimalen und maximalen Absatzbereich an.
Im Beispiel werden Sequenzen gesucht, die sich über 2 Absätze erstrecken sollen. 		{p0:1}
Anm.: der Absatzbereich ist fakultativ. Der Default ist p0. Zu beachten: steht nur 1 Wert, handelt es sich um einen Maximalwert.

Die in den Satz- und Absatzbereichen einzusetzenden Werte werden von COSMAS II analog zu den Satz- und Absatzabständen /s0, /s1:1, /p0, /p1:1 etc. umgesetzt.

Beispiele

MORPH(A){2}
MORPH(A){2,s0p0}

Gesucht wird hier eine Sequenz von mindestens 2 Adjektiven. Die erste Formulierung ist gleichwertig mit der ausgeschriebenen Zweiten.

MORPH(A){2:4}

Gesucht wird hier eine Sequenz von 2 bis 4 Adjektiven.

MORPH(A){:5}

Gesucht wird hier eine Sequenz von 1 (= Default) bis 5 Adjektiven.

MORPH(A){+}

Gesucht wird hier eine Sequenz von mindestens 1 Adjektiv.

MORPH(A){+,s1}

Gesucht wird hier eine Sequenz von mindestens 1 Adjektiv in einem Bereich von maximal 2 Sätzen.

MORPH(A){+,s1:1}

Gesucht wird hier eine Sequenz von mindestens 1 Adjektiv in einem Bereich von genau 2 Sätzen.

Wirkungsweise von MORPH{min:max}

Beim Einsatz von regulären Ausdrücken ist nicht immer eindeutig, welche Textbereiche als Treffer zurückgeliefert werden: Es muss entschieden werden, ob nur die ersten oder alle, die kürzesten oder die längsten, ob überlappende oder nicht-überlappende Fundstellen in die Trefferliste aufgenommen werden.

COSMAS II wendet hierbei folgende Regeln an:

Die Anwendung dieser Regeln durch COSMAS II sei anhand der folgenden Textstelle bei der Suche diverser Adjektiv-Sequenzen veranschaulicht:

Beleg: A10/JAN.03411: ..., die allesamt das heilige, geschützte, sündhaft teure Wort «Olympisch» im Namen trugen.

MORPH(A){min:max} zurückgelieferte Treffer
MORPH(A){2:2} heilige, geschützte
geschützte, sündhaft
sündhaft teure
MORPH(A){3:3} heilige, geschützte, sündhaft
geschützte, sündhaft teure
MORPH(A){2:3} heilige, geschützte, sündhaft
geschützte, sündhaft teure
sündhafte teure
MORPH(A){1:4} heilige, geschützte, sündhaft teure
geschützte, sündhaft teure
sündhaft teure
teure

Da längere Sequenzen gegenüber kürzeren bevorzugt werden, wird z.B. für MORPH(A){1:4} die Sequenz »heilige, geschützte, sündhaft« (3 Adjektive) zugunsten der längeren »heilige, geschützte, sündhaft teure« herausgefiltert.

Vergleich von 'MORPH /+w MORPH' mit MORPH{min:max}

Für die Angabe von Wiederholungen mit min = max gibt es eine entsprechende Suchanfrageformulierung mittels Wortabstand /+w1:1,s0, die dieselben Treffer zurückliefert. Zur Vereinfachung steht MORPH in der nachfolgenden Übersicht für eine beliebige Wortklasse, z.B. MORPH(A):

MORPH{1:1} = MORPH
MORPH{2:2} = MORPH /+w1:1,s0 MORPH
MORPH{3:3} = MORPH /+w1:1,s0 MORPH /+w1:1,s0 MORPH
etc.

