pdf - Universität zu Köln

identifizieren. So sind vermutlich ein geringer Anteil der Namen im Korpus Ortsnamen,
jedoch sind diese nicht mit vertretbarem Aufwand zu entfernen. Da Ortsnamen viele Ähnlichkeiten
mit Familiennamen haben, ist nicht davon auszugehen, dass das Ergebnis dadurch
signifikant beeinflusst wird.
müller 291322 krüger 48086 kaiser 35511 baumann 25794 heinrich 20882
schmidt 214647 braun 47346 fuchs 35006 franke 24914 haas 20621
schneider 128798 hofmann 46656 peters 34529 albrecht 24777 schreiber 20476
fischer 110357 lange 45739 scholz 33728 ludwig 24257 graf 20081
weber 96048 hartmann 45657 möller 33563 simon 24217 schulte 19619
meyer 94783 schmitz 44416 lang 33248 schuster 24192 dietrich 19588
wagner 88823 krause 44372 weiß 33106 böhm 24155 kühn 19391
schulz 84422 schmitt 44301 jung 31331 winter 23657 kuhn 19278
becker 83302 werner 44149 hahn 30504 kraus 23462 ziegler 19267
hoffmann 80521 meier 42050 schubert 29995 schumacher 23412 pohl 19124
schäfer 68235 lehmann 41721 vogel 29819 martin 23180 engel 19008
koch 67626 schmid 40509 friedrich 29620 krämer 22962 horn 18759
richter 67204 schulze 39647 günther 29540 vogt 22707 busch 18555
bauer 66568 köhler 38607 keller 29131 otto 22643 voigt 18328
klein 60758 maier 38450 winkler 28662 stein 22617 sauer 18319
wolf 57540 herrmann 38307 berger 28617 jäger 22441 bergmann 18306
schröder 57463 könig 37399 frank 28593 groß 21606 thomas 18216
neumann 53988 walter 37312 roth 28307 sommer 21446 wolff 18059
schwarz 49770 mayer 36442 beck 27669 seidel 21215 arnold 17845
zimmermann 48800 huber 35759 lorenz 26798 brandt 20958 beyer 17843
Abbildung 14: Die 100 häufigsten Familiennamen im Korpus. Die Zahlen geben die Anzahl
der Einträge mit gleicher Schreibweise auf der Telefonbuch-CD an.
Nach Filterung der Einträge repräsentiert der Korpus noch 31.63 45 Millionen Telefonanschlüsse.
Die entnommen Teilkorpora der hundert häufigsten Namen (siehe Abbildung
14) entsprechen 4.17 Millionen Telefonanschlüssen. Die tausend häufigsten würden bereits
9.96 Millionen Anschlüssen repräsentieren. Bei der Annahme eines konstanten Verhältnisses
von veröffentlichten Telefonanschlussdaten zur Bevölkerung besitzen 13,18 % der
deutschen Bevölkerung einen der hundert häufigsten Familiennamen. Für die tausend
häufigsten Namen ergibt sich bereits eine Bevölkerungsquote von 31,48 %.
5.3 Validierung der Qualität
Wie sich bereits in den vorherigen Kapiteln gezeigt hatte, war einiges an Aufwand nötig,
um den Korpus von Einträgen mit Firmennamen und/oder Institutionen zu bereinigen.
Um die Qualität der Filterung zu überprüfen wurden dem Korpus zufällig 1.000 Stichproben
entnommen und von deutschsprachigen Sprechern anonym per WWW bewertet 46 . Den
Befragten wurde jeweils eine Liste von 25 Einträgen vorgegeben. Sie mussten einschätzen,
ob es sich um einen Familiennamen oder Firmennamen bzw. sonstige öffentliche Institutionen
handeln könnte. Für schwer entscheidbare Fälle war es zusätzlich zulässig ,,Beides”
45 Dieser Wert wurde durch Aufaddieren der Häufigkeiten der nicht gefilterten Anschlüsse errechnet.
46 Eine genaue Anzahl an Versuchspersonen kann nicht angegeben werden, da die Umfrage anonym war
und eine Mehrfachbewertung möglich war. Es wird vermutet, dass insgesamt ca. 15 Personen teilgenommen
haben.
29