Aspekte der morphologischen Analyse des Deutschen - Universität ...

Aspekte der morphologischen Analyse
des Deutschen
Dissertation
zur Erlangung des akademischen Grades
Doctor philosophiae (Dr. phil.)
eingereicht an der Philosophischen Fakultät II
der Universität Potsdam
im August 1999
von
Thomas Hanneforth

Meinen Eltern gewidmet

Inhaltsverzeichnis
1 EINFÜHRUNG ....................................................................................................................1
1.1 Zielsetzung der Arbeit ..................................................................................................................................1
1.2 Vorarbeiten und verwandte Arbeiten zur Computer-Morphologie ....................................................4
1.2.1 Two-Level-Morphologie und ihre Vorläufer ...........................................................................................4
1.2.2 Vorarbeiten aus dem Bereich der Lemmatisierung ............................................................................9
1.2.3 Die Lemmatisierungskonzeption von Finkler & Neumann (1986) ................................................12
1.2.4 Die objektorientierte Konzeption von Daelemans (1987) ................................................................15
1.2.5 Lexikalische Regeln ...............................................................................................................................19
1.3 Fazit.................................................................................................................................................................21
1.4 Methodisches................................................................................................................................................22
1.5 Zum Aufbau der Arbeit ..............................................................................................................................23
2 MERKMALSSTRUKTUREN.......................................................................................... 24
2.1 Typisierte Merkmalsstrukturen................................................................................................................24
2.2 Typsysteme....................................................................................................................................................26
2.2.1 Konstruktion von Typsystemen ..........................................................................................................27
2.3 Subsumption.................................................................................................................................................28
2.4 Beschreibungslogik .....................................................................................................................................29
2.4.1 Semantik von Merkmalstermen...........................................................................................................32
2.4.2 Normalformen........................................................................................................................................32
2.5 Phrasenstrukturregeln ................................................................................................................................41
3 WORTSYNTAX UND WORTSEMANTIK DES DEUTSCHEN.............................. 44
3.1 Wortsyntax.....................................................................................................................................................44
3.1.1 Flexion .....................................................................................................................................................44
3.1.1.1 Modelle der Flexion .......................................................................................................................46
3.1.1.2 Minimalistische Morphologie.......................................................................................................49
3.1.2 Derivation und Komposition ...............................................................................................................55
3.1.2.1 Strukturregeln.................................................................................................................................56
3.1.2.2 Argumentvererbung ......................................................................................................................59
3.2 Wortbildung im Deutschen .......................................................................................................................61
3.2.1 Komposition ...........................................................................................................................................61
3.2.2 Derivation ...............................................................................................................................................64
3.2.2.1 Suffigierung.....................................................................................................................................64
3.2.2.2 Präfigierung ....................................................................................................................................65
3.2.2.3 Konversion ......................................................................................................................................67
3.3 Wortsemantik................................................................................................................................................69
3.3.1 Wortsemantik als Wissensrepräsentation ..........................................................................................69
i

3.3.2 Wortsemantik als freie Anwendung semantischer Operationen....................................................75
3.4 Das generative Lexikon ..............................................................................................................................82
3.4.1 Struktur ...................................................................................................................................................82
3.4.2 Generative Operationen........................................................................................................................87
3.5 Resümee.........................................................................................................................................................88
3.5.1 Vereinheitlichung von Komposition und Derivation?.....................................................................88
3.5.2 Lexikalisierte Wortgrammatiken?.......................................................................................................89
3.5.3 Ziele .........................................................................................................................................................90
4 EIN MODELL EINES MORPHOLOGISCHEN ANALYSESYSTEMS .................. 91
4.1 Die Organisation des Lexikons ................................................................................................................ 92
4.2 Der segmentierende Automat................................................................................................................... 93
4.2.1 Das Automatenmodell......................................................................................................................... 93
4.3 Wortstrukturparsing................................................................................................................................... 99
4.3.1 Das Parsverfahren .............................................................................................................................. 100
4.3.2 Behandlung unbekannter Segmente ................................................................................................ 105
4.3.2.1 Verfeinerungen............................................................................................................................ 108
4.4 Behandlung der Allomorphie................................................................................................................. 110
4.4.1 Kompilation der Allomorphe............................................................................................................ 113
4.4.2 Behandlung von morphographematischen Kombinationsbeschränkungen.............................. 114
4.5 Weitere Aspekte ........................................................................................................................................ 114
4.5.1 Aktualisierung des Automaten ........................................................................................................ 114
4.5.2 Interaktion mit dem Satzstrukturparser.......................................................................................... 116
4.6 Zusammenfassung.................................................................................................................................... 117
5 EINE MERKMALSBASIERTE BESCHREIBUNG EINIGER ASPEKTE DER
MORPHOLOGIE IM DEUTSCHEN.............................................................................. 119
5.1 Morphologische Typenhierarchie und Lexikon ................................................................................. 120
5.1.1 Syntax ................................................................................................................................................... 120
5.1.2 Semantik............................................................................................................................................... 124
5.2 Derivation................................................................................................................................................... 132
5.2.1 Syntax ................................................................................................................................................... 132
5.2.2 Semantik............................................................................................................................................... 134
5.2.2.1 -bar .............................................................................................................................................. 134
5.2.2.2 -ung .............................................................................................................................................. 136
5.2.2.3 -er .............................................................................................................................................. 138
5.2.2.4 be- .............................................................................................................................................. 140
5.2.2.5 Weitere Affixe .............................................................................................................................. 140
5.3 Komposition............................................................................................................................................... 141
5.3.1 Syntax ................................................................................................................................................... 141
5.3.2 Semantik............................................................................................................................................... 143
5.3.2.1 Interpretation von relationalen Komposita ............................................................................. 144
5.3.2.2 Interpretation von Stereotyp-Komposita ................................................................................. 149
ii

5.3.2.3 Interpretation von Komposita mit konzeptueller Relation ................................................... 151
5.3.3 Fazit ...................................................................................................................................................... 154
5.4 Flexion......................................................................................................................................................... 156
5.4.1 Syntax ................................................................................................................................................... 156
5.4.1.1 Merkmalsbasierte Flexion am Beispiel der Verbflexion ........................................................ 159
5.4.1.2 Flexion anderer Kategorien........................................................................................................ 165
5.4.2 Semantik............................................................................................................................................... 167
5.5 Konversion ................................................................................................................................................. 170
5.6 Unbekannte Wortteile.............................................................................................................................. 172
5.7 Verwandte Arbeiten ................................................................................................................................. 174
5.7.1 Antworth (1994) .................................................................................................................................. 174
5.7.2 Ritchie et al. (1992).............................................................................................................................. 175
5.8 Implementierung ...................................................................................................................................... 175
6 ZUSAMMENFASSUNG................................................................................................ 176
6.1 Was erzielt wurde und was nicht........................................................................................................... 176
6.2 Typisierte Merkmalsstrukturen............................................................................................................. 177
6.3 Wortzerlegung und -analyse................................................................................................................... 178
LITERATURVERZEICHNIS ........................................................................................... 179
ANHANG A: ANALYSEALGORITHMEN .................................................................. 187
A.1 Konstruktion des Segmentierers .......................................................................................................... 187
A.1.1 Konstruktion von Übergangs-, failure- und Ausgabefunktion.................................................... 187
A.1.2 Umwandlung des parallelen Pattern-Matchers in einen DEA.................................................... 189
ANHANG B: TYPENHIERARCHIE UND MERKMALSEINFÜHRUNG.............. 190
ANHANG C: PROGRAMMCODE ................................................................................ 194
C.1 Der Segmentierer ..................................................................................................................................... 194
C.2 Der Chart-Parser....................................................................................................................................... 203
C.3 CUF-Programmtext der morphologischen Grammatik..................................................................... 209
iii

1 Einführung
1.1 Zielsetzung der Arbeit
Kapitel 1: Einführung
Das Ziel der vorliegenden Arbeit besteht ganz allgemein darin, Architekturprinzipien eines
Paradigmas der Informatik und neueren Computerlinguistik mit Theorien und Resultaten
der generativen Grammatik in Verbindung zu bringen, um auf diese Weise einen neuen Ansatz
zur Lösung von Problemen zu entwickeln, mit denen sich die Computerlinguistik beschäftigt.
Konkret geht es um den Problemkreis der maschinellen morphologischen Analyse
natürlicher Sprache, d.h. um die Entwicklung von Verfahren, die Wörter in ihre kleinsten
Bestandteile zerlegen, um ihre syntaktischen und semantischen Eigenschaften zu bestimmen.
Diese Art der Analyse ist erst relativ spät in das Zentrum des computerlinguistischen Interesses
gerückt, was sich sicher auf die vorherrschende Stellung des Englischen in diesem Bereich
und dessen wenig ausgeprägte Oberflächenmorphologie zurückführen läßt. Konsequenterweise
wurden morphologische Regularitäten dadurch abgebildet, daß man sie „mit
Silikon bewarf", wie es Anderson (1988) pointiert formuliert hat – sie also überhaupt nicht
berücksichtigte und sog. Vollformenlexika verwendete, somit Lexika, die alle flektierten Formen
einer bestimmten Grundform enthalten und deren morphosyntaktische Merkmale verzeichnen.
Die Analyseverfahren waren dementsprechend einfach und beschränkten sich im
Grunde auf einen reinen Lexikonzugriff, um die Wortform aufzufinden und deren relevante
Merkmale zu erhalten. Da im Zuge der internationalen Ausbreitung der Computerlinguistik
auch andere Sprachen, darunter auch solche mit ausgeprägteren morphologischen Phänomen,
einer Analyse mit dem Computer zugänglich gemacht werden sollten, ergab sich jedoch
die Notwendigkeit, bei der Merkmalsbestimmung von Wortformen mit Hilfe der offenkundigen
und in jeder Grammatik verzeichneten Regeln der Flexion und Wortbildung
diese Formen in ihre Bestandteile zu zerlegen.
Vollformenlexika sind folglich aus mindestens zwei Gründen inadäquat. Aus technischer
Sicht führen Vollformen eine erhebliche Redundanz in die Sprachbeschreibung ein, da an
sich vorhersagbare Informationen an vielen Stellen im Lexikon dupliziert werden müssen.
Zum einen hat das seinen Grund darin, daß die Anzahl der flektierten Formen einer Grundform
gegenüber dieser um Größenordnungen höher sein kann. In mild flektierenden Sprachen
wie dem Deutschen hält sich diese noch in Grenzen, wobei sich jedoch im Verbbereich
einige Dutzend Flexionsformen zu einem einzelnen Verb wie beispielsweise singen bilden
lassen. In anderen Sprachen wie dem Finnischen wird das Problem jedoch deutlicher, da
finnische Verben bis zu 15.000 verschiedene Formen aufweisen können (nach Karlsson
(1986)). In solchen Sprachen erreicht ein hinreichend großes Lexikon Dimensionen, die auch
moderne Computer an die Grenzen ihrer Kapazität stoßen lassen. Zum anderen verzeichnet
das Lexikon üblicherweise nicht nur morphosyntaktische Merkmale wie Person, Numerus,
Tempus etc. zu den enthaltenen Einträgen, sondern auch Angaben zum syntaktischen und
semantischen Verhalten der Form, beispielsweise in Form eines Subkategorisierungsrahmens
mit thematischen Rollen und Kasuszuweisungseigenschaften. Flexionsparadigmen
sind nun gerade dadurch definiert, daß alle in ihnen enthaltenen Formen über eine annähernd
gleiche Bedeutung verfügen, diese aber in einem Vollformenlexikon jeder Form erneut
zugeordnet werden muß.
1

Kapitel 1: Einführung
Dies führt über zum zweiten Grund der Inadäquatheit dieses Lexikontyps, der linguistischer
Natur ist. Die Regelgeleitetheit vieler morphologischer Phänomene, also die Abhängigkeit
bestimmer Formen untereinander, geht in dieser Konzeption verloren.
Das Alternativmodell hierzu, das sog. Grundformenlexikon, vermeidet diese Probleme. Bei
diesem Typ von Lexikon definiert man für jede Wortart ausgezeichnete Grundformen, die
man im Lexikon zusammen mit Informationen über deren Kombinierbarkeit mit Flexionsaffixen
u.ä. verzeichnet. Die Grundbedingung ist, daß sich mit Hilfe der Grundform und der
Zusatzinformationen alle flektierten Formen und nur diese gewissermaßen »errechnen« lassen.
Umgekehrt soll von einer konkreten Wortform auf ihre Grundform und deren Merkmale
geschlossen werden können. Es ist einleuchtend, daß ein solches System von den morphologischen
Regelmäßigkeiten der betreffenden Sprache in irgendeiner Weise Gebrauch
machen muß, auch wenn dies auf sehr verschiedene Weise geschehen kann. Die hierbei gewählten
Ansätze, von denen einige in Abschnitt 1.2 etwas detaillierter behandelt werden,
lassen sich jedoch alle in das auch an anderen Stellen nützliche Spektrum zwischen Deklarativität
und Prozeduralität einordnen.
Grundformenlexika stellen nun zwar einen Fortschritt gegenüber der Verzeichnung aller
Formen eines Wortes dar, weisen jedoch noch einige Mängel auf, auf die ich allerdings erst
im 4. Kapitel zu sprechen kommen werde.
Das Ziel dieser Arbeit ist es, ein Modell eines Programms zur morphologischen Analyse zu
entwickeln und zu implementieren. Dieses soll auf einer ebenfalls zu entwickelnden Lexikonkonzeption
beruhen, welche geeignet ist, morphologische Regularitäten konzis und elegant
abzubilden. Das Gesamtprogramm soll so angelegt sein, daß es in einen größeren Systemzusammenhang
eingebunden ist und folgende Aufgaben wahrnehmen kann:
� Deflexion
� De-Derivation und Dekomposition
� Lexikalische Akquisition und morphologisches Lernen
Auf den ersten Punkt der Deflexion bin ich schon im Kontext der Vollformenlexika eingegangen.
Es geht hierbei um die Reduktion einer im Text erscheinenden Wortform auf eine
Grundform, von der vorausgesetzt wird, daß sie im Lexikon verzeichnet ist, zum Zwecke
der Bestimmung der für die Syntax relevanten Merkmale der Form.
Die zweite Aufgabe des Morphologiesystems ist, den produktiven Wortbildungsprozessen
der Komposition und Derivation im Deutschen gerecht zu werden, bei denen neue Wörter
in regelgeleiteter Weise auf der Grundlage bereits bekannter Bestandteile gebildet werden.
Auch hier wird davon ausgegangen, daß diese Bestandteile im Lexikon des Systems enthalten
sind.
Der dritte Punkt schließlich betrifft die Strategien, die gewählt werden können, falls die bei
den beiden vorangegangen Punkten geforderte Bedingung des Enthaltenseins aller Bestandteile
im Lexikon nicht mehr eingehalten werden kann. Es geht also um Methoden, wie die
Arbeit des Analyseprogramms auch dann fortgesetzt werden kann, wenn Teile einer Wortform
unbekannt sind. Darüber hinaus soll versucht werden, unter Ausnutzung sprachlichen
Wissens über Bildungsregelmäßigkeiten von komplexen Wörtern ein Maximum an Information
über solche Formen zu erschließen und für andere Systemkomponenten verwertbar
zu machen. Aus Gründen der Beschränkung werden allerdings hierbei nur Informationen
verwendet, die auf der Wortebene verfügbar sind, d.h. Informationen aus dem syntaktischen,
semantischen und pragmatischen Kontext des ganz bzw. teilweise unbekannten
Wortes werden nicht berücksichtigt. Beabsichtigt ist, daß die Morphologiekomponente eine
2