Für den Fall, dass min < max ist, gibt es zwei alternative, äquivalente Formulierungen mit den üblichen Operatoren /w und oder, die allerdings zu unübersichtlichen und fehleranfälligen Formulierungen führen und außerdem einige Extra-Treffer zurückliefern, die bei MORPH{min:max} angenehmerweise unter den Tisch fallen, weil sie in längere Treffer aufgehen. Einige Beispiele dazu:

MORPH{1:2} = MORPH oder (MORPH /+w1:1,s0 MORPH)
Var. 1
= MORPH /+w0:1,s0 MORPH Var. 2
MORPH{1:3} = MORPH oder (MORPH /+w1:1,s0 MORPH) oder (MORPH /+w1:1,s0 MORPH /+w1:1,s0 MORPH) Var. 1
= ((MORPH /+w0:1,s0,min MORPH) /+w0:1,s0,min MORPH) /+w0:1,s0,min MORPH Var. 2
MORPH{2:3} = (MORPH /+w1:1,s0,min MORPH) /+w1:1,s0,min (MORPH oder (MORPH /+w1:1,s0,min MORPH) oder (MORPH /+w1:1,s0,min MORPH /+w1:1,s0,min MORPH)) Var. 1
= ((MORPH /+w1:1,s0,min MORPH) /+w0:1,s0,min MORPH) /+w0:1,s0,min MORPH Var. 2
etc.

Antwortzeiten von MORPH{min:max}

MORPH{min:max} liefert in mehrerer Hinsicht kürzere Antwortzeiten als MORPH /w MORPH und ist, wo es möglich ist, dem klassischen Operator vorzuziehen.

2.5. Kombinationsoperatoren

Zu den Kombinationsoperatoren gehören

2.5.1. Kombinationsoperator #IN

Definition

Mit #IN werden alle Vorkommnisse des (komplexen) Suchbegriffes X gefunden, die sich innerhalb des gesuchten (komplexen) Objektes Y befinden.

Obwohl es sich um einen Kombinationsoperator handelt, enthält das Resultat nur die Liste der Suchbegriffe X, die die Suchanfrage erfüllen.

Verwendung

Der Operator #IN stammt aus der Syntax für die grafische Eingabe (wo er ohne # geschrieben wird) und wurde im August 2010 in die Syntax für die zeilenorientierte Eingabe übernommen.

2.5.2. Kombinationsoperator #OV

Definition

Mit #OV werden alle Vorkommnisse des (komplexen) Suchbegriffes X gefunden, die sich mit den Vorkommnissen des gesuchten (komplexen) Suchbegriffes Y überschneiden (OV = overlay, dt. überschneiden).

Obwohl es sich um einen Kombinationsoperator handelt, besteht das Resultat nur aus den ausgewählten Vorkommnissen von X.

Einschränkung

Der Operator #OV erkennt Überlappungen von Textbereichen normalerweise nur dann, wenn diese Bereiche mindestens 1 gemeinsames Wort haben. Um Überlappungen von Textbereichen zu finden, die kein gemeinsames Wort haben, muss die Bereichsoption #OV(ALL) eingeschaltet werden; alternativ kann auch zu diesem Zweck der 0-Wort-Abstandsoperator /w0 eingesetzt werden.

Verwendung

Der Operator #OV stammt aus der Syntax für die grafische Eingabe (wo er ohne # geschrieben wird) und wurde im August 2010 in die Syntax für die zeilenorientierte Eingabe übernommen.

Beispiel mit Bereichsoption ALL

Um die Wirkungsweise von #OV (= der Default für #OV(HIT)) und #OV(ALL) zu veranschaulichen, gehen wir von folgender Suchanfrage aus:

inmitten /w10,s0 getan

Diese Suchanfrage liefert im W-Archiv zur Zeit die folgenden 16 Treffer:

Abb. 1: die 16 Treffer von obiger Suchanfrage

Um die Belege mit oder ohne Komma zu finden, setzt man #OV wie folgt ein:

S1: (inmitten /w10,s0 getan) #OV ,

In Suchanfrage S1 wird #OV mit der Default-Einstellung eingesetzt und wirkt wie #OV(HIT): er sucht nach den Treffern inmitten und getan (= den Treffern in rot), die mit Komma geschrieben sind. Das ergibt die folgenden 10 Treffer aus der Abb. 1: 2-6, 9-11, 14 und 16.

