Methoden und Werkzeuge für die Korpusannotation historischer und zeitgenössischer Texte

Dieser Kurs behandelt Methoden und Hilfsmittel zur linguistischen und strukturellen Annotation von Korpora. Im Vordergrund stehen dabei genuin schriftsprachliche zeitgenössische ebenso wie historische Texte. Die TeilnehmerInnen lernen verschiedene existierende Datenkategorien für die Annotation kennen, Werkzeuge zur manuellen und automatischen Annotation und Möglichkeiten der Ausnutzung von Annotationen für wissenschaftliche Fragestellungen.

Im Bereich der strukturellen Erschließung liegt der Fokus auf den Richtlinien der Text Encoding Initiative TEI. Für die automatische linguistische Annotation werden die CLARIN-Webservices für Textkorpora dargestellt. Dabei werden verschiedene Annotationsebenen betrachtet: Tokenisierung und Satzgrenzen-Erkennung, Lemmatisierung, Part-Of-Speech-Tagging und morphologische Annotation, orthographische Normierung, Syntaxanalyse etc. bis hin zur inhaltsbezogenen (Layout-) Auszeichnung. Ausgewählte Forschungsfrage
werden betrachtet, die aufgrund von Korpora beantwortet werden können, die durch Annotation angereichert wurden. Typische Probleme bei der Annotation werden ausführlich dargestellt und diskutiert.

Die CLARIN-Infrastruktur bietet ihren Nutzern über die Plattform WebLicht Zugriff auf diverse Tools zur automatischen linguistischen Erschließung von Texten. Im Kurs wird gezeigt, wie WebLicht für die
automatische Anreicherung eigener Ressourcen mit Informationen auf verschiedenen Annotationsebenen praktisch angewendet werden kann. Für die manuelle Annotation werden ebenfalls Werkzeuge gezeigt, insbesondere WebAnno.

Der Kurs richtet sich an InteressentInnen aus allen Bereichen der Geisteswissenschaften, die sich für sprachliche Strukturen und deren Wert für eigene Fragestellungen interessieren.