Kapitel 1: Einführung
Reihe von alternativen Interpretationen erzeugt, die Eingabe der anderen Systemkomponenten
sind.
Nachdem die Funktionalität des Analysemodells in grober Form festgelegt ist, möchte ich
noch einige Worte zu den Prinzipien sagen, an denen sich das Modell orientiert. Diese sind:
� Typisierung und Vererbung
� Einbeziehung generativer Wortstrukturtheorien.
Die Prinzipien der Typisierung und Vererbung, die in Kapitel 2 näher vorgestellt werden,
sind wichtige Elemente im Paradigma der sog. Objektorientierung. Dieser Begriff spielt in der
theoretischen und angewandten Informatik mittlerweile eine wichtige Rolle 1 und kann unter
zwei verschiedenen Blickwinkeln gesehen werden. Einmal bezieht er sich auf Objektorientierung
auf der Implementationsseite, also auf eine bestimmte Technik des Softwareentwurfs,
die für sich in Anspruch nimmt, einen verbesserten Beitrag zur Wiederverwendbarkeit,
Erweiterbarkeit etc. von Softwareprodukten zu machen. Dieser Aspekt ist für die Modellbildung
innerhalb der Linguistik jedoch nicht so interessant. Wichtiger in diesem Zusammenhang
ist die Objektorientierung auf der Ebene der Beschreibung. Hierbei wird versucht,
schon bei der Konstruktion eines Modells einer bestimmten Domäne Datenelemente und
Operationen zu einer syntaktischen Einheit zusammenzufassen. Möchte man ein Realsystem
(beispielsweise ein Unternehmen) und die Beziehungen seiner Subsysteme untereinander
innerhalb eines Computermodells abbilden (z.B. im Rahmen eines betrieblichen Führungssystems),
so liegt es auf der Hand, diese Subkomponenten und deren interne Zustände als
die Objekte auf der Modellebene anzusehen.
Im Bereich der Linguistik liegt es nun nahe, die Wörter 2 einer Sprache und die daraus aufgebauten,
komplexeren Strukturen als die relevanten Objekte der Beschreibungsebene zu rekonstruieren.
Wörter legen ein bestimmtes syntaktisches und semantisches Verhalten an den
Tag und haben einerseits idiosynkratische, andererseits aber auch vorhersagbare Eigenschaften.
Faßt man diese Eigenschaften zu einer Einheit zusammen, so hat dies zum einen
den Vorteil, daß damit die Informationen, die das Wort charakterisieren, an einer einzigen
Stelle im Modell, der diesem Wort zugeordneten Klasse, repräsentiert sind. Möchte man
dann eine der Eigenschaften eines Wortes ändern, so muß man das nur an einer Stelle tun.
Zum anderen ist durch ein solches Wort-Objekt die Gesamtheit der zu beschreibenden Eigenschaften
eines Wortes gegeben, und nicht nur die häufig im Vordergrund stehenden syntaktischen
Eigenschaften. Ein Parsing-Verfahren, also ein Verfahren, welches die strukturellen
Beziehungen von syntaktischen Symbolen (z.B. Wörtern oder Morphemen) untereinander
maschinell rekonstruiert, kann hierbei schon beim Aufbau von Strukturen andere Informationsquellen
(Semantik, Weltwissen etc.) nutzen und dadurch im Falle mehrdeutiger Strukturzuweisung
fundiertere Entscheidungen treffen.
Das Ziel objektorientierter Konzeptionen in der Sprachverarbeitung ist es somit, einen Beitrag
zur Integration verschiedener sprachlicher und nichtsprachlicher Informationsquellen
(Morphologie, Syntax, Semantik, Pragmatik) zu leisten und diese nicht in der sonst üblichen
1 Objektorientierung wird beispielsweise diskutiert im Bereich der Wissensrepräsentation (Frame-basierte
Systeme), Datenbanken (objektorientierte Datenbanken), Programmiersprachen, Aktorensysteme
usw.
2 Das hier vorgestellte Modell setzt noch eine Ebene tiefer an, nämlich auf der Ebene der Morph(em)e.
Mehr dazu findet sich in Kapitel 4.
3

Kapitel 1: Einführung
Weise als relativ von einander unabhängige Systeme aufzufassen; 3 man kann daher auch
von datenseitiger Integration dieser Systeme auf der Wortebene sprechen.
Das andere Entwurfsprinzip betrifft die linguistische Seite der Aufgabenstellung. Bei der
Konzeption des Analysemodells für zusammengesetzte Wörter im Deutschen versuche ich,
intensiven Gebrauch von generativen Theorien der Wortbildung und Flexion zu machen.
Diese Theorien haben in den letzten zehn Jahren mit Selkirk (1982), Höhle (1982), Toman
(1987), Bierwisch (1989), Pustejovsky (1995) u.a. einen gewissen Reifegrad und ein damit
verbundenes Beschreibungs- und Erklärungspotential erreicht, daß es ignorant wäre, von
diesen Erkenntnissen keinen Gebrauch zu machen. Ich werde im Kapitel 5 zeigen, daß sich
die Leistungsfähigkeit einer Morphologiekomponente durch Nutzung generativer Ideen
beträchtlich steigern läßt.
1.2 Vorarbeiten und verwandte Arbeiten zur Computer-Morphologie
Dieser Abschnitt ist der kritischen Beleuchtung einiger Arbeiten gewidmet, die im weitesten
Sinne als Vorarbeiten gelten können. Zunächst sei das seit Mitte der achtziger Jahre einflußreichste
Computermodell der morphologischen Analyse vorgestellt. Anschließend wende
ich mich einigen Arbeiten zur sog. Lemmatisierung zu, einem Problemkreis, der im deutschen
Sprachraum in den 70iger Jahren einige Anstrengungen hervorgerufen hat. Zum Schluß
möchte ich noch auf die Arbeit von Daelemans (1987) zu sprechen kommen, da diese die
einzige mir bekannte Arbeit ist, die versucht, morphologische Analyse und Objektorientierung
zusammenzuführen.
1.2.1 Two-Level-Morphologie und ihre Vorläufer
Der erste, der sich meines Wissens mit einem universellen, also sprachunabhängigen Modell
der morphologischen Analyse beschäftigte, war Martin Kay (1977). Das Herzstück seines
Analysemodells bildet ein Chart-Parser 4 , der im Verlauf der Analyse aufgrund von Regeln,
die der generativen Phonologie (vgl. Chomsky/Halle (1968)) entlehnt sind, Kanten in seinen
Chart aufnimmt. Ein Beispiel soll dies verdeutlichen (nach Kay (1977:141)):
y
t r i e d
i
+
e
Abb. 1.1: Chart für die Deflexion von "tried"
3 Wie dies beispielsweise die meisten theoretischen Modelle der Sprachkompetenz (z.B. Chomsky
(1981)) aus verständlichen methodologischen Gründen tun.
4 Eine ausführliche Charakterisierung des Chart-Parsings gibt beispielsweise Kay (1980).
4
+
e
e
d
d

Kapitel 1: Einführung
Der Chart besteht vor der Analyse nur aus den "trivialen" Kanten, die die Buchstaben des zu
analysierenden Wortes verbinden. Im Verlauf der Analyse werden aufgrund der quasi-phonologischen
Regel
(1) ied� � y + ed�
(� steht für ein Leerzeichen, also für das Wortende) weitere Kanten in den Chart eingeführt.
Integriert in dieses Modell ist eine ökonomische Lexikonorganisation und ein Mechanismus,
der die Anwendungsreihenfolge der Regeln der obengenannten Art regelt. 5
Festzuhalten bleibt, daß dieser Ansatz wohl eher theoretisch als praktisch erfolgreich war; er
war jedoch der erste, dem es gelang, ein deklaratives Moment, das aber prozedural interpretiert
werden kann, in die morphologische Beschreibung einzuführen.
Eine weitere Verbesserung morphologischer Analysemethoden bedeutete die Einführung
der sog. Two-Level-Morphology durch Koskenniemi (1983), seinerzeit beeinflußt von unveröffentlichte
Ideen von M. Kay und R. Kaplan, die erst 1994 in Druck gingen (Kaplan/Kay
(1994)). Ausgehend von einer kurz angedeuteten Idee in Kay (1982) 6 verwendet Koskenniemi
ebenfalls endliche, überführende Automaten (sog. Transducer) 7 , läßt diese jedoch nicht
seriell wie Kay, sondern parallel operieren. Die der seriellen Transducer-Komposition eigenen
expliziten oder impliziten Zwischenbänder, die jeweils nach der Anwendung einer Regel
gebildet werden, fallen hierbei fort, somit auch das Problem der Regelanordnung. Es gibt
nur zwei Bänder, dasjenige mit der Oberflächenform und dasjenige mit der zugrundeliegenden
lexikalischen Form (durch Pluszeichen verbundene Morpheme); das parallele Operieren
der jeweils für einzelne Regeln stehenden Transducer legt die Beziehungen oder auch
Abweichungen fest, die zwischen den beiden Bändern vorliegen dürfen. Koskenniemi geht
jedoch zunächst nicht von Transducern, sondern von einer Regelnotation aus, die erst später
als Transducer abgebildet wird. Eine Two-Level-Regel hat die folgende Form:
a:b op LC __ RC
5 Die phonologische Konzeption von Chomsky/Halle (1968) macht ähnlich der generativen Syntaxtheorie
Gebrauch von verschiedenen Beschreibungsebenen, die über Transformationen miteinander
in Bezug gesetzt werden. Ähnlich wie in der Syntax stellt sich jedoch das Problem, in welcher Reihenfolge
die Transformationsregeln bei der Ableitung der Oberflächenstruktur angewandt werden sollen.
Dieses Problem ist bedeutsam für das weiter unten dargestellte Two-Level-Modell von Koskenniemi
(1983).
6 Kay (1982) schlägt vor, die einzelnen phonologischen Regeln als Transducer aufzufassen, die jeweils
Beschränkungen zwischen der Oberflächenform und der zugrundeliegenden lexikalischen Form (den
beiden Bändern des Transducers) abbilden. Das oben erwähnte Problem der Reihenfolge der Regelanordnung
könnte durch eine festgelegte Kaskadierung der einzelnen Transducer gelöst werden. Da ein
Theorem der Automatentheorie besagt (vgl. Reape/Thomson (1988)), daß eine Menge via Komposition
verknüpfter endlicher Transducer äquivalent zu einem einzigen Transducer ist, ist es möglich, die
Transducer-Kaskade durch einen einzigen Automaten zu ersetzen, der dann den bekannten Optimierungsverfahren
für endliche Automaten (Zustandsminimierung) zugänglich ist.
7 Formal ist ein Transducer ein 6-Tupel (Q, �, �, �, q0, F ), bei dem Q, q0 und F wie bei einem endlichen
Automaten sind. � und � bilden die Alphabete der beiden Bänder, während � eine Abbildung von
Q × (� � {�}) auf endliche Teilmengen von Q � � * realisiert. Man kann sich die Funktionsweise eines
Transducers so vorstellen, daß er in einem Zustand Q i einer Kante, die mit einem Symbol aus � � {�}
etikettiert ist, in einen Zustand Q j folgt und dabei einen String aus � * ausgibt.
5