S2: (inmitten /w10,s0 getan) #OV(ALL) ,

S2: will man zusätzlich die Fälle finden, bei denen das Komma auch zwischen den Treffern inmitten und getan steht, so muss man #OV(ALL) einsetzen. Auf diese Weise erhält man zusätzlich zu den 10 Treffern von S1 die 4 neuen Treffer aus Abb. 1 mit den Zeilennummern: 1, 8, 13 und 15 (insgesamt also 14 Treffer).

Bemerkung: S2 führt zu den selben Ergebnissen wie

S3: (inmitten /w10,s0 getan) #OV(%) ,

S3: will man umgekehrt die Fälle ausschließen, bei denen die Treffer inmitten und getan mit Komma geschrieben sind, so muss man die Ausschließungsoption #OV(%) einsetzen und erhält aus Abb. 1 die 6 folgenden Belege: 1, 7-8, 12-13 und 15. Zu beachten ist, dass das Auftreten von Kommata zwischen den Treffern - wie in Zeile 1 - dadurch nicht verhindert wird; das erreicht man mit S4.

S4: (inmitten /w10,s0 getan) #OV(ALL %) ,

S4: will man zusätzlich zu S3 die Kommata auch zwischen den Treffern inmitten und getan ausschließen, so muss man den ganzen Bereich zwischen den Treffern mit #OV(ALL %) angeben. Dadurch schließt man 14 Belege aus und übrig bleiben lediglich die beiden Belege aus Abb. 1: 7 und 12.

Bemerkung: S4 führt zu den selben Ergebnissen wie:

2.6. Elementoperatoren

Als Elementoperator existiert im Gegensatz zur COSMAS II-Syntax nur

2.6.1. Elementoperator #ELEM

Definition

Hintergrund

#ELEM ist ein Operator für fortgeschrittene Suchanfragen, bei denen die SGML- bzw. XML-Kodierung in den Korpora abgefragt werden kann. Voraussetzung ist natürlich, dass man diese Kodierungen bereits kennt.

Die XML-Kodierungen bestehen generell aus:

Siehe dazu die folgenden Beispiele.

Innerhalb von #ELEM sollte mindestens der Elementname des tags oder ein Attribut-Werte-Paar spezifiziert werden. Darüber hinaus können beliebig viele weitere Attrbute und zu jedem Attribut beliebig viele Werte angegeben werden. Implizit wird zwischen allen Angaben ein logisches UND angenommen. Das Ungleichheitszeichen (Symbol ≠) zwischen einem Attribut und einem Wert kann sowohl mit type != 'top' als auch mit type <> 'top' formuliert werden.

Im Gegensatz dazu ist der Operator MORPH ein Beispiel dafür, wie man die interne Korpus-Kodierung für den Benutzer transparent machen kann. Die komplizierte Kodierung der Wortklassen wie <w ana='V PCP...'> wird durch den Operator MORPH vereinfacht (z.B: MORPH(V PCP)) und durch den MORPH-Assistent benutzerfreundlich präsentiert.

Verwendung

Der Operator #ELEM stammt aus der Syntax für die grafische Eingabe (wo er ohne # geschrieben wird) und wurde im August 2010 in die Syntax für die zeilenorientierte Eingabe übernommen.

#ELEM wird in der COSMAS II-Syntax auf mehrere Operatoren wie ELEM, ATT und AAND abgebildet. Diese Operatoren werden jedoch in der C1-Syntax nicht benötigt, da in einem #ELEM ein Ausdruck mit beliebigen Attribut-Werte-Kombinationen frei ausgedrückt werden kann.

Beispiel 1: Eingabe eines Elementnamens

#ELEM(S)

Gesucht wird in diesem Fall durch Eingabe von 'S' nach dem SGML- bzw. XML-Tag <s> für Sätze.

