Ein Computerlinguistisches Lexikon als komplexes System

Aufbau und Verwendung des IMSLEX
in CISLEX oder eine Auszeichnung mit semantischen Verbklassen sind derzeit
nicht geplant.
Das letzte Modul schließlich enthält Informationen, die spezifisch für eine
Kategorie sind. Bei Substantiven (und Substantivsuffixen) ist dies die Paradigmenkategorisierung
Genus. Bei Adjektiven (und Adjektivsuffixen) ist es
die Tatsache, ob ein Adjektiv nur attributiv oder prädikativ verwendet werden
kann oder beides. Bei Derivationssuffixen sind hier die Einschränkungen für
die Wahl der Basen in Form von Merkmalen verzeichnet. Bei Präfixen gilt dies
in eingeschränkter Form ebenso: Hier werden typische Verbpräfixe von solchen
unterschieden, die sich mit Substantiven und Adjektiven verbinden. Bei den
Verbpartikeln ist die Klasse nach Aldinger (2002) angegeben, und bei den Abkürzungen
kann die ausgeschriebene Form verzeichnet werden.
7.3.2 Einordnung in ein Wörterbuchmodell
Heid führt fünf allgemeine Beschreibungskriterien für elektronische Wörterbücher
auf (vgl. Heid (1997), S. 9ff.), die im Folgenden für die Einordnung
von IMSLEX genutzt werden sollen: “Anwendungsorientierung”, “inhaltliche
Beschreibung”, “formale Organisation”, “technische Eigenschaften” und “Zusammenhang
[. . . ] mit anderen [. . . ] Ressourcen” (Heid (1997), S. 9).
“[D]ie Anwendungsorientierung eines Wörterbuchs bezeichnet die angestrebte
hauptsächliche Benutzung, die der Wörterbuchentwickler für das Wörterbuch
vorsieht.” (ebd., S. 10) In Falle des IMSLEX handelt es sich um eine
Ressource, die den Datenbestand für die Erzeugung eines Systems zur automatischen
morphologischen Analyse des Deutschen zur Verfügung stellt. Sie ist
allerdings so flexibel und modular gestaltet, dass der in ihr gespeicherte Datenbestand
auch von anderen computerlinguistischen Anwendungen genutzt
werden kann.
Bei der inhaltlichen Beschreibung “sind makrostrukturelle und mikrostrukturelle
Aspekte zu unterscheiden” (ebd., S. 10). In der Makrostruktur enthält
das Lexikon ca. 60 000 Lexeme zu Wortformen, die in einem großen Korpus
deutschsprachiger Zeitungstexte vorkommen. Die Zeitungen stammen aus den
Jahren 1988 bis 1994, und das Korpus umfasst 200 Millionen Token. Neben
den Lexemen umfasst die Makrostruktur ca. 260 Derivationsaffixe. Mehrwortlexeme
sind erst in Ansätzen vorhanden. Die Gruppierung der Einträge geschieht
nach Wortarten. In der Mikrostruktur wird differenziert nach Wortart
und Flexionsklasse, weiterhin nach morphologischer Form (einfach oder komplex),
Fähigkeit zur Selektion (Affix vs. Stamm) und Herkunft. Neben der orthographischen
Form wird eine phonetische Transkription angegeben, weiterhin
Flexions-, Derivations- und Kompositionsstammformen und schließlich Subkategorisierungsinformationen
für Verben, Substantive und Adjektive. Eigennamen
sind nach semantischen Kriterien gegliedert. Durch die Verwendung von
114