Kapitel 1: Einführung
wobei a und b Alphabetsymbole der beiden Bänder sind, op aus der Menge { �, �, � } ist
und LC und RC den linken bzw. rechten Kontext des durch __ veranschaulichten Symbolpaares
auf der linken Regelseite bildet. Bei der Notation der Kontexte kann von Verkettung,
Disjunktion und Kleene-Stern Gebrauch gemacht werden. Als Beispiel für eine konkrete Regel
gebe ich eine Regel für das Englische wieder (vgl. Ritchie et al. (1992:152)):
(2) +:e � { s:s x:x z:z } __ s:s
Diese Regel, die die Bildung des Plurals von englischen Nomen beschreibt, besagt, daß ein +
auf dem Lexikonband mit einem e auf dem Oberflächenband korrespondiert, gdw. es zwischen
dem angegebenen linken Kontext (geschweifte Klammern stehen dabei für Disjunktion,
eckige für Optionalität) und dem Symbol s auf dem Oberflächenband steht. Das Symbol
+ steht für ein Morphemverknüpfungszeichen auf dem lexikalischen Band. Diese Regel
leistet also einen Teil dessen, was die weiter oben wiedergegebene Regel von Kay leistet. Die
Semantik der Operatoren � , � und � ist in Tabelle 1.1 wiedergegeben (vgl. Ritchie et al.
(1992:26f)):
� Context Restriction Das Symbolpaar links vom Operator kann nur in den rechts davon
angegebenen Kontexten stehen.
� Surface Coercion Ist der Kontext wie rechts angegeben und befindet sich das erste
Symbol des Paares links auf dem Lexikonband, dann muß sich
das zweite Paarsymbol auf dem Oberflächenband befinden.
� Composite Bezeichnet die Kombination von � und �.
Tabelle 1.1: Mögliche Operatoren in Two-Level-Regeln
Der in der Regel verwendete �-Operator besagt also beispielsweise, daß, falls der angegebene
Kontext vorliegt, das Paar +:e sich auf den beiden Bändern befinden muß und umgekehrt,
wenn das Paar +:e vorliegt, der Kontext so wie angegeben beschaffen sein muß.
Eine Besonderheit des Modells ist sein relationaler Charakter, also die Nichtdirektionalität
der beiden Bänder. Es kann daher sowohl für die Analyse von Oberflächenformen in Morphemfolgen
als auch für die Generierung von Oberflächenformen aus Morphemfolgen eingesetzt
werden. Im Ansatz von Koskenniemi (1983) werden diese Regeln anschließend von
Hand in parallelgeschaltete Transducer umgesetzt; Koskenniemi (1986) schlägt hierzu einen
Regelcompiler vor. Ritchie et al. (1992:150ff) gehen einen etwas anderen Weg und erzeugen
speziell interpretierte Automaten, um die zahlreichen Automatenübergänge zu vermeiden,
die nur dazu dienen, einen „Neustart“ jeder TL-Regel zu ermöglichen, solange noch ihr linker
Kontext abgearbeitet wird. Nach der Compilierung von obiger Beispielregel (2) resultiert
beispielsweise der in Abbildung 1.2 wiedergegebene Automat (aus Ritchie et al. (1992:154)):
s1
s:s
c:c
z:z
x:x
LICENCE TERMINAL
s:s
s3
+:e
s4
s:s
s5
s2
h:h
+:0
s6
6
s:s
ERROR
Abb. 1.2: Korrespondierender Automat zu Regel (2) (unter einem speziellen Interpretationsalgorithmus)

Kapitel 1: Einführung
Verbunden ist diese Konzeption mit einer bestimmten Lexikonorganisation. Das gesamte
Lexikon wird in mehrere Teillexika aufgeteilt, die aufgrund einer durch das morphosyntaktische
Verhalten der verschiedenen Morpheme definierten Äquivalenzrelation gebildet werden.
Zu jedem Morphem im Lexikon wird notiert, welche Morphemklassen ihm in der
Wortstruktur folgen können, also beispielsweise, welche Flexionsendungen nach einem bestimmten
Stamm erlaubt sind. Hieraus ergibt sich implizit eine reguläre Grammatik, die die
Kombinierbarkeit der Morpheme auf dem Lexikonband zusätzlich restringiert.
Die Two-Level-Morphology ist für eine ganze Reihe von Sprachen implementiert worden,
neben Finnisch und Englisch auch für „exotische“ Sprachen wie Altkirchenslawisch. Der
Umfang der Regelmenge liegt dabei nach Koskenniemi/Church (1988:336) zwischen sieben
(Englisch) und vierzig (klassisches Griechisch). Interessanterweise ist Deutsch bei den üblicherweise
in der Literatur angeführten Sprachen nicht dabei. Das Two-Level-Modell ist
wohl auch entgegen den Behauptungen des Autors kein Universalmodell, sondern vor allem
aufgrund des Folgelexikamechanismus dafür geschaffen, die morphologischen Phänomene
von sprachtypologisch gesehen agglutinierenden Sprachen wie Finnisch und Türkisch zu
beschreiben. Bei diesen Sprachen gibt es eine 1-zu-1-Beziehung zwischen Morphem(kette)
und Morphembedeutung, wobei die quasi-phonologischen Regeln (quasi, weil es ja Regeln
sind, die auf der Orthographie beruhen, die erheblich von der Aussprache abweichen kann)
nur noch gewisse Anpassungen bei der Juxtaposition der Morpheme vornehmen
(beispielsweise Prozesse der Vokalharmonie). Wichtig ist hierbei, daß die Anwendung einer
Regel nur durch das Symbolpaar links vom Operator und den linken und rechten Kontext
determiniert wird. Andere Indizien können hierzu nicht herangezogen werden. Das Deutsche,
als eine flektierend-fusionierende Sprache kennt jedoch nicht so viele Prozesse, die sich
auf rein phonologische Gründe zurückführen lassen. Vielmehr ist die Wahl bestimmter
Morpheme in vielen Fällen lexikalisch determiniert, beispielsweise bei Nomen die Wahl des
Pluralmorphems durch die Flexionsklasse des Nomens. Ebenso müssen Umlautungen bei
der Pluralbildung von Nomen im entsprechenden Lexikoneintrag verzeichnet sein, vgl.
Wald – Wälder, Hund – Hunde, ähnliches gilt für die Wahl des Fugenmorphems bei Komposita,
welches vom Vorderglied determiniert wird (vgl. Fanselow (1981:10f)). 8 Insbesondere
sind bestimmte Endungen bedeutungsmäßig überladen, wie umgekehrt ein bestimmtes
Merkmal wie Plural auf sehr verschiedene Weise realisiert werden kann. Was der Two-
Level-Morphology m. a. W. fehlt ist die Einbeziehung von morphosyntaktischen Bedingungen
und Merkmalen in den Analyseprozeß der Transducer. Im Finnischen liegen diese Informationen
in indirekter Weise über die wechselseitige Abhängigkeit der Merkmale und
die sie realisierenden Morpheme vor, doch ist dies eher als ein Spezialfall der Ausbuchstabierung
morphologischer Merkmale aufzufassen. Dieser Mangel wurde wohl auch schon
von Koskenniemi erkannt, da bestimmte Irregularitäten des Finnischen durch die Einführung
arbiträrer diakritischer Zeichen auf der Lexikonbandebene aufgelöst wurden. Einige
der Two-Level-Regeln nehmen dann auf diese Zeichen Bezug. Man kann dagegen einwenden,
und dies ist auch getan worden, vgl. Bear (1988), daß hiermit Dinge zusammengewürfelt
werden, die nicht zusammengehören und sich damit die Formulierung der Regeln kompliziert
hat.
8 Natürlich gibt es auch im Deutschen rein lautliche Modifikationen. Kandidaten für Two-Level-Regeln
im Deutschen sind beispielsweise e-Erweiterung, e-Tilgung, e/i-Wechsel und Konsonantenwechsel
bei der Verbkonjugation. Allerdings hängen diese Modifikationen häufig auch von syntaktischen
Merkmalen ab: e/i-Wechsel betrifft beispielsweise die 2. und 3. Pers. Sing. Präs. Ind. und den Imp.
Sing.
7

Kapitel 1: Einführung
Es gibt nun einige Ansätze, die sich dieser Probleme annehmen: Bear (1988) schlägt vor, bestimmte
Irregularitäten des Englischen (beispielsweise ist der Plural von piano pianos und
nicht pianoes.) dadurch in den Two-Level-Mechanismus zu integrieren, daß man Sonderfälle
dieser Art explizit im Lexikon mit einem Merkmal markiert, so daß die normalerweise angewendete
Pluralregel von Nomen auf -o (o + s � oes) nicht anwendbar ist. Trost (1990) setzt
hierauf auf, ersetzt jedoch das prozedural interpretierte Regelmerkmal durch eine Unifikation
der bis dahin aufgebauten Merkmalsstruktur für die Syntax des analysierten Wortes mit
einem der Two-Level-Regel zugeordneten Filterterm. Gelingt diese Unifikation, so kann die
Regel angewendet werden. Ist beispielsweise ein Nomen mit [Umlaut: +] für die Pluralbildung
markiert, so wird nur die Two-Level-Regel verwendet, die ebenfalls mit [Umlaut: +]
attribuiert ist.
Eine andere Richtung für Probleme dieser Art schlagen Karttunen et al. (1992) ein: Sie schlagen
vor, die morphologischen Merkmale von Morphemen nicht in einem Lexikoneintrag zu
halten, sondern direkt auf das Lexikonband des Two-Level-Modells zu schreiben. Man
würde dann beispielsweise auf dem Lexikonband nicht mehr try+s stehen haben, sondern
try+3pers+sing. Auf diese Weise würde auch mit allomorphen Varianten verfahren werden.
Der "Abstand" zwischen Oberflächen- und Lexikonband würde damit zwar vergrößert,
die Autoren meinen jedoch, durch Komposition der Two-Level-Transducer mit dem gesamten
Lexikon unter Vermittlung entsprechender Zwischenbänder die Größe des entstehenden
Gesamttransducers in passablen Grenzen zu halten. Details hierzu finden sich in
Karttunen et al. (1992) .
Abramson (1992) schlägt vor, die prozedurale Interpretation der Two-Level-Regeln als
Transducer außer acht zu lassen und die Regeln vielmehr als deklarativ spezifizierte Relation
zwischen den beiden Bändern aufzufassen. Er veranschaulicht seine Idee durch die Angabe
der für das Englische benötigten Two-Level-Regeln als Prolog-Klauseln und überläßt
es dabei dem Prolog-System, den Pfad vom Ausgangszustand in einen Endzustand zu suchen.
Am Ende dieser Übersicht zur Two-Level-Morphology möchte ich noch auf einige Probleme
dieses Modells zu sprechen kommen, die generellerer Natur sind.
� Zuallererst ist es Aufgabe des Computerlinguisten, bei der Regelspezifikation darauf zu
achten, daß die Regeln nicht in unerwünschter Weise miteinander interagieren. Interaktion
kann auf verschiedene Weise stattfinden; der „schlimmste” Fall ist beispielsweise
der, wenn in zwei verschiedenen Regeln das gleiche Symbolpaar auftritt, der verwendete
Operator « ist und die linken und rechten Kontexte sich gegenseitig ausschließen. Ein
„intelligenter” Regelcompiler wäre zur Vermeidung solcher Fälle nützlich.
� Der zweite Punkt betrifft die implizite reguläre Organisation des Lexikons, der sog. Folgelexikamechanismus,
der zu eng an die Operation der Transducer geknüpft ist. Es könnte
sich herausstellen, daß die dem Lexikon implizite reguläre Grammatik zu schwach ist,
um alle morphologischen Prozesse aller Sprachen zu beschreiben. Und auch wenn dies
nicht der Fall ist, so könnte eine Grammatik stärkeren Typs linguistisch doch transparenter
sein. 9 Auf jeden Fall wäre es besser, den regulären Lexikonmechanismus durch
Angabe einer entsprechenden Grammatik explizit zu machen.
� Drittens überprüfen Transducer auf der Grundlage der Two-Level-Morphology prinzipiell
nur die Zulässigkeit bzw. Nichtzulässigkeit von bestimmten Morphkombinationen.
9 Eine Analogie zur Satzsyntax sei hier gezogen. Man könnte den beschränkten Charakter der Zentraleinbettung
in natürlichen Sprachen beispielsweise durch eine reguläre Grammatik modellieren, die
in die Satzsymbole hinein den Grad ihrer Einbettung kodiert. Die entsprechende kontextfreie Grammatik
für das gleiche Phänomen wäre jedoch um einiges einfacher.
8

Kapitel 1: Einführung
Man kann jedoch der Ansicht sein, daß zu semantischen Interpretation von komplexen
Wörtern, insbes. Komposita, auch die Struktur eines Wortes eine Rolle spielt. Der Transducer
operiert hierzu jedoch auf der falschen Ebene, da seine Terminalsymbole Grapheme
o.ä. sind, die für die Strukturermittlung auf der Ebene der Morpheme keine Rolle spielen.
Darüber hinaus sind endliche Automaten bei Zugrundelegung einer rechtslinearen
Grammatik lediglich in der Lage, nur rein rechtsverzweigende Strukturen zu erzeugen.
Dies wird jedoch den verschiedenen strukturellen Möglichkeiten innerhalb der Komposition
im Deutschen nicht gerecht.
� Ein vierter Einwand ist von komplexitätstheoretischer Seite gemacht worden. Barton et al.
(1987) haben durch Reduktion des (NP-vollständigen) Erfüllungsproblems für aussagenlogische
Formeln (SAT) auf Automaten des Two-Level-Modells gezeigt, daß dieses NPhart
ist. Dies kann im schlechtesten Fall zur Folge haben, daß die Analysezeit eines Two-
Level-Erkennungsproblems exponentiell (oder schlechter) von seiner Länge abhängt.
Auch wenn Koskenniemi/Church (1988) auf den artifiziellen Charakter eines SAT-Problems
im Two-Level-Gewand hinweisen, so sollte dieses Resultat doch zu denken geben.
Zum einen gibt es in einigen Sprachen tatsächlich Prozesse, die eine gewisse Ähnlichkeit
mit der Belegung der aussagenlogischen Variablen mit Wahrheitswerten haben, beispielsweise
Prozesse der Vokalharmonie, die über das ganze Wort verlaufen. Zum anderen
haben morphologische Phänomene in natürlichen Sprachen anscheinend Besonderheiten,
die exponentielle Analysezeiten bei menschlichen Hörern ausschließen, welche
jedoch nicht im Rahmen des Two-Level-Modells ausgedrückt werden können. Die blinde,
kombinatorische Suche, die für das exponentielle Laufzeitverhalten verantwortlich ist,
kommt bei algorithmischen Analyseproblemen immer nur dann zur Anwendung, wenn
absolut keine lokalen Kriterien zur Verfügung stehen, die bei der Lösungsfindung mit
herangezogen werden können.
Zusammenfassend kann man also festhalten, daß das Two-Level-Modell einerseits zu stark,
andererseits auch wiederum zu schwach ist (siehe Einwand 2). Sein eklatantester Mangel ist
m.E. jedoch seine Beschränkung auf rein morphographematische Phänomene und damit das
Fehlen jeder transparenten Interaktion von im Lexikon verzeichneten morphosyntaktischen
Merkmalen mit den Regel-Transducern. Das Ziel meines Modells ist, alle möglichen Informationsquellen
bei der morphologischen Analyse auszunutzen, also Lexikon, Satzparser
und Domänenwissen, und auf diese Weise die Beschränkung auf morphographematische
Regularitäten zu überwinden.
1.2.2 Vorarbeiten aus dem Bereich der Lemmatisierung
In den siebziger Jahren wurde unter dem Stichwort Lemmatisierung vor allem in der Computerlinguistik
im deutschen Sprachraum versucht, die Flexionsmorphologie unter Zugrundelegung
einer prozeduralen Konzeption in einem Computermodell abzubilden. Stellvertretend
für die Vielzahl der damaligen Bemühungen seien an dieser Stelle Dietrich (1973),
Eggers et al. (1980), Hoeppner (1980) und Finkler/Neumann (1986) genannt. Zunächst muß
geklärt werden, was unter Lemmatisierung verstanden wird: Lemmatisierung ist die Rückführung
einer Wortform auf ein Lemma. Wortformen können einfache Wörter
(Zeichenfolgen zwischen Leerzeichen) sein, jedoch auch mehrere Wörter umfassen, beispielsweise
im Fall der periphrastischen Zeiten im Deutschen, wobei die die Wortform konstituierenden
Wörter nicht notwendigerweise kontinuierlich angeordnet sein müssen. Ein
Lemma L wird zunächst einmal verstanden als diejenige Menge von Wortformen w, die alle
eine festgesetzte Menge von Prädikaten P erfüllen, formal:
9