Beispiel 2: Eingabe eines Elementnamens und eines Attribut-Werte-Paares

#ELEM(HEAD type='top')

Gesucht wird in diesem Beispiel mit dem Elementnamen 'HEAD', dem Attribut 'type' und dem Wert 'top' nach Dachüberschriften, die in den IDS-Korpora wie folgt kodiert werden: <head type='top'>.

Beispiel 3: Angabe mehrerer Attribut-Werte-Paare

#ELEM(DIV type='Zeitschrift' complete='Y' n='0')

Gesucht wird mit dieser Formulierung nach XML-Kodierung der Art <div type='Zeitschrift' n='0' ...>.

Beispiel 4: Angabe von negierten Attributswerten

#ELEM(W ANA <> 'A ADV')
#ELEM(W ANA != 'A ADV')
#ELEM(W ANA != 'A' ANA != 'ADV')

Diese Formulierungen sind äquivalent und suchen nach Wörtern (<w ...>), deren Wortklasse weder ein Adjektiv noch ein Adverb (CONNEXOR-Tagset) ist.

Diese 3 Beispiele dienen der Veranschaulichung, wie sich beliebige Werte von Attributen verneinen lassen. Eine einfachere und völlig äquivalente Suchanfrage lässt sich auf einer höheren Ebene mit dem MORPH-Operator wie folgt formulieren:

MORPH(-A -ADV)

Listenoptionen

2.7.1. Operator #LINKS bzw. #BEG

Definition

X kann eine beliebig komplexe Suchanfrage sein. #LINKS reduziert jede Treffergruppe in der Ergebnismenge X auf das erste Wort der Gruppe.

Besteht X aus einem 1-Wort-Treffer, so liefert #LINKS einfach nur das Wort selbst zurück.

Beispiel-Suchanfrage:

#LINKS(MORPH(V) /+w1:2 Sonne)

Die Treffermenge dieser Mehrwortsuchanfrage, bei der das Verb vor dem Wort Sonne steht, wird mit dem Operator #LINKS auf das erste Trefferwort, also das Verb, reduziert.

Verwendung

Der Operator #LINKS stammt aus der Syntax für die grafische Eingabe (wo er ohne # geschrieben wird) und wurde im August 2010 in die Syntax für die zeilenorientierte Eingabe übernommen.

2.7.2. Operator #RECHTS bzw. #END

Definition

X kann eine beliebig komplexe Suchanfrage sein. #RECHTS reduziert jede Treffergruppe in der Ergebnismenge X auf das letzte Wort der Gruppe.

Besteht X aus einem 1-Wort-Treffer, so liefert #RECHTS einfach nur das Wort selbst zurück.

Beispiel-Suchanfrage:

#RECHTS(geht /+w1:2 MORPH(N))

Die Treffermenge dieser Mehrwortsuchanfrage, bei der eine Kombination von geht mit einem dahinter stehenden Nomen gesucht wird, wird mit dem Operator #RECHTS auf das letzte Trefferwort, also das Nomen, reduziert.

Verwendung

Der Operator #RECHTS stammt aus der Syntax für die grafische Eingabe (wo er ohne # geschrieben wird) und wurde im August 2010 in die Syntax für die zeilenorientierte Eingabe übernommen.

2.7.3. Operator #INKLUSIVE bzw. #ALL

Definition

X kann eine beliebig komplexe Suchanfrage sein. #INKLUSIVE transformiert jede Treffergruppe aus X, die aus einzelnen Wörtern bestehen kann, in einen einzigen Bereich, in welchem alle Wörter Treffer sind.

Besteht X aus einem 1-Wort-Treffer, so liefert #INKLUSIVE dasselbe Wort zurück.

Beispiel-Suchanfrage:

#INKLUSIVE(&gehen /+w1:10,s0 voran)

Die Mehrwortsuchanfrage liefert, durch Anwendung von #INKLUSIVE, den ganzen Textbereich zwischen einer Verbform von gehen und voran inklusive gehen und voran.

Verwendung

Der Operator #INKLUSIVE stammt aus der Syntax für die grafische Eingabe (wo er ohne # geschrieben wird) und wurde im August 2010 in die Syntax für die zeilenorientierte Eingabe übernommen.

