Messung maschineller¨Ubersetzbarkeit von ... - Parallele Systeme

8.3. Algorithmen zur Erkennung von Textmerkmalen
Abbildung 8.4.: Reduktionsbaum für eine Nominalklammer (zweites Beispiel)
Testergebnisse
Die Grammatik wurde am Textkorpus mit Nominalklammern getestet. Insgesamt waren
88 Nominalklammern erkennbar, die restlichen vorhandenen erhielten von TreeTagger ein
oder mehrere falsche Tags zugewiesen, die eine Erkennung als Nominalklammer nicht
zuließen. Insbesondere wurden Artikel als substituierende Pronomen und Partizipien als
finite Verben eingestuft. Von den 88 erkennbaren Nominalklammern wurden 63 korrekt
identifiziert, wobei in wenigen Fällen die Länge des ausgewählten Textausschnitts zu groß
war. Somit war die Erkennung zu 71, 6 Prozent vollständig. Eine weitere deutliche Steigerung
der Erkennungsrate dürfte mit den vorhadenen grammatischen Informationen, die
beispielsweise Kongruenzüberprüfungen nahezu ausschließen, nicht möglich sein.
Das Ergebnis ist zwar deutlich schlechter als die 90-prozentige Erkennung des zweiten Ansatzes,
dafür tendiert aber die zuvor überbordende Zahl an Fehlidentifikationen gen null.
In den Textkorpora zu den anderen Textmerkmalen wurden insgesamt 26 Nominalklammern
identifiziert, von denen auch 23 tatsächlich Nominalklammern waren. Zwei wurden
durch TreeTagger falsch getaggt, eine durch den Algorithmus falsch erkannt. Bei einer
Quote von 23 aus 24 erkennbaren bedeutet das eine Präzision von 95, 8 Prozent.
8.3.5. Relativsätze
MT Analyser durchsucht alle als Nebensätze markierten Teilsätze nach Relativpronomen
(Tags PRELS, PRELAT und teilweise auch PWAV ) an erster oder zweiter Stelle des
jeweiligen Teilsatzes, um auch Relativsätze in präpositionalen Konstruktionen wie Das
Haus, in dem ich wohne, ist schön. zu erkennen. Darüber hinaus wird auch nach Interrogativpronomen
(Tags PWAT und PWS) gesucht, die zur Einleitung von Nebensätzen
genutzt werden. Ein Beispiel hierfür ist etwa: Weißt du, welches Fußballspiel übertragen
101