pdf - Universität zu Köln

1 Einleitung
In dieser Arbeit soll versucht werden, einen Überblick über Möglichkeiten der Kodierung
von Ähnlichkeiten in deutschen Familiennamen zu geben. Ausschlaggebend hierfür soll
die Aussprache der Namen sein. So ist eine Kodierung von Ähnlichkeiten sinnvoll, wenn
für einen Begriff oder Namen die Aussprache, nicht aber die genaue Schreibweise bekannt
ist. Dies stellt bei Familiennamen ein besonderes Problem dar, da aufgrund der Entstehungsgeschichte
für fast jeden Namen eine Vielzahl von Schreibvarianten mit ähnlicher
Aussprache existieren. Andererseits gibt es für viele Schreibweisen die Möglichkeit von
mehreren Aussprachevarianten. Die Aufgabe ist dementsprechend für eine Schreibweise
eines Familiennamens alle anderen äquivalenten zu finden.
Ein Schwerpunkt dieser Arbeit wird bei den Verfahren für die Phonetische Suche liegen.
Diese versuchen mit recht ähnlichen Strategien die genannten Ambiguitäten aufzulösen.
Universellere Ansätze aus der klassischen Informatik, wie Edit-Distance- und N-Grambasierte
Verfahren werden ebenfalls vorgestellt und auf ihre Anwendbarkeit für die gegebene
Problemstellung untersucht.
Zu diesem Zweck wird aus einer Telefonbuch-CD ein Korpus von ca. 1,2 Millionen
Familiennamen extrahiert und für die häufigsten Namen eine Bewertung der Verfahren
vorgenommen. Nach einer Auswertung werden ausgewählte Besonderheiten der deutschen
Orthographie und deren Aussprachevarianten vorgestellt. Da viele der beschriebenen Verfahren
für die Phonetische Suche keine optimalen Suchergebnisse liefern, werden abschliessend
Vorschläge gemacht, wie mit wenig Aufwand fehlerfreiere Suchergebnisse zu erreichen
sind.
2 Allgemeines über Namen
Als Erstes soll eine kleine Einführung in die verschiedenen Namenstypen gegeben werden.
Da sich diese Arbeit im Folgenden auf die Behandlung von Familiennamen 1 beschränkt,
wird anschliessend deren Entstehungshistorie skizziert. Diese erklärt die Ursache für die
große Varianz an Schreibweisen.
2.1 Namenstypen
Verschiedene Typen von Namen sind bekannt. So werden im Alltag z. B. Vornamen, Familiennamen,
Eigennamen, Firmennamen, Ortsnamen und Tiernamen verwendet. Viele
dieser Typen sind voneinander abgeleitet oder haben eine ähnliche Struktur. So ist es eine
1 Die verwendete Datenquelle für den Korpus hätte auch Material für die Untersuchung von weiteren
Namenstypen, wie Vor- und Ortsnamen liefern können. Da die Auswahl an Familiennamen ein sehr
vielfältiges Spektrum bietet, wurden weitere Namenstypen nicht näher untersucht.
1