2.7.4. Operator #EXKLUSIVE bzw. NHIT

Definition

X kann eine beliebig komplexe Suchanfrage sein. #EXKLUSIVE liefert den oder die Bereiche zurück, die zwischen den Wörtern von X stehen.

Besteht X aus einem 1-Wort-Treffer oder aus einer zusammenhängenden Gruppe von Wörtern, so liefert #EXKLUSIVE für dieses X nichts zurück. Die Ergebnisliste von #EXKLUSIVE ist also per Definition kleiner oder gleich der Ergebnisliste von X.

Beispiel-Suchanfrage:

#EXKLUSIVE(&gehen /+w1:10,s0 voran)

Diese Mehrwortsuchanfrage liefert, durch Anwendung von #EXKLUSIVE, den Textbereich zwischen einer Verbform von gehen und voran, unter Ausschluss von gehen und voran.

Verwendung

Der Operator #EXKLUSIVE stammt aus der Syntax für die grafische Eingabe (wo er ohne # geschrieben wird) und wurde im August 2010 in die Syntax für die zeilenorientierte Eingabe übernommen.

2.7.5. Operator #BED bzw. #COND

Definition

X kann eine beliebig komplexe Suchanfrage sein. Mit Bed. werden 1 oder mehrere Bedingungen wie:

formuliert. Diese Bedingungen werden in der Online-Hilfe als Listenoptionen beschrieben.

Beispiel-Suchanfrage:

#BED(MORPH(V), :+sa)

Mit dieser Suchanfrage wird durch Angabe einer Textposition nach Verben gesucht, die am Satzanfang stehen.

Verwendung

Der Operator #BED stammt aus der Syntax für die grafische Eingabe (wo er ohne # geschrieben wird) und wurde im August 2010 in die Syntax für die zeilenorientierte Eingabe übernommen.

3.1. Angabe von Satz- und Absatzgrenzen

Folgende Auszeichnungen können eingesetzt werden, um Suchanfragen an Satz- und Absatzgrenzen zu formulieren:

Beispiele

MORPH(V) /w0 <se>

Mit dieser Suchanfrage liefert COSMAS II die Verben, die an Satzenden stehen.

im /w0 <pa>

Mit dieser Suchanfrage liefert COSMAS II die Textstellen, an denen im am Anfang eines Absatzes steht.

Nachteil

Der Nachteil dieser Art von Suchanfragen besteht darin, dass sie langsam sind. Deshalb sollte man, wo es möglich ist, die Alternativen 1 oder 2 anwenden.

Alternative 1: Angabe von Textpositionen hinter den Suchbegriffen

im:pa

Diese Suchanfrage nach der Wortform im macht sich eine Erweiterung zunutze, bei der gesuchte Wort- und Grundformen nach einem ':' um die Angabe von Textpositionen ergänzt werden können. Diese Art der Suchanfrage ist um ein Vielfaches schneller als die entsprechende Suchanfrage mit <pa>.

Alternative 2: Verwendung des Operators #BED

#BED(MORPH(V),se)

Ebenfalls eine schnellere Ausführungszeit wird mit dem Operator #BED erreicht.

4.1. Reguläre Ausdrücke

Generelles

Reguläre Ausdrücke, sei es auf der Ebene einzelner Wortformen oder auf Satzebene (Reihenfolge der Wörter bzw. syntaktischer Ebene), waren bislang in der Suchanfragesprache von COSMAS II nicht realisiert worden.

Auf Wortebene wurde mit der Version 4.5.11 des COSMAS II-Servers der Operator #REG() eingeführt, der diesbezüglich abhilfe verschafft.