Kapitel 1: Einführung
L = { w | P 1 (w) � P 2 (w) � ... � P n (w) }
Zu klären ist, welcher Art die oben verwendeten Prädikate P i sind. Dietrich (1973:21f) klassifiziert
diese Prädikate in semantische, paradigmatische und strukturale. Paradigmatische
Eigenschaften sind Wortklassenzugehörigkeit und Flexionsklasse, zu den strukturalen zählen
syntaktische Anforderungen einer Wortform an ihre Umgebung, beispielsweise der Valenzrahmen.
Zu unterscheiden ist zwischen dem Lemma und dem Lemmanamen. Das Lemma ist, wie oben
definiert, eine Menge von Wortformen, die in einem bestimmten Verhältnis zueinander stehen.
Als Lemmanamen wählt man meist eine ausgezeichnete, merkmalsmäßig maximal
unmarkierte Form (vgl. Gallmann (1990)) aus dem Lemma, die sog. Zitierform. Ziel der
Lemmatisierung ist, Wortformen im Text auf diese Zitierform zurückzuführen und gleichzeitig
ihre für die jeweilige Anwendung relevanten Merkmale zu bestimmen. Die hierbei
verwendeten Verfahren sind durchweg operational, d.h. in den Analysemechansimus ist das
sprachliche Wissen über Wortformen, Endungen einer Sprache etc. direkt hineinkodiert.
Typischerweise wird ein Eingabewort von rechts nach links analysiert, wobei im allgemeinen
abwechselnd Endungsgrapheme abgespalten und Lexikonzugriffe durchgeführt werden.
Eine eigene Beschreibungsebene der sprachlichen Seite existiert nicht, das fertige Programm
ist die Lemmatisierung. Der Kontrollfluß innerhalb dieses Programms wird üblicherweise
durch Flußdiagramme dargestellt; Abb. 1.3 zeigt einen Ausschnitt aus Dietrich
(1973: 172).
Gegen die vorgeschlagenen Modelle und Methoden der Lemmatisierung können eine ganze
Reihe von Einwänden gemacht werden.
Zuallererst wird natürlich die selbst auferlegte Beschränkung auf die Behandlung der Flexion
dem prinzipiell offenen Charakter der Lexika natürlicher Sprachen nicht gerecht. Verständlich
ist dieses Defizit allerdings vor dem Hintergrund der Leistungsfähigkeit damaliger
Rechenanlagen und dem Fehlen jeglicher konkreter Theorien zur Wortbildung.
Ein weiterer Kritikpunkt läßt sich an der Prozeduralität der postulierten Modelle festmachen.
Auch wenn diese generell begrüßt werden kann – Hockett (1954) hält die prozedurale
Item-and-Process-Konzeption gegenüber dem (deklarativen) Item-and-Arrangement-Modell für
überlegen – so stört doch ihr kaum restringierter Charakter. Wie oben schon beschrieben
bestehen derartige Analyseverfahren nur aus einer Spezifikation des Kontrollflusses während
der Analyse, der üblicherweise in Form eines Flußdiagrammes visualisiert wird. Die Verfahren
selbst rekurrieren dabei nicht auf eine abstrakte Ebene eines der bekannten Automatenmodelle,
um beispielsweise generelle Aussagen zur Kapazität und Komplexität zu machen,
sondern überspringen diese Zwischenebene und beziehen sich gleich auf die zur Implementierung
des Modells verwendeten Programmiersprache (bei den ersten Lemmatisierungsprogrammen
war dies FORTRAN). Da Programmiersprachen dieser Art sämtlich turingmaschinenäquivalent
sind, kommt das der Aussage gleich, daß Methoden zur morphologischen
Analyse diese Kapazität zwingend aufweisen müssen. Nun sind nicht wenige Autoren (z.B.
Gazdar (1985)) der Ansicht, daß sich die Modelle der morphologischen Analyse natürlicher
Sprachen in Form von endlichen Automaten darstellen lassen (vgl. Abschnitt 1.2.1); es stellt
sich also die Frage, warum man dann implizit Turingmaschinen dazu verwendet.
Dem "Überfluß" an Prozeduralität in diesen Modellen steht ein Mangel an Deklarativität
gegenüber. Die Lemmatisierungsalgorithmen der 70iger Jahre sind alle dadurch charakterisiert
(vgl. z.B. Dietrichs (1973)), keine Unterscheidung zwischen Daten auf der einen Seite
und Verfahren zur Manipulation dieser Daten auf der anderen Seite vorzunehmen. Dies
führt dazu, daß es nur schwer möglich ist, die spezifizierten Algorithmen für die Analyse
anderer Sprachen zu adaptieren. Darüber hinaus ist es unmöglich, innerhalb der Lemmati-
10

Kapitel 1: Einführung
sierungsverfahren ein Kernmodell zu isolieren, daß dann an die Erfordernisse der Untersuchung
der morphologischen Strukturen verschiedener Sprachen angepaßt werden kann.
Diese Lemmatisierungsalgorithmen sind m.a.W. nur auf eine Einzelsprache bezogen und
lassen sich daher nicht als universelles Modell der morphologischen Analyse natürlicher
Sprachen ansehen. Vor diesem Hintergrund ist erklärlich, warum das in Abschnitt 1.2.1 vorgestellte
Modell der Two-Level-Morphologie theoretisch und auch praktisch so ein großer
Erfolg war. Es ist von hinreichender Einfachheit und Universalität, bezieht Deklaratives in
Form der Two-Level-Regeln ein und stützt sich auf ein Automatenmodell, daß hinsichtlich
seiner generativen Kapazität und Komplexität gut untersucht ist. Die traditionellen Lemmatisierungsverfahren
können diese Vorteile nicht für sich in Anspruch nehmen.
Ein letzter Punkt betrifft die Übersichtlichkeit und Verständlichkeit der vorgeschlagenen
Methoden. Das Verfolgen des Kontrollflusses fällt dem menschlichen Leser bei der Komplexität
der Lemmatisierungsalgorithmen so schwer, daß es kaum möglich ist, die Richtigkeit
des Verfahrens zu überprüfen. Dies ist nun natürlich ein generelles softwaretechnisches
Problem; die Einführung objektorientierter Techniken, d.h. die syntaktische Kopplung von
Daten und auf sie operierenden Prozeduren könnte jedoch in dieser Hinsicht Vorteile erwirken.
Abb. 1.3: Ausschnitt aus dem Lemmatisierungsprogramm von Dietrich (1973)
11

Kapitel 1: Einführung
1.2.3 Die Lemmatisierungskonzeption von Finkler & Neumann (1986)
Während die Arbeiten von Dietrich (1973) u.a. als typische Vertreter der Lemmatisierungsansätze
in den 70iger Jahren aufgefaßt werden können, ist die Arbeit von Finkler und
Neumann (1986) charakteristisch für die Auffassung von Lemmatisierung in den Jahren ab
1980; sie soll daher hier kurz vorgestellt werden.
Finkler & Neumann teilen zunächst den Gesamtbestand des Lexikons in zwei Teillexika auf.
Das erste dieser Lexika wird Vollformenteil genannt und enthält nicht-endungsflektierende
Wörter. Dazu zählen Wortformen, die überhaupt nicht flektieren (beispielsweise Adverbien,
Präpositionen usw.) und solche, die nicht regelmäßig endungsflektiert sind (z.B. Pronomen,
Artikel). Das zweite Lexikon, der sog. Grundformenteil, verzeichnet alle endungsflektierenden
Wörter wie beispielsweise Nomen, Verben, Adjektive u.a.
Der morphologische Analysealgorithmus schlägt die ihm übergebene Wortform zuerst einmal
im Vollformenteil nach. Diese Vorgehensweise erspart das aufwendige und nicht von
Erfolg gekrönte Unterfangen, nicht endungsflektierende Wörter einer Analyse zu unterziehen.
Wird die Wortform im Vollformenteil gefunden und ist der korrespondierende Lexikoneintrag
nicht mit einer speziellen Markierung versehen, die darauf hinweist, daß auch
noch eine zur Vollform homographe endungsflektierende Grundform existiert, so ist der
Analyseprozeß bereits beendet. Andernfalls beginnt die Grundformenbehandlung. Hierzu
wird zunächst unter Ausnutzung von Informationen des weiter unten beschriebenen Endungsbaumes
das längste Suffix der Wortform bestimmt, welches eine potentielle Flexionsendung
des Stammes, also des verbliebenen Teils der Wortform sein kann. Ein Beispiel soll
dies erläutern. Angenommen, die zu analysierende Wortform lautete fliegen. Diese Form
kann unter Vernachlässigung der Groß/Kleinschreibung 10 entweder eine Konjugationsform
des Verbs fliegen oder die Pluralform des Nomens Fliege sein. Die oben beschriebene Suffixabspaltung
liefert die Zerlegung (flieg,en), da en die längstmögliche übereinstimmende
und im Endungsbaum verzeichnete Flexionsendung ist. Ausgehend von dieser Zerlegung
werden weitere Zerlegungen konstruiert, die sich aus der sukzessiven Verminderung der
gefundenen Endung um einen Buchstaben und dessen Anhängen an den Stamm ergeben,
im Beispielfall also (fliege,n) und (fliegen,nil). Enthält die zu analysierende Wortform einen
Umlaut, so wird dieser tentativ auf den entsprechenden nichtumgelauteten Vokal reduziert
(beispielsweise ä � a). Anschließend wird noch versucht, ein eventuell vorhandenes Partizip-II-Präfix
(ge-) abzuspalten. Alle auf diese Weise gewonnenen Zerlegungen werden zusammen
mit Informationen über Umlautreduktion und ge-Abspaltung der eigentlichen
Analysefunktion übergeben, die die morphosyntaktischen Merkmale der Wortform bestimmt.
Diese Funktion macht entscheidenen Gebrauch von dem schon mehrfach erwähnten
Endungsbaum, bei dem es sich um einen erweiterten Trie oder Buchstabenbaum (vgl. Knuth,
1973) handelt. Die Kanten dieses Endungsbaums sind mit Endungsgraphemen etikettiert,
während einige Baumknoten einen speziellen Informationszeiger (Info-Ptr) enthalten, der,
falls die Endungsgrapheme von der Wurzel des Baumes bis zu diesem Knoten eine zulässige
Flexionsendung ergeben, auf die morphosyntaktischen Merkmale dieser Endung verweist.
Ein Ausschnitt aus dem von Finkler/Neumann verwendeten Endungsbaums ist in Abb. 1.4
10 Die Ausnutzung der Schreibung zur Auflösung derlei Ambiguitäten ist in ihrer Anwendbarkeit
eingeschränkter, als dies auf den ersten Blick scheinen mag. Genaugenommen können nur Verfahren,
die sich auf reine Deflexion beschränken und alle Aspekte der Wortbildung außer Acht lassen, dieses
Kriterium heranziehen. Innerhalb von komplexen Wörtern (beispielsweise Komposita) gelten die
Klein- bzw. Großschreibungskonventionen nicht mehr und können also auch nicht ausgenutzt werden.
12

Kapitel 1: Einführung
wiedergegeben (zur besseren Lesbarkeit sind die Endungen an den Baumkanten ausgeschrieben;
die Endungen im Baum sind von hinten nach vorne zu lesen):
E
NDE
ERE
ENE
SE
TE
ENDE
NDERE
TERE
ENERE
STE
ETE
13
ENDERE
ETERE
NDSTE
TSTE
ENSTE
ESTE
ENDSTE
ETSTE
Abb. 1.4: Beispiel für einen Endungsbaum (aus Finkler/Neumann (1986:28))
Der Analysealgorithmus folgt nun solange den mit den Graphemen der potentiellen Endung
markierten Kanten im Endungsbaum, bis diese abgearbeitet ist. Handelt es sich um
eine im Deutschen zulässige Flexionsendung, so enthält der erreichte Baumknoten den besagten
Informationszeiger, welcher auf einen Testbaum verweist, der nach Wortarten gruppiert
die Bedingungen enthält, die der potentielle Stamm der Wortform erfüllen muß. Ein
Ausschnitt dieses Bedingungsbaumes ist in Abb. 1.5 dargestellt.
Info
Nomen Adjektiv Verb Possessivpronomen
Umlaut Nichtumlaut
Flexionskl. er
(sg (dat))
Abb. 1.5: Ausschnitt aus dem Bedingungsbaum (nach Finkler/Neumann (1986:29))
E
T

