Eine computerlinguistische Untersuchung des Genitivschwundes

4. Durchführung
Abbildung 6: Erstellung der aus Wörtern und POS Tags bestehenden Bigramme
Insgesamt soll die while-Schleife dazu dienen, Bigramme, die in diesem Programm aus
einem Wort und einem POS Tag bestehen, zu erstellen und diese in einem Array zu
speichern. Die vollständige Erstellung dieser Bigramme ist in Abbildung 6 dargestellt.
Dabei wird innerhalb der while-Schleife durch foreach und split jedes Wort $wd in einer
Zeile zunächst in der Variable $z festgehalten. Dann werden in einer if-Kontrollstruktur
mit Hilfe von Regular Expressions, die auch reguläre Ausdrücke genannt werden, und
dem Binding Operator =~ jene Vorkommnisse von $z gesucht, die dem Muster eines
POS Tags entsprechen. Die regulären Ausdrücke stehen hierbei zwischen zwei nach
vorne gelehnten Schrägstrichen. Der Binding Operator gleicht Muster auf dessen
rechten Seite mit einem String auf der linken Seite ab (siehe Schwartz et al., 2005). Bei
Schwartz et al. (2005) ist folgende Definition für reguläre Ausdrücke zu finden:
„A regular expression, often called a pattern in Perl, is a template that matches or doesn’t
match a given string.“
(Schwartz et al., 2005: 100)
Besteht ein Wort aus zwei oder mehreren Großbuchstaben, was durch das Muster
[A-Z][A-Z]+ erzeugt wird oder einem Satzzeichen, deren POS Tags durch $. oder $,
dargestellt sind, so wird ein Paar $x bestehend aus $y und $z dem Array @bigram
hinzugefügt. Das Muster in der Form (a|b) drückt hierbei aus, dass entweder a oder b
gesucht wird. Durch die eckigen Klammern wird die Character Class ausgedrückt,
womit nur ein Buchstabe aus der Reichweite von A bis Z gefunden werden muss.
Das + ist das sogenannte Kleene Plus, welches besagt, dass das vorausgegangene
Zeichen entweder einmal oder unendlich oft vorkommt. Außerdem muss $ hinter einem
Schrägstrich \ stehen, da $ sonst als regulärer Ausdruck für das Ende einer Zeile
beziehungsweise das Ende eines Strings fehlinterpretiert werden würde (siehe
24