Ein Grund für das Fehlen von regulären Ausdrücken auf Satzebene liegt darin begründet, dass sie sich für umfangreiche Korpora (mehrere Milliarden laufende Wortformen für das DeReKo-Korpus) nicht immer auf effiziente Weise (also kurze Antwortzeiten) umsetzen lassen. Ein Suchmuster wie [^NOU] (kein Nomen an dieser Stelle des Satzes) bedeutet in DeReKo, dass über 3 Mrd. Wörter in den Speicher geladen werden. Korpusrecherche-Systeme, die reguläre Ausdrücke anbieten, verwalten in der Regel nur höchstens einige Hundert Millionen laufenden Wortformen.

Auf dieser Seite möchten wir auf ein paar interessante Alternativen mittels der Suchanfragesprache von COSMAS II hinweisen. Es ist allerdings in Zukunft nicht ausgeschlossen, dass einige Aspekte regulärer Ausdrücke ihren Weg in COSMAS II finden werden.

Alternativen zu regulären Ausdrücken auf Wortebene

Auf Wortebene bietet COSMAS II mit Platzhaltern (siehe hier für die grafischen Operatoren), auch Wildcards genannt, eine intuitive und vereinfachte Form von regulären Ausdrücken an, um Suchbegriffe flexibel über Teil-Zeichenketten zu formulieren.

Des weiteren bietet der Lemmatisierungs- bzw. Grundformoperator (siehe hier für die grafischen Operatoren) eine morphologisch fundierte Möglichkeit an, Derivationen, Flexionsformen und Komposita von Grundformen auszudrücken. Hierbei können auch Suffixe (z.B. "&-schaft") und Präfixe (z.B. "&ab-") auf diese Weise recherchiert werden.

Alternativen zu regulären Ausdrücken auf Satzebene

Der MORPH-Operator mit seinen Wiederholungsoptionen bietet die Möglichkeit an, variable und feste Sequenzen einer Wortklasse zu formulieren und effizient zu recherchieren.

Einige Formulierungen für die Reihenfolge von Wortformen, die sich mittels regulärer Ausdrücke formulieren lassen, können auch alternativ mit den vielfältigen Abstandsoperatoren (siehe hier für die grafischen Operatoren) ausgedrückt werden.

In der Folge werden einige Fälle von regulären Suchausdrücken vorgestellt, die sich direkt oder indirekt mittels der bestehenden COSMAS II-Operatoren ausdrücken lassen:

regulärer Ausdruck1 COSMAS II-Suchausdruck
&gehen []? heim &gehen /+w2 heim
&gehen []* nach Hause &gehen /+s0 (nach /+w1,s0 Hause)
&gehen []{1,3} heim &gehen /+2:4w,s0 heim
(&gehen heim) | (heim &gehen) &gehen /+w,s0 heim
DET [^ADJ] N (MORPH(DET) %+w1:1,s0 MORPH(ADJ)) /+w2:2,s0 MORPH(N)
DET [^ADJ]{2,3} N (MORPH(DET) /+w3:4,s0 MORPH(N)) %w0 MORPH(ADJ)
DET [^ADJ] MORPH(DET) /+w1:1,s0 MORPH(-ADJ)

1 Reguläre Ausdrücke in der Korpuslinguistik verwenden oft [] für eine unspezifizierte Wortposition. [^ADJ] bedeutet hier: an dieser Wortposition kein Adjektiv.

4.2. Sonderzeichen in Suchanfragen

Zeichensatz Latin-1

Für die Formulierung von Suchanfragen in COSMAS II wird der allgemein bekannte Zeichensatz Latin-1 (offiziell: ISO 8859-1) eingesetzt, mit dessen Hilfe sich die 12 westeuropäischen Sprachen kodieren lassen1.

Zeichen in Latin-1 werden direkt über die Tastatur eingeben. Sofern ein Zeichen nicht auf der Tastatur abgebildet ist, kann es über den Zahlenblock anhand seines numerischen Codes in Latin-1 eingegeben werden.

Hinweis: die in HTML verwendeten Zeichennamen bzw. Entitäten wie z.B. &Eacute; oder der numerische UNICODE-Wert wie z.B. &#201; können für die Zeichen von Latin-1 nicht verwendet werden.