Kapitel 1: Einführung
Die zu testenden Bedingungen sind in der Abbildung durch Kursivsetzung gekennzeichnet.
Der Informationsunterbaum unterhalb von -e ist folgendermaßen zu lesen: Die Endung -e ist
für einen Stamm dann zulässig, wenn es sich bei ihm um ein Nomen handelt, bei dem keine
Umlautreduktion durchgeführt wurde und das einer bestimmten Deklinationsklasse mit
Namen er angehört. Sind alle diese Bedingungen erfüllt, so können die Endungsmerkmale
der Wortform zu Singular Dativ bestimmt werden. Diese Merkmale werden mit den Merkmalen
des Stammes vereinigt und als Ergebnis der Analyse ausgegeben.
Aufgrund der Tatsache, daß alle Stamm-Endungs-Kombinationen der morphologischen
Analyse unterzogen und dabei alle Bedingungen im Bedingungsbaum geprüft werden, erhält
man im Beispielfall der Wortform fliegen sowohl die Nomen- als auch die Verblesart.
Allomorphe Stämme werden in der Konzeption von Finkler/Neumann nicht regelgeleitet
behandelt (wie beispielsweise bei Paulus (1986)), sondern sinnvollerweise als unterspezifizierte
Einträge in das Grundformenlexikon aufgenommen. Diese Einträge enthalten zusätzliche
Informationen darüber, für welche Wortformen der betreffende Stamm verwendet
werden kann. Im Verlaufe der Analyse werden dann die beim Stamm verzeichneten Angaben
mit den Zusatzinformationen des Allomorphs vereinigt und so ein vollständiger Lexikoneintrag
für das Allomorph dynamisch erzeugt.
Zur Kritik: Anders als in den weiter oben beschriebenen Lemmatisierungsentwürfen ist der
Anteil der Prozeduralität im Modell von Finkler/Neumann stark vermindert zugunsten
einem Mehr an Deklarativität bezüglich der Abbildung sprachlicher Sachverhalte. Es läßt
sich zudem eine Trennung zwischen Analysemodell und den von der einzelnen Sprache abhängigen
Daten ausmachen, so daß die Kritik einer zu starken Vermischung beider Ebenen
hinfällig wird. Das Analysemodell ist prozedural und besteht aus dem Segmentierungsalgorithmus
und den Funktionen, die den Endungsbaum traversieren und dabei zur Ermittlung
der einer Endung zukommenden Merkmale die im Baum angegebenen Bedingungen prüfen.
Der einzelsprachliche Anteil ist – abgesehen von der Umlautreduktion und ge-Abtrennung
– vollständig im Lexikon und im Endungsbaum kodiert, so daß sich das Modell durch
Ersetzung dieser Komponenten wahrscheinlich leicht auf die Analyse anderer, dem Deutschen
ähnlicher Sprachen übertragen läßt.
Dennoch sind Einwände zu machen, die die Repräsentation von agglutinierenden Aspekten
der deutschen Flexion betreffen. Diese äußern sich in erster Linie bei komparierten und zusätzlich
flektierten Adjektiven. Hierbei tritt nach einem Komparationsmorphem (-er oder -
(e)st) zusätzlich noch ein Flexionsmorphem auf. Finkler/Neumann behandeln dieses Phänomen
unter der Bezeichnung Mehrfachendungen dadurch, daß sie die zulässigen Morphemkombinationen
von vornherein bestimmen und als Einheit in den Endungsbaum aufnehmen.
Auch wenn sie dem Vorwurf der Merkmalsredundanz im Endungsbaum durch Einführung
eines speziellen Verweismechanismus (Finkler/Neumann (1986:30)) entgehen, resultiert
daraus jedoch eine erhebliche Vergrößerung des Baumes, wie sich leicht durch Vergleich
des Endungsbaumes von Finkler/Neumann und seinem Automatenäquivalent in
meiner Konzeption (vgl. Kapitel 4) feststellen läßt. In mild agglutierenden Sprachen mag
dieses Verfahren noch akzeptabel sein, in Sprachen jedoch wie dem Finnischen halte ich eine
derartige Auskompilation für problematisch.
Zusammenfassend kann man festhalten, daß die Konzeption von Finkler/Neumann einen
beträchtlichen Fortschritt gegenüber den rein prozeduralen Lemmatisierungsverfahren bedeutet.
Die aus dem System VIE-LANG (vgl. Trost/Buchberger (1981)) übernommene Idee
des Endungsbaums ist zudem so interessant und entwicklungsfähig, daß ich sie als Ausgangspunkt
in meinem eigenen Modell verwende.
14

Kapitel 1: Einführung
1.2.4 Die objektorientierte Konzeption von Daelemans (1987)
Eine Arbeit, die versucht, Techniken der Objektorientierung im Rahmen eines word-and-paradigm-Ansatzes
für die morphologische Analyse nutzbar zu machen, ist die von Daelemans
(1987).
Daelemans Dissertation, die verschiedene Verfahren für unterschiedliche Aspekte der
Sprachverarbeitung (morphologische Analyse und Synthese, Silbentrennung, automatische
Fehlerkorrektur etc.) beschreibt, befaßt sich in Kapitel 3 mit der Abbildung der holländischen
Morphologie innerhalb eines objektorientierten Systems. Daelemans unterscheidet
zwischen einem Programm-Modul der morphologischen Synthese und einem solchen der
morphologischen Analyse; beide Module sind unabhängig voneinander, können jedoch zusammen
eingesetzt werden.
Im Mittelpunkt des von Daelemans vorgestellten Modells der morphologischen Synthese
steht die Abbildung des Flexionsverhaltens der regelmäßigen und unregelmäßigen holländischen
Verben. Sein Synthesemodell ist in Abb. 1.6 wiedergegeben.
AFFIXES STEMS
MORPHOLOGICAL RULES
WORD FORMS
SPELLING RULES PHONOLOGICAL RULES
SPELLING PRONUNCIATION
Abb. 1.6: Daelemans Modell der morphologischen Synthese (1987:53)
Morphologische Regeln erzeugen aus Wortstämmen und Flexionsaffixen zugrundeliegende
lexikalische Repräsentationen 11 konkreter Wortformen, die dann mittels zweier Filter in eine
geschriebene bzw. phonetische Form überführt werden können. Diese Filter enthalten Regeln
ähnlich den phonologischen des Koskenniemischen Two-Level-Modells, die orthographische
bzw. phonetische Modifikationen an den beteiligten Morphemen vornehmen.
Um das unterschiedliche Verhalten der an der Verbkonjugation beteiligten Morpheme zu
beschreiben, bedient sich Daelemans einer Vererbungshierarchie, die in Abb. 1.7 wiedergegeben
ist.
11 Lexikalische Repräsentationen können wie bei Koskenniemi (1984) neben den eigentlichen Morphemen
auch Symbole zur Markierung von Morphemgrenzen und sog. Archiphoneme enthalten
(Archiphoneme sind in der generativen Phonologie abstrakte Phoneme, die je nach lautlichen Kontext
unterschiedlich realisiert werden können).
15

FREE-MORPHEME
WORD-FORM
VERB-FORM
MORPHEME
Kapitel 1: Einführung
BOUND-MORPHEME
PREFIX SUFFIX
PAST-PARTICIPLE-PREFIX PLURAL-SUFFIX
PRESENT-SINGULAR-SUFFIX
16
PRESENT-PARTICIPLE-SUFFIX
PAST-PARTICIPLE-SUFFIX
Abb. 1.7: Die von Daelemans (1987:42) verwendete Lexikonhierarchie
PAST-SINGULAR-SUFFIX
Als Beschreibungssprache für diese Hierarchie verwendet Daelemans die Wissensrepräsentationssprache
KRS; die Klassen werden dort durch sog. Konzepte ausgedrückt. Das Konzept
REGULAR-VERB-LEXEME bildet den Kern seines Synthesemodells. Es dient dazu, das Konjugationsverhalten
regelmäßiger Verben zu erfassen. Hierzu verfügt dieses Konzept über die
Unterkonzepte PRESENT-SINGULAR-ONE, PRESENT-SINGULAR-TWO, PAST-PARTICIPLE usw.,
die als Prozeduren realisiert sind und die entsprechenden Verbformen aus einer in der Konzeptinstanz
gespeicherten konkreten Verbwurzel "errechnen". Abb. 1.8 zeigt einen Ausschnitt
aus der Definition des Konzepts REGULAR-VERB-LEXEME.
(DEFCONCEPT REGULAR-VERB-LEXEME
(A VERB-PARADIGM
(CITATION-FORM (A STRING)))
(PARADIGM (A CONCEPT-LIST
(>>PRESENT-SINGULAR_ONE)
(>>PRESENT-SINGULAR_TWO)
(>>PRESENT-SINGULAR_THREE)
. . . . .
(>>PAST-PARTICPLE)))
(ROOT (A MORPHEME))
. . . . .
(PRESENT-SINGULAR-ONE
(A VERBFORM)
(FINITENESS FINITE)
(TENSE PRESENT)
(NUMBER SINGULAR)
(PERSON THIRD)
(LEXICAL-REPRESENTATION
{ Apply the present-singular-one-rule
to the citation form } ))
Abb. 1.8: Definition von REGULAR-VERB-LEXEME (nach Daelemans (1987:43))

Kapitel 1: Einführung
Diese Definition besagt folgendes: das Konzept REGULAR-VERB-LEXEME ist von VERB-
PARADIGM abgeleitet, verfügt über eine Zitierform, eine Wurzel (ROOT) und eine Liste von
Konzepten, die für das Paradigma des Verbs stehen. Diese Konzepte, von denen nur eines
(PRESENT-SINGULAR-ONE) angedeutet ist, bestimmen aus der Verbwurzel mit Hilfe einer aus
einer anderen Hierarchie stammenden morphologischen Regel die konkrete Verbform und
deren Merkmale. Von dem Konzept REGULAR-VERB-LEXEME sind weitere Konzepte abgeleitet,
die das Flexionsverhalten der unregelmäßigen Verben des Niederländischen beschreiben.
In diesen Klassen werden Prozeduren von REGULAR-VERB-LEXEME überschrieben; beispielsweise
die Prozedur Past-Participle bei den Ablautverben, bei denen das Partizip mit -en
statt mit -t/-d gebildet wird. Ich möchte hier nicht weiter auf diese Verbhierarchie eingehen,
da deutlich geworden sein sollte, wie Daelemans objektorientierte Techniken in Zusammenhang
mit der Beschreibung morphologischer Regularitäten verwendet und stattdessen noch
das Modell der morphologischen Analyse vorstellen.
Der Grobaufbau dieses Modells ist in Abb. 1.9 dargestellt:
Lexical Database
Morphological
Grammar
Spelling or phoneme representation
17
Segmentation
Dictionary
Lookup
List of segmentations
Parsing
List of analyses
Abb. 1.9: Modell der morphologischen Analyse nach Daelemans (1987:58)
Die Segmentierungsprozedur zerlegt rekursiv die zu analysierende Wortform in Teilketten
und schlägt diese im Lexikon (lexical database) nach; Daelemans spezifiziert dieses Lexikon
jedoch nicht näher.
Da naive Segmentierungsalgorithmen aus komplexitätstheoretischer Sicht zu aufwendig
sind, macht Daelemans bei der Zerlegung Gebrauch von einer Reihe von Heuristiken (vgl.
Daelemans (1987:59f)):
� Zeichenketten, die kürzer als der kürzeste oder länger als der längste Lexikoneintrag
sind, werden nicht nachgeschlagen
� Zeichenketten, die nicht den Bedingungen der holländischen Morphemstruktur genügen,
werden ebenfalls nicht im Lexikon gesucht.

Kapitel 1: Einführung
Nach Daelemans gelingt es mit Hilfe dieser Heuristiken, die Anzahl der Lexikonaufrufe in
den Grenzen einer Funktion der Ordnung O(n) zu halten (n = Länge des Eingabewortes).
Die möglichen Segmentierungen der Eingabekette werden an einen nachgeschalteten Parser
übergeben. Dieser Parser, der in erster Linie für die Analyse von Komposita konzipiert ist,
greift zurück auf eine morphologische Grammatik, die aus Regeln wie der in Abb. 1.10 wiedergegebenen
besteht:
Rule Noun = x + Noun
If x = Noun
Then x = one of Singular Noun, Plural Noun, Diminutive Plural Noun
If x = Adjektive
Then x = one of Normalform Adjective, Inflected Adjektive
If x = Verb
Then x = Present Singular First Verb
Abb. 1.10: Regel der morphologischen Grammatik (vgl. Daelemans (1987:61))
Parser und Segmentierer sind als Prozeduren einem Konzept POSSIBLE-WORD-FORM zugeordnet.
Die Funktionsweise des Parsers wird auch nicht näher beschrieben; es ist jedoch in
Anbetracht der morphologischen Regeln anzunehmen, daß es sich um ein traditionelles,
regelbasiertes Parsverfahren handelt.
Weiter oben habe ich angedeutet, daß sich die Regeln des Parsers auf die Regularitäten der
Komposition im Holländischen beziehen. Hieraus ergibt sich die Frage, wie flektierte Wortformen
behandelt werden.
Daelemans plädiert in diesem Zusammenhang dafür, alle flektierten Formen (also beispielsweise
bei Verben alle Konjugationsformen) in das Lexikon aufzunehmen. Sein Argument
für diese Ansicht geht in die Richtung, daß heutzutage die Speichertechnologien und
Suchalgorithmen so ausgereift sind, daß es ohne Schwierigkeiten möglich ist, große Mengen
an Wortformen einfach abzuspeichern, was eine vereinfachte morphologische Analyse, die
sich auf die produktiven Aspekte der Wortbildung konzentriert, zur Folge habe.
Dieser Standpunkt ist insofern interessant, als man ihm nicht den Vorwurf machen kann, er
vernachlässige die Abbildung sprachlicher Regularitäten innerhalb des Systems. Daelemans
schlägt nämlich vor, die Flexionsformen einer Grundform nicht manuell zu erstellen, sondern
sie durch ein regelgeleitetes Synthesesystem, wie es weiter oben vorgestellt wurde,
automatisch erzeugen zu lassen.
Auch wenn diese Auffassung einiges für sich hat – Synthese ist im Bereich der Morphologie
einfacher als Analyse –, so ergeben sich natürlich Probleme bei Sprachen wie dem Finnischen,
wo die Anzahl der flektierten Formen sehr groß sein kann. Wollte man auf die vorgeschlagene
Weise ein Vollformenlexikon mit einem realistischen Bestand an finnischen Verben
erzeugen, so stieße man auch bei modernsten Rechnersystemen an die Grenzen ihrer
Kapazität.
Der nächste Einwand betrifft das Zerlegungsverfahren. Um den Parser, der auf Regeln wie
der in Abb. 1.10 gezeigten basiert, einzusetzen, muß das zu analysierende Wort zunächst in
seine morphematischen Bestandteile zerlegt werden. Daelemans (1987) verwendet hierzu
einen extrem einfachen Algorithmus, der in seiner Grundform sukzessiv Teilzeichenketten
vom Wortanfang her abspaltet, im Lexikon nachschlägt und diese Teilketten rekursiv einer
weiteren Zerlegung unterwirft. Nun ist leicht zu sehen, daß eine Zeichenkette der Länge n
2 n-1 verschiedene Dekompositionen in Teilstrings zuläßt. Wenn man als Beispiel die Zeichenkette
abcd betrachtet, so erhält man als Zerlegungen { (abcd), (a,bcd), (ab,cd), (abc,d), (a,b,cd),
18

Kapitel 1: Einführung
(a,bc,d), (ab,c,d), (a,b,c,d) }, d.h. 8 = 2 4-1 Zerlegungen. 12 Ist nun jede Zerlegung auch nur mit
einem Lexikonzugriff verknüpft, erhält man einen Algorithmus der Komplexität O(2 n ), d.h.
man hätte es schon im Bereich der Morphologiekomponente mit exponentiellen Laufzeiten
zu tun. Daelemans hat dieses Problem erkannt und verwendet daher die weiter oben bereits
betrachteten Heuristiken, um nicht jede während der Segmentierung auftretende Teilkette
im Lexikon nachschlagen zu müssen. Dazu ist natürlich zu sagen, daß Heuristiken dieser
Art keine hundertprozentige Gültigkeit aufweisen, da beispielsweise im Deutschen durchaus
monographematische Morpheme existieren, vgl. a- in asymmetrisch. Was schwerer wiegt,
ist jedoch der Einwand, warum eine zwingend vorhandene Informationsquelle wie das Lexikon
nicht aktiv für die Segmentierung eingesetzt wird. Das dies möglich ist, möchte ich in
Kapitel 4 demonstrieren.
Mein letzter Kritikpunkt betrifft den Status des Prinzips der Objektorientierung in den beiden
Modellen (Synthese und Analyse). Während dieses Prinzip im Fall des Synthesemodells
Teil der linguistischen Beschreibung ist, ist es bezüglich des Analysemodells nur ein softwaretechnisches
Mittel zur Strukturierung des Programms. Bei dem Analysemodell handelt es
sich m.a.W. um kein objektorientiertes System auf der Beschreibungsebene.
Ohne die Leistung Daelemans schmälern zu wollen – seine Arbeit behandelt diesen Bereich
ja nur als einen unter mehreren anderen der Sprachtechnologie –, so bleibt doch festzuhalten,
daß eine objektorientierte Analysekonzeption mit ganz anderen Problemen konfrontiert
ist als denjenigen, denen sich das Synthesemodell zu stellen hat, bei dem schließlich die Umsetzung
der sprachlichen Seite in das Paradigma der Objektorientierung relativ nahe liegt 13 .
1.2.5 Lexikalische Regeln
Zum Schluß dieser Sichtung des Forschungstandes möchte ich noch auf eine Technik eingehen,
die mit der Konzeption von Daelemans (1987) verwandt ist und fester Bestandteil des
Methodeninventars von unifikationsbasierten Grammatikformalismen geworden ist (vgl.
z.B. Shieber (1986) und Pollard/Sag (1987).
Hiernach konstituieren lexikalische Regeln und die eigentlichen Lexikoneinträge das Lexikon.
Lexikalische Regeln, die verwandt sind mit den Redundanzregeln in der Konzeption
von Jackendoff (1975) 14 , bestehen aus einer Eingabespezifikation, die festlegt, auf welche
Lexikonelemente die Regel angewendet werden kann und einer Ausgabespezifikation, die
die Eigenschaften des aufgrund der Regelanwendung neu entstandenen Wortes festhält.
Lexikalische Regeln erzeugen demnach aus einem vorhandenen Wort ein neues Wort. Entscheidend
für diese lexikalischen Regeln sind variable Elemente in beiden Spezifikationen,
mit deren Hilfe Eigenschaften des Ursprungswortes, die die Regel selbst nicht festlegt, auf
das neue Wort überträgt. Wie man sieht, ist dies die gleiche Analyse-durch-Synthese-Idee
wie bei Daelemans (1987). Lexikalische Regeln werden meist nicht nur für die Erzeugung
von Flexionsformen verwendet, sondern auch für die Derivation von Basiskategorien und
für Operationen wie der Passivierung. Abb. 1.11 zeigt eine solche Regel, die die Passivform
eines transitiven Verbs erzeugt und gleichzeitig dessen Argumentliste verändert, während
Abb. 1.12 die Erzeugung von be-Präfixverben aus Simplexverben demonstriert.
12 Auch wenn man nur die verschiedenen Teilstrings über alle Zerlegungen hinweg betrachtet, kommt
n
man auf eine Zahl von �i =
i�1
n n ( ) �1
, also eine Funktion der Ordnung O(n
2
2 ) .
13 Dies ist Daelemans durchaus bewußt; vgl. Daelemans/De Smedt (1994:152)
14 Wenn ich es recht verstehe, sind Jackendoffs Redundanzregeln inhärent relational, während die hier
besprochenen lexikalischen Regeln eher prozedural aufzufassen sind.
19

PHON 1
PAST-PART
2
SYN|LOC|SUBCAT
Kapitel 1: Einführung
�
PHON PSP ( 1 , 2 )
f
SYN|LOC|SUBCAT
, 4 >
20
graph
syn
head
be-prefixable-Verb be-Verb
�
be�
2
1
3
>
subcat < 3 , 4 >
Abb. 1.12: Lexikalische Regel zur Argumentdiathese bei be-Verben (aus Dörfler/Hanneforth (1995))
Die Regel in Abb. 1.12 erfaßt den systematischen Zusammenhang zwischen einer ganzen
Reihe von Simplexverben und ihren mit be- präfigierten Ableitungen, vgl. (3)
(3) Er gießt [ NP Wasser] [ PP auf die Blumen]
Er begießt [ NP die Blumen] [ PP mit Wasser]
Die Eingabespezifikation links vom Pfeil legt u.a. fest, daß sie nur auf Verben der Klasse
be-prefixable-Verb 15 anwendbar ist.
Lexikalische Regeln dieser Art werden nun meist so verwendet, daß sie während einer
Kompilationsphase offline auf alle passenden Lexikoneinträge angewendet werden und das
Lexikon auf diese Weise erweitert wird, was mengentheoretisch einer Hüllenbildung gleichkommt.
Die eigentliche morphologische Analyse besteht dann lediglich noch aus Lexikonzugriffen.
Die Vor- und Nachteile dieser Methode sind im wesentlichen die gleichen wie bei der Konzeption
von Daelemans (1987). Durch Ausdehnung des Verfahrens auf die eigentliche Wortbildung
ergibt sich jedoch ein neues Problem. Während die Behandlung der Derivation noch
praktikabel ist, stellt sich das Problem, daß die Komposition – anders als die Derivation 16 –
durch rekursive Mechanismen charakterisiert ist, die es unmöglich machen, eine Obergrenze
für die Maximallänge eines Kompositums festzulegen. M.a.W.: die Komposition ist im Deutschen
potentiell unendlich, womit sich eine offline-Anwendung von lexikalischen Regeln
von selbst verbietet. Wenn man also lexikalische Regeln zur Beschreibung von Flexion und
Derivation verwenden möchte, so benötigt man in jedem Fall noch einen Mechanismus, der
online die Analyse von Komposita vornimmt. Aber auch dann ergibt sich noch das Problem,
wie zusammengesetzte Wörter wiederum in den Mechanismus der Flexion eingehen kön-
15 Dies wird durch Zuordnung der betreffenden Verben zu dieser Klasse sichergestellt.
16 Eine Ausnahme hierzu ist jedoch die Präfixableitung mit vor- oder anti-, die iteriert werden kann:
z.B. Vorversion, Vorvorversion (vgl. Krieger (1994)).

Kapitel 1: Einführung
nen, der schließlich vor der eigentlichen Analyse vonstatten geht. Als Lösung hierfür muß
man davon ausgehen, daß beispielsweise die Komposition bereits flektierte Wortformen mit
unflektierten Stämmen kombiniert.
Ein weiteres Problem ergibt sich aus dem theoretischen Status der lexikalischen Regeln. Wie
auch schon von Krieger (1994) bemerkt worden ist, fallen diese aus dem Rahmen der Unifikationsgrammatiken
heraus. Ihre Struktur ist von gänzlich anderer Art als alle anderen Beschreibungsmittel
dieses Grammatiktyps, weswegen ein Verzicht auf lexikalische Regeln zu
größerer Durchsichtigkeit des Formalismus führen würde.
Letztendlich stellt sich noch das Problem der Reihenfolge der Anwendung von kaskadenförmig
anwendbaren Regeln. Dieses Problem erinnert an die Schwierigkeiten mit der Regelanwendung
in frühen Versionen der Transformationsgrammatik, was mit dazu beigetragen
hat, diese Grammatiken obsolet werden zu lassen.
1.3 Fazit
Welches Fazit ist aus der vorangegangenen Kurzdarstellung des Forschungsstandes zu ziehen,
insbesondere vor dem Hintergrund des Ziels dieser Arbeit, ein einheitliches Analysemodell
für alle wesentlichen Aspekte der Flexion und Wortbildung zu entwickeln?
Bei den genuinen Analysemodellen sind die „Steinzeitmethoden“ der „algorithmischen Linguistik“
von vornherein auszuschließen, da sie ganz einfach heutigen Standards in bezug
auf Deklarativität etc. (vgl. Kapitel 2) nicht genügen. Modernere Konzeptionen, wie beispielsweise
die von Finkler/Neumann (1986), bieten Vorteile, wie beispielsweise Trennung
von Daten und Algorithmus, sind jedoch noch allzu sehr dem Ziel der Lemmatisierung verhaftet.
Die Two-Level-Morphologie stellt demgegenüber wiederum einen Fortschritt dar, da
sie das Problem Deflexion in ein sauber definiertes Automatenmodell einbettet und somit
auf Morphkombinatorik reduziert. Dennoch weist die Two-Level-Morphologie einige
Nachteile auf:
� Um grammatisch gesteuerte Two-level-Regeln zu realisieren, ist sie entweder auf eine
Erweiterung des Formalismus oder auf arbiträre diakritische Zeichen auf dem Lexikonband
angewiesen, dies zeigen auch existierende Implementationen.
� Sie setzt auf einer Ebene zu tief an, da sie – zumindest in ihrer Originalform – wortinterne
Strukturen, die für die Semantik von Wörtern von Belang sind, nicht identifizieren kann.
Die Analyse-durch-Synthese-Modelle, hier vertreten durch die Konzeption von Daelemans
(1987) und die Idee der lexikalischen Regeln, sind in linguistischer Hinsicht durchweg weiter
entwickelt. Letztendlich müssen diese Ansätze jedoch vor dem Wortbildungsmittel der
Komposition scheitern, da Komposition auf keinen Fall während einer Lexikonaufbau- bzw.
Kompilationsphase abgehandelt werden kann.
Die Schlußfolgerungen, die ich daraus ziehe, sehen folgendermaßen aus:
� Da man ohnehin einer Parser benötigt, um Komposita zu analysieren, verzichtet man auf
lexikalische Regeln und dergleichen und konzipiert diesen Parser auch im Hinblick von
Flexion und Derivation; hieraus ergibt sich eine klarere Grundkonzeption.
� Man benötigt mit Sicherheit ein mehrstufiges Analyseverfahren, um einerseits Wörter zu
zerlegen und die Zulässigkeit von Morphemkombinationen zu überprüfen und andererseits
syntaktische und semantische Beziehungen zwischen den isolierten Morphemen offenzulegen.
Wünschenswert wäre es, diese verschiedenen Stufen nicht sequentiell hintereinander
zu schalten, sondern eng miteinander zu verzahnen, um Restriktionen einer höheren
Ebene bereits auf einer tieferen zur Verfügung zu haben.
21