Beispiel

Das Zeichen großes E mit accent aigu, also É, kann über seinen numerischen Code ALT-0201 eingegeben werden. Im Eingabefenster von COSMAS II erscheint das gewünschte Zeichen.

Zeichen außerhalb von Latin-1

Zeichen und Sonderzeichen, die nicht durch Latin-1 abgedeckt sind, werden in COSMAS II mit Hilfe ihrer numerischen2 UNICODE-Kodierung verwaltet. Sie müssen dementsprechend auch so eingegeben werden.

Beispiel

Die französische Ligatur œ wird als Zeichenkette mit ihrem numerischen UNICODE-Wert &#339; eingegeben.

Beispiel

Für das Wort Œuvre wird die Eingabe "&#339;uvre" zwischen Anführungszeichen geschrieben, da das & zu Beginn des Wortes ansonsten von COSMAS II als Lemmatisierungsoperator verstanden wird.

Siehe auch

Siehe auch das ausführliche Beispiel zu Apostrophen in Suchanfragen.

Kodierung von Sonderzeichen

Die Kodierung der Sonderzeichen und wie man sie über die Tastatur eingibt, kann man oft über ihre Artikelseite in Wikipedia erfahren. Z.B. die Artikelseite zum Auslassungszeichen bzw. den Auslassungspunkten enthält sowohl die Kodierung in dezimaler Schreibweise (verträglich mit COSMAS II) im Abschnitt Kodierung als auch im Abschnitt Tastatur, wie es direkt über die Tastatur eingegeben werden kann.

Das Et-Zeichen &

Eine Ausnahme innerhalb ISOlat1 bildet das Et-Zeichen '&', das wegen seiner Funktion in HTML- und UNICODE-Zeichenkodierungen als &amp; kodiert ist und als solches gesucht werden muss.

H&amp;M-Kette

Diese Suchanfrage findet Vorkommnisse von H&M-Kette.

Wird das & als freistehendes Zeichen und nicht als Bestandteil eines Wortes gesucht, muss es zwischen " und " geschrieben werden:

Bang "&" Olufsen

1Im Gegensatz zum unter WINDOWS verwendeten Zeichensatz WINDOWS-1252 sind die französischen Ligaturen œ und Œ nicht Teil von Latin-1.

2UNICODE-Kodierung: in COSMAS II wird die dezimale Schreibweise benutzt, z.B. &#201; und nicht die hexadezimale, z.B. &#xc9;, wo der Hexadezimalwert xc9 dem Dezimalwert 201 entspricht.

4.3. Listensegmente für unbegrenzte Wortformlisten

Hintergrund

Durch das stetige Anwachsen des DeReKo-Korpus erzeugen die Wortformoperatoren immer längere Listen von Wortformen (in COSMAS II auch Expansionslisten oder temporäre Wortformlisten genannt). Wenn diese Listen einige Hunderttausend Einträge oder mehr erreichen, wird es einerseits fast unmöglich, diese manuell auszuwerten. Anderseits belasten sie auch den COSMAS II-Server und die Suchzeit kann einige Stunden in Anspruch nehmen. Bei Erreichen eines intern festgelegten Zeitlimits bricht die Suche ohnehin automatisch ab.

Um diese unerwünschten Effekte zu verhindern, werden überlange Wortformlisten automatisch abgeschnitten bzw. segmentiert, damit wenigstens ein Teil der Wortformlisten und somit die gesamte Suchanfrage Treffer erzielen kann.

Ein Fallbeispiel

Anmerkung: Um die interne Begrenzung zu vermeiden, könnte eine Alternative darin bestehen, nicht das gesamte Archiv W zu nutzen, sondern eine Auswahl von Texten und Korpora zu aktivieren.

Segmentierte Wortformlisten

Sie erkennen, dass eine Wortformliste abgeschnitten bzw. segmentiert wurde, wenn die Größe der Liste wie folgt angegeben ist:

Erläuterung: Von der Gesamtliste, die 146.862 Wortformen umfasst, wurden nur 100.000 Wortformen in die Liste aufgenommen. Es wird darauf hingewiesen, dass dies auf eine interne Begrenzung zurückzuführen ist. Per Default wird von der Gesamtmenge das erste Segment zurückgeliefert, wie von #1/2 angegeben ist. Insgesamt besteht die gesamte Liste aus zwei Segmenten.