1.4 Methodisches
Kapitel 1: Einführung
Naturgemäß hat man bei der Realisierung eines natürlichsprachlichen Systems eine Reihe
von Entwurfsentscheidungen zu treffen, die weitreichende und augenblicklich kaum zu
übersehende Folgen haben können. Man ist daher gut beraten, schon vor der Modellierung
einer Domäne auf dem Computer einen Kriterienkatalog aufzustellen, an dem verschiedene
Formalismen und Vorgehensweisen gemessen und bewertet werden können.
Vorschläge für derartige Kriterien wurden in der Literatur schon geäußert. In Shieber (1985:
193ff.) werden beispielsweise drei Hauptkriterien vorgeschlagen:
� Linguistic felicity: inwieweit eignet sich der Formalismus, Konzepte und Generalisierungen
der linguistischen Beschreibung und Theoriebildung konzis auszudrücken?
� Expressivness: ist der Formalismus ausdrucksstark genug, um die linguistisch motivierten
Analysen auszudrücken?
� Computational effectiveness: ist der Formalismus prozedural interpretierbar und, falls dies
der Fall ist, von welcher Komplexität sind die interpretierenden Algorithmen?
Aus diesen Hauptkriterien lassen sich eine Reihe von konkreteren Kriterien wie Deklarativität,
Modularität, Einfachheit, Mächtigkeit, mathematische Erschlossenheit, Implementierbarkeit
etc. ableiten.
Die wesentliche Entwurfsentscheidung, die zu treffen ist, betrifft den Grundcharakter des
Formalismus: soll er deklarativ, prozedural oder eine Kombination dieser beiden Extreme
sein? Unbeschränkt prozedurale Konzeptionen scheiden aus einer Reihe von Gründen, die
z.T. bereits in der Kritik an Alternativansätzen zur morphologischen Analyse zur Sprache
kamen, von vornherein aus. Gegen sie ist einzuwenden:
� sie sind bei den Komplexitäten, wie sie natürlichsprachliche Systeme im allgemeinen aufweisen,
konzeptuell nicht durchsichtig genug und daher relativ schwer zu verstehen.
� sie sind, wenn sie auf einer der üblichen Programmiersprachen beruhen, hinsichtlich ihrer
Ausdrucksstärke viel zu unbeschränkt.
Deklarative Konzeptionen sind aus einer ganzen Reihe von Gründen geeigneter, um
sprachlichen Phänomenen gerecht zu werden. Damit sie jedoch in ein operationales Modell
eingebettet werden können, müssen sie eine prozedurale Interpretation zulassen. Deklarativität
bedeutet darüber hinaus, daß der Formalismus soweit mathematisch verstanden ist,
daß detaillierte Aussagen über die Komplexität der Interpretationsalgorithmen möglich
sind, da nur so ein Vergleich verschiedener Ansätze durch Abstraktion von Details durchführbar
ist. Die beiden grundlegenden Formalismen, auf denen das hier vorgestellte Analysemodell
basiert, sind nun:
� endliche Automaten bzw. Transducer
� typisierte Merkmalsstrukturen
Während ein modifizierter endlicher Automat und eine Reihe von Transducern die Segmentierung
von möglicherweise zusammengesetzten Wörtern vornehmen, dient eine
Grammatik auf der Grundlage von typisierten Merkmalsstrukturen zusammen mit einem
Chart-Parser zur Analyse der Wortstruktur und zur Bedeutungskonstruktion. Beide Formalismen
sind sehr gut untersucht und (relativ) effizient zu implementieren, was sie zur ersten
Wahl für die gestellte Aufgabenstellung werden ließ.
22

1.5 Zum Aufbau der Arbeit
Kapitel 1: Einführung
Die restliche Arbeit gliedert sich in zwei weitere Teile und dem (unvermeidlichen) Kapitel
„Zusammenfassung“:
� Teil I: Grundlagen (Kapitel 2 und 3)
� Teil II: Modellierung (Kapitel 4 und 5)
Teil I wird zunächst die formalen und linguistischen Grundlagen für das Projekt legen. Kapitel
2 führt in den gewählten Beschreibungsformalismus der typisierten Merkmalsstrukturen
ein, während sich Kapitel 3 der linguistischen Seite der Aufgabenstellung zuwendet und
einen Überblick über Theorien zur Wortbildung und Morphologie im generativen Rahmen
gibt. In den sich anschließenden Kapiteln werde ich versuchen zu zeigen, wie diese Theorien
innerhalb der Computerlinguistik gewinnbringend nutzbar gemacht werden können.
Kapitel 4 in Teil II erläutert dann das Modell der morphologischen Analyse en detail und
zeigt, wie generative Grammatiktheorien mit computerlinguistischen Fragestellungen verbunden
werden können. Kapitel 5 beschreibt im Anschluß daran eine Morphologie- und
Wortbildungsgrammatik und macht auch Aussagen darüber, welchen Beitrag sie für den
Bereich des robusten Parsens leisten kann.
Kapitel 6 schließlich versucht, kritisch der Frage nachzugehen, inwieweit die in Kapitel 1
gestellten Ansprüche vom vorgestellten System erfüllt werden und welche Verbesserungsmöglichkeiten
noch bestehen.
23

2 Merkmalsstrukturen
Kapitel 2: Merkmalsstrukturen
Merkmalsstrukturen – auch Attribut-Wert-Strukturen genannt – haben sich nach einem Entwicklungsprozeß
als lingua franca der heutigen Computerlinguistik herauskristallisiert. Sie
bieten eine Reihe von Vorteilen (vgl. auch Shieber (1985)):
• Deklarativität
• Unabhängigkeit des Ergebnisses von der Berechnungsreihenfolge
• Mathematische Erschlossenheit
• Mächtigkeit
Nicht zuletzt gibt es eine Reihe von hochentwickelten Werkzeugen – beispielsweise CUF
(Dörre et al. (1996)) – die zur Entwicklung von Sprachverarbeitungsanwendungen zur Verfügung
stehen.
Diese Vorteile gaben den Ausschlag, das hier vorgestellte Modell ebenfalls auf der Grundlage
von Merkmalsstrukturen – genauer typisierten Merkmalsstrukturen – zu entwerfen. Der
nachfolgende Abriß der Theorie typisierter Merkmalsstrukturen orientiert sich an Carpenter
(1992), ist jedoch nicht vollkommen voraussetzungslos gehalten. Shieber (1986) führt alle
zum Verständnis notwendigen Begriffe ein, die hier aus Platzgründen nicht definiert werden
können.
2.1 Typisierte Merkmalsstrukturen
Typisierte Merkmalsstrukturen stellen eine Verbesserung gegenüber untypisierten Merkmalsstrukturen
(vgl. Shieber (1986)) dar:
• In Verbindung mit festgelegten Typisierungs- und Appropriateness-Bedingungen (s.u.)
kann für jede Merkmalsstruktur festgestellt werden, ob sie in einem wohldefinierten Sinn
korrekt und vollständig ist.
• Typisierung erlaubt, unzulässige Merkmale und Merkmalswerte zu erkennen.
Aber auch aus implementatorischer Perspektive ergeben sich einige Vorteile:
• Durch die Typisierung kann für jede Merkmalsstruktur während einer Kompilationsphase
der von ihr beanspruchte Speicherplatz berechnet und beim Zugriff auf bestimmte
Attribute von effizienten Record-Offset-Adressierungsverfahren Gebrauch gemacht
werden.
• Die wichtigste, jedoch aufwendige Operation in Zusammenhang mit Merkmalstrukturen,
die der Unifikation (s.u.), kann in vielen Fällen vermieden werden, wenn die zu unifizierenden
Strukturen typeninkompatibel sind, was sich durch eine einfache Tabellenoperation
feststellen läßt.
• Nicht zuletzt erleichtert Typisierung, analog zur Festlegung von Datentypen in imperativen
Programmiersprachen wie Pascal, die Feststellung von semantischen Fehlern etc.
während der Implementierungsphase eines Grammatikmodells.
(Typisierte) Merkmalsstrukturen werden üblicherweise als endliche Automaten formalisiert.
Eine typisierte Merkmalsstruktur über einer Menge von Typen Type und einer endlichen
Menge von Merkmalen Feat ist dabei ein 4-Tupel F = , wobei gilt: 1
1 Zur Notation: Typen werden immer fett und kursiv wiedergegeben, MERKMALE in Kapitälchen.
24

Kapitel 2: Merkmalsstrukturen
• Q ist eine endliche Menge von Knoten (Zuständen);
• q0 ∈ Q ist der Wurzelknoten (Startzustand);
• θ : Q � Type ist eine (totale) Funktion, die jedem Knoten einen Typ zuordnet;
• δ : Feat × Q � Q ist eine partielle Funktion.
F sei die Menge aller typisierten Merkmalsstrukturen.
Abb. 2.1 zeigt eine typisierte Merkmalsstruktur in Automatennotation.
Abb. 2.1: Eine typisierte Merkmalsstruktur in Automatennotation
Die Übergangsfunktion δ überführt Zustände und Merkmalsnamen in andere Zustände, d.h.
Knoten im Graph. Sie kann in naheliegender Weise für sog. Pfade – Elemente aus Feat* - zu
einer Funktion δ‘ verallgemeinert werden:
1. δ‘ (ε , q) = q
2. δ‘ (fπ , q) = δ‘(π, δ( f, q))
Meist werden Merkmalsstrukturen jedoch in sog. Matrix-Schreibweise repräsentiert; die
Merkmalsstruktur aus Abb. 2.1 sähe dann wie folgt aus:
CAT: vp
HEAD: VFORM: finite
phrase
AGR: PERSON:
NUMBER:
head agr
third
plural
Abb. 2.2: Eine typisierte Merkmalsstruktur in Matrixnotation
Gilt für zwei verschiedene Pfade r und s δ’(r, q) = δ’(s, q), so heißen diese beiden Pfade reentrant.
Reentranz wird in Matrixform durch sog. Tags wie 1 ausgedrückt, die am Ende der
reentranten Pfade hinzugefügt werden.
Manchmal ist es nötig, sich auf Substrukturen einer Merkmalsstruktur zu beziehen. Hierzu
definiert man eine partielle Funktion @ : F × Feat � F mit den folgenden Eigenschaften:
@ F = , falls δ(F, q0) = q0‘, Q’ ⊆ Q die Menge der von q0‘ erreichbaren
Zustände ist und θ’ und δ’ entsprechend die Einschränkungen von θ und δ auf Q’ sind. Ist δ
für q0 und F nicht definiert, so ist auch @ undefiniert.
25

Kapitel 2: Merkmalsstrukturen
Die Menge der Typen Type wird zuvor festgelegt und ergibt sich aus einer Klassifikation der
Objekte des Beschreibungsbereichs. Die dabei verwendeten Methoden sind Gegenstand des
nächsten Abschnitts.
2.2 Typsysteme
Entscheidend ist, daß die einzelnen Typen aus Type nicht beziehungslos nebeneinander existieren,
sondern – ähnlich wie bei den objektorientierten Programmiersprachen – in sog.
Vererbungshierarchien organisiert sind.
Abb. 2.3 zeigt eine solche Hierarchie, wie sie im Modell zur Beschreibung der verschiedenen
Typen von morphologischen Formativen verwendet wird (vgl. Kapitel 5).
unknown_stem
simple_stem complex_stem
simple_or_complex_stem
linking_morph pre_syntactic_atom affix
morph_object syntactic_atom
morph_or_syn_object
top
infl_affix derivative
suffix
prefix
Abb. 2.3: Ausschnitt aus einer Vererbungshierarchie zur Beschreibung der deutschen Morphologie
Demnach weist beispielsweise der Typ affix die Subtypen suffix und prefix auf.
Durch Kanten mittelbar oder unmittelbar verbundene Typen stehen – je nach Sichtweise – in
einer Super- bzw. Subtypbeziehung zueinander. Ein allgemeinster Typ, üblicherweise Top
(>) genannt, wird eingeführt, um einen Typ zu schaffen, der zu allen Typen des zu beschreibenden
Bereichs in einer Supertypbeziehung steht; diese Beziehung wird auch als Subsumption
bezeichnet. Hiernach subsumiert ein Typ A einen Typ B (symbolisch A v B), wenn A
allgemeiner ist als B (also A ein Supertyp von B ist) bzw. B von A erbt. Top subsumiert demnach
alle anderen Typen aus Type.
Die Subsumptionsbeziehung bildet eine partielle Ordnung über Type und ist daher :
1. reflexiv: ∀t: t v t
2. antisymmetrisch: ∀s,t: s v t ∧ t v s → t = s
3. transitiv: ∀s,t,u: s v t ∧ t v u → s v u
26

2.2.1 Konstruktion von Typsystemen
Kapitel 2: Merkmalsstrukturen
Es gibt nun eine Reihe unterschiedlicher Möglichkeiten, Typsysteme für Merkmalsstrukturen
zu definieren. Die nachfolgend beschriebene definiert ein Typsystem als eine Menge von
sog. Typformeln, die aus atomaren Typen und aussagenlogischen Konnektiven aufgebaut
sind:
Die Menge der Typformeln über einer Menge von atomaren Typen AtomType läßt sich als
die kleinste Menge charakterisieren, die folgendes enthält:
• Jeder atomare Typ aus AtomType ist eine Typformel.
• Wenn T, T1 und T2 Typformeln sind, dann sind auch ¬T, (T1 ∧ T2), (T1 ∨ T2), (T1 ↔ T2),
(T1 | T2) und (T1 → T2) Typformeln.
In Typsystemen gebrauchte Typformeln lassen sich dabei in drei Gruppen einteilen:
• Subtyp: T1 → T2 („T1 ist Subtyp von T2“)
• Äquivalenz: T1 ↔ T2 („T1 und T2 sind äquivalent“)
• Disjunktheit: T1 | T2 (die Typen T1 und T2 sind disjunkt)
Eine Teilmenge der Typformeln heißt auch eine Menge von Typaxiomen bzgl. AtomType.
Beispiel 2.1:
Ein Ausschnitt der in Abb. 2.3 dargestellten Hierarchie kann durch folgende Typaxiome
wiedergeben werden:
morph_or_syn_object → >
affix ↔ prefix | suffix
suffix ↔ infl_affix | derivative
Die Konnektive für Implikation, Äquivalenz und Disjunktheit lassen sich in üblicher Weise
eliminieren:
t1 → t2 ≡ ¬ t1 ∨ t2
t1 ↔ t2 ≡ t1 → t2 ∧ t2 → t1
t1 | t2 ≡ ( t1 ∨ t2 ) ∧ ¬ ( t1 ∧ t2 )
Ergänzt werden die Typaxiome durch eine Menge von Merkmalseinführungsaxiomen der Form
(t, t1, ..., tn ∈ AtomType):
t :: F 1 : t1 ∧ F 2 : t2 ∧ ... ∧ F n : tn
Dieses Axiom hält fest, daß für den Typ t die Merkmale F 1 bis F n angemessen sind und der
Wertebereich dieser Merkmale auf die Typen t1 bis tn beschränkt ist. Merkmalseinführungen
vererben sich dabei auch auf alle Subtypen von t. Wird ein Merkmal F durch mehr als einen
Typ eingeführt, so handelt es sich um ein sog. Polyfeature. Im weiteren soll jedoch davon
abgesehen werden.
27