In der Exportdatei werden die begrenzten Wortformlisten auf genau dieselbe Weise gekennzeichnet.

Referenzieren eines Listensegments

Die Referenz auf ein Listensegment wird mit folgender Syntax ausgedrückt:

wobei Zahl die Nummer des Segments ist. Die Segmentnummer wird als Listenoption nach einem ':' ans Ende des Suchbegriffes angehängt (auf ähnliche Weise wird die Position des Suchbegriffes im Text angegeben). Werden sowohl Position als auch Segmentnummer angegeben, so muss die Segmentnummer am Ende stehen (siehe Beispiele).

Das 1. Segment wird mit #1 angesprochen. Per Default wird auch automatisch das 1. Segment zurückgeliefert.

Beispiele

Ansprechen von Segment #2 für eine Lemma-Suche:

&-ung:#2

Referenzieren von Segment #2 und Angabe von Trefferposition = am Satzende:

&-ung:se:#2

Ansprechen von Segment #2 für einen Suchbegriff mit Platzhalteroperatoren:

Be*ung*:#2

Ansprechen von Segment #2 für den regulären Ausdruck #REG muss allerdings mittels des Bedingungsoperators #COND (bzw. #BED) angegeben werden:

#COND(#REG(^Be.*ung), :#2)

Beachten Sie bitte, dass das direkte Anfügen der Segmentnummer an den #REG-Operator nicht realisiert ist:

#REG(^Be.*ung):#2 → nicht realisiert.

Beachten Sie ebenfalls, dass Sie die Segmentnummer auch nicht innerhalb des #REG-Ausdrucks spezifizieren können:

#REG(^Be.*ung:#2) → nicht realisiert.

Berechnung der relativen Worthäufigkeiten

Die normale Darstellung von ungekürzten Wortformlisten ist die folgende:

Liste zu: Be*ung : 2.301 Wortformen, aphab. aufsteigend
(Auszug) ...
Bezirksverordnetenversammlung 19 (0.01%)
Bezirksversammlung 30 (0.02%)
Bezirksverwaltung96(0.06%)

Zu jeder Wortform wird ihre absolute Frequenz (2. Spalte) im aktiven Korpus angezeigt. Diese Angabe ist unabhängig davon, wie oft die Wortform am Endergebnis der Suchanfrage beteiligt ist. Z.B. hat Bezirksverwaltung eine Frequenz von 19 im aktiven Korpus, aber je nach Suchanfrage, in die die Wortliste eingebettet ist, kann Bezirksverwaltung eine kleinere Frequenz im Endergebnis haben oder sogar ganz aus der Ergebnismenge verschwinden.

Zusätzlich wird die relative Häufigkeit (3. Spalte) berechnet. Diese stellt den relativen Anteil dieser Wortform an der Gesamtfrequenz der Liste dar. Wenn also z.B. alle Wortformen von Be*ung im aktiven Korpus zusammen 170.677 Mal vorkommen, dies entspricht der Gesamtfrequenz der Liste, so beträgt der Anteil von Bezirksverwaltung daran (69 / 170.677) * 100 = 0,06%.

Auch bei segmentierten Wortformlisten werden die absoluten und die relativen Häufigkeiten angezeigt. Dabei dürfen Sie davon ausgehen, dass die relativen Frequenzen sich auf die Gesamtliste beziehen, nicht nur auf das Segment, das Sie von der abgeschnittenen Liste zu sehen bekommen. Mit anderen Worten, um beim Beispiel mit Bezirksverwaltung zu bleiben, würden auch im entsprechenden Listensegment 96 für die absolute und 0.06% für die relative Häufigkeit angezeigt werden.

COSMAS II, Zentrale DV-Dienste - 22. 03. 2019