Kapitel 2: Merkmalsstrukturen
Beispiel 2.2:
In der morphologischen Grammatik werden für die Typen morph_or_syn_object und
morph_object folgende Merkmalseinführungsaxiome definiert:
morph_or_syn_object ::
GRAPH: list ∧
SYN: syntax ∧
SEM: semantics
morph_object ::
MORPH: morph ∧
STRUCTURE: list
Da morph_object ein Subtyp von morph_or_syn_object ist, erbt er dessen Merkmale.
Die Erfüllbarkeit einer Typformel kann nun analog zum Erfüllungsbegriff der Aussagenlogik
definiert werden, indem die atomaren Typen als atomare Formeln interpretiert werden.
Eine Typformel T ist erfüllbar, wenn es eine Belegung M für die atomaren Typen aus T mit w
bzw. f gibt, so daß M(T) = w ist; der Wahrheitswert komplexer Formeln bestimmt sich in
bekannter Weise aus den Wahrheitswerten der Teilformeln und den Wahrheitstafeln der
Konnektive; man schreibt in gewohnter Form auch M T.
Mit Hilfe der Erfüllbarkeit läßt sich auch die Subsumptionsrelation v zwischen zwei Typen t1
und t2 definieren. Es sei Σ das zugrundegelegte Typaxiomssystem, d.h. die Menge der
Typaxiome. Man sagt, t1 subsumiert t2 in Σ, symbolisch t1 v t2, wenn die Formel t2 → t1 eine
logische Folgerung aus Σ ist.
Die Unifikation zweier Typen t1 und t2 – symbolisch t1 t t2 – ist definiert, wenn Σ ∪ { t1 ∧ t2 }
erfüllbar ist; andernfalls gilt t1 t t2 = ? („?“ steht für den inkonsistenten Typ).
2.3 Subsumption
Nicht nur für Typen, sondern auch für Merkmalsstrukturen kann man eine Subsumptionsrelation
definieren: Subsumption definiert dann eine partielle Ordnung über Merkmalsstrukturen
hinsichtlich ihres Grads an Spezifizität. Intuitiv gesprochen subsumiert eine
Merkmalsstruktur A eine andere Merkmalsstruktur B (notiert als A v B), wenn A allgemeiner
ist als B oder - anders formuliert - wenn die Menge der von B charakterisierten Objekte des
Diskursuniversums eine Teilmenge der von A beschriebenen bildet. Formal kann Subsumption
als Homomorphismus zwischen zwei Merkmalsstrukturen definiert werden, die
durch deterministische endliche Automaten gegeben sind.
Definition 2.1: Subsumption zweier Merkmalsstrukturen
Eine Merkmalsstruktur F = subsumiert eine Merkmalsstruktur F’ =
gdw. es eine totale Funktion h: Q � Q’ gibt, so daß gilt:
1. h(q0 ) = q’0
2. θ(q ) v θ‘(h(q)) für alle q ∈ Q
3. h(δ (F, q)) = δ‘(F, h(q)) für alle q ∈ Q und Merkmale F, für die δ(F, q) definiert ist.
28

Beispiel 2.3: Subsumption
AGR: PERS:
sign
in Automatendarstellung:
agr
und sign v phrase, agr v agr, 1 v 1
Kapitel 2: Merkmalsstrukturen
1
gdw.
sign phrase
PERS:
AGR:
NUM:
agr
phrase
Die Subsumption zweier Merkmalsstrukturen wird demnach auf das Vorhandensein eines
Homomorphismus und die im vorigen Abschnitt definierte Typensubsumption zurückgeführt.
2.4 Beschreibungslogik
An dieser Stelle angekommen könnte man nun versuchen, grammatische Prozesse und Phänomene
durch typisierte Merkmalsstrukturen zu beschreiben. Es zeigt sich aber, daß Merkmalsstrukturen
in mancher Ansicht zur adäquaten Beschreibung des Gegenstandsbereichs
noch zu kurz greifen:
1. Häufig tritt der Fall auf, daß Lexikoneinträge und phrasale Elemente hinsichtlich gewisser
Merkmale wie beispielsweise Kasus unterspezifiziert, d.h. letztendlich disjunktiv spezifiziert
sind. Dieser Disjunktion hinsichtlich der Merkmalswerte läßt sich ohne Erweiterung
des formalen Apparats nur so begegnen, daß man sie auf die Gesamtstruktur überträgt,
daß man also z.B. einer Wortform wie Haus mit Kasuswert Nominativ, Akkusativ
oder Dativ statt einer Merkmalsstruktur drei verschiedene zuordnet, was natürlich dazu
führt, daß gleichbleibende Merkmalswerte in unnötiger Weise dupliziert werden. Treten
mehrere Disjunktionen an verschiedenen Fällen auf, so ergibt sich somit ein exponentielles
Anwachsen der Zahl der Merkmalsstrukturen bei der Ausmultiplikation, was letztendlich
zu schweren Verarbeitungsproblemen führt.
29
1
sing

Kapitel 2: Merkmalsstrukturen
2. Die Möglichkeit, Merkmalswerte zu negieren, kann zur konzisen Beschreibung des Phänomenbereichs
beitragen. Hierbei kann man zwei verschiedene Anwendungsbereiche
unterscheiden (vgl. Carpenter (1992:111):
• Abkürzende Negation: Eine Struktur [CASE: ¬gen] kann vor dem Hintergrund eines
Typsystems - allerdings auf Kosten der Beschreibungskürze - durch eine endliche
Disjunktion von Werten [CASE: nom ∨ acc ∨ dat] repräsentiert werden. Dieser abkürzende
Gebrauch der Negation reduziert sich daher auf die Disjunktion.
• Nicht-abkürzende Negation: Diese läßt sich nicht auf die beschriebene Weise reduzieren
und wird dann verwendet, wenn ausgedrückt werden soll, daß zwei verschiedene
Pfade in einer Struktur F in keiner Struktur F’, die F erweitert, reentrant, d.h. tokenidentisch
werden können.
Disjunktion und Negation können nun nicht ohne weiteres in den Formalismus der typisierten
Merkmalsstrukturen integriert werden. Auf der anderen Seite waren diese Operationen
von vornherein Bestandteil von Logiken wie der Aussagenlogik, so daß die Lösung für
das oben beschriebene Integrationsproblem im Wechsel von der Ebene der Merkmalsstrukturen
auf eine logische Ebene liegt. Hierzu haben Kasper und Rounds (1986) eine Beschreibungslogik
für untypisierte Merkmalsstrukturen entwickelt; sie wird hier in der Version von
Smolka (1992) wiedergegeben, die um Typen und Variablenbindungen erweitert worden ist.
Die Formeln der Beschreibungslogik (auch Merkmalsterme bzw. feature terms genannt) bezüglich
einer Menge Feat von Merkmalsnamen, einer Menge AtomType von atomaren Typen
und einer Menge Var von Variablen sind gegeben durch die kleinste Menge Desc, die
folgendes enthält:
• > („Top“)
• ? („Bottom“)
• X (für alle X ∈ Var)
• t für alle t ∈ AtomType
• F : φ, wobei F ∈ Feat
• ( φ ∧ ψ )
• ( φ ∨ ψ )
• X ≈ φ (X ∈ Var)
• ¬ (φ)
• π 1 = π 2
• s(φ 1 ,..., φ n ) (für φ 1 ... φ n ∈ Desc, n ≥ 0)
Bottom ? bezeichnet einen inkonsistenten Merkmalsterm, d.h. denotiert die leere Menge.
Die Metasymbole φ und ψ bezeichnen Merkmalsterme, π1 und π2 sind Pfade aus Feat*.
X ≈ φ repräsentiert die Bindung des Merkmalsterms φ an die Variable X; hiervon wird vor
allen Dingen bei der Konstruktion von Normalformen (s.u.) Gebrauch gemacht.
Teilformeln der Form π 1 = π 2 sind sog. Pfadgleichungen. Neben Variablen dienen sie dazu,
reentrante Merkmalsstrukturen zu charakterisieren.
Beispiel 2.4:
F:a ∧ F = G hat in seinem Denotat beispielsweise
folgende Merkmalsstruktur:
30
F: 1 a
G: 1

Kapitel 2: Merkmalsstrukturen
Das Symbol s ist ein sog. Sortensymbol, welches durch Argumente parametrisiert werden
kann. Sorten werden durch eine Menge von Sortenklauseln
() ←
eingeführt und können als Funktionen (doch s.u.) aufgefaßt werden, die in Abhängigkeit
von ihren Parametern Merkmalsterme zurückgeben. Der eine Sorte s definierende Merkmalsterm
T kann andere Sortensymbole oder auch direkt oder indirekt wiederum s enthalten;
letzterer Typ von Sorte heißt auch rekursiv. Die Argumente einer Sortendefinition werden
auch formale Parameter genannt. Die Verwendung einer Sorte in einem Merkmalsterm
heißt auch Sortenaufruf, dessen Argumente werden aktuelle Parameter genannt.
Zur Vereinfachung der in Abschnitt 2.4.2 beschriebenen Bildung von Normalformen werden
noch folgenden Bedingungen für Sortendefinitionen festgelegt:
a) Die formalen Parameter φ i einer Sortendefinition dürfen keine Disjunktionen enthalten.
Dies ändert nichts an der Ausdrucksfähigkeit des Formalismus, da etwaige Disjunktionen
durch alternative Klauseln einer Sortendefinition repräsentiert werden können.
b) In den formalen Parametern vorkommende Variablen dürfen nicht negiert sein.
c) Die φ i sowie der rechts von ← stehende Merkmalsterm sind selbst konsistent, d.h. denotieren
nicht-leere Mengen (s.u.).
Sorten werden nun in grammatischen Beschreibungen auf zweifache Weise eingesetzt:
a) Nicht-rekursive Sorten spielen die Rolle der Templates von PATR-II (vgl. Shieber (1986a)),
d.h. ein immer wiederkehrender Merkmalsterm T kann durch einen Funktionsaufruf
einer Sorte s ersetzt werden, der genau zu T evaluiert.
Beispiel 2.5:
third_sing ← agr(3,sing)
agr(Person,Number) ← SYN:HEAD:AGR:(PERSON:Person ∧ NUMBER:Number)
lex(“kennt“) ← FORM:“kennt“ ∧ SYN:HEAD:CAT:verb ∧ third_sing
b) Rekursive Sorten können dazu verwendet werden, Beziehungen in rekursiv spezifizierten
Merkmalsstrukturen zu erfassen:
Beispiel 2.6:
append(elist, L) ← L
append(HEAD:H ∧ TAIL:T, L) ← HEAD:H ∧ TAIL:append(T, L)
Die Attribute HEAD und TAIL kodieren den Kopf bzw. Rest einer Liste. Beispielsweise wird
die Liste [a,b,c] als HEAD:a ∧ TAIL:(HEAD:b ∧ TAIL:(HEAD:c ∧ TAIL:elist)) repräsentiert; elist
steht dabei für die leere Liste.
Sorten können darüber hinaus mit einer Typdeklaration der Form
s(t1,...,tn) -> t
versehen werden. Da die aktuellen und formalen Sortenparameter mit diesen Typen kompatibel
sein müssen, können Typisierungsfehler frühzeitig schon während der Überset-
zungsphase
erkannt werden.
31

Kapitel 2: Merkmalsstrukturen
Beispiel 2.7:
Die oben beschriebene Sorte append/2 kann durch folgende Typdeklaration ergänzt werden:
append(list, list) -> list
Gibt man keine Typdeklaration an, so wird die Sorte implizit mit
s(>,...,>) -> >
typisiert.
Sorten sehen wie Funktionen aus (sie werden daher in den folgenden Kapiteln auch immer
wieder Funktionen genannt), sie sind aber Relationen, bei denen ein Argument, der Resultatparameter,
besonders hervorgehoben ist. Sie sind keine Funktionen, da sie nichtdeterministisch
sein können, also mehr als ein Ergebnis als „Funktionswert“ zurückgeben.
2.4.1 Semantik von Merkmalstermen
Eine Möglichkeit, Merkmalsterme zu interpretieren, sind sog. Merkmalsalgebren (engl. feature
graph algebras):
Eine (erweiterte) Merkmalsalgebra relativ zu einer Menge Feat von Merkmalen, einer Menge
Type von Typen und einer Menge Sorts von Sortensymbolen ist ein Tripel , wobei
D eine nicht-leere Menge und θ D eine totale Funktion der Form θ D : D � Type ist, die jedem
Element aus D einen Typ zuweist.
I, die Interpretationsfunktion, weist jedem Merkmal F aus Feat eine einstellige partielle
Funktion I(F) 2 : D � D zu. Merkmale werden demnach als unäre Funktionen gesehen. Dar-
über hinaus ordnet I jedem n-stelligen Sortensymbol s eine n+1-stellige Relation Rs zu; die
letzte Argumentstelle dient zur Repräsentation des „Funktionsergebnisses“ einer Sorte.
Setzt man nun D mit der Menge der typisierten Merkmalsstrukturen F gleich und fordert
darüber hinaus, daß
• F I (A) = A’ gdw. A@ F = A’ und
• θ D (A) = θ(q0), falls A =
gilt, so erhält man eine sog. Merkmalsgraphalgebra. Vor dem Hintergrund solcher Merkmalsgraphalgebren
kann dann die Denonat einer Formel der Beschreibunglogik φ in Form einer
Menge von Merkmalsgraphen (also Merkmalsstrukturen) angegeben werden. Für Einzelheiten
dazu möchte ich auf Smolka (1992) und Carpenter (1992) verweisen.
2.4.2 Normalformen
Die von einem Merkmalsterm denotierte Menge kann, in Abhängigkeit von der gewählten
Menge D, unendlich groß sein. Beispielsweise ist die von einem Typ list denotierte Menge
unendlich und umfaßt alle Merkmalsgraphen, die entweder vom Typ elist (leere Liste) sind
oder vom Typ nelist (nicht-leere Liste) mit den Merkmalen HEAD und TAIL. Damit stellt sich
die Frage, wie man Mengen von Merkmalsgraphen auf endliche Weise charakterisiert (vgl.
auch Johnson (1988, 1994)). Eine Möglichkeit hierzu ist natürlich der (endliche) Merkmalsterm
selbst, wobei es zweckmäßig ist, ihn in eine Normalform, hier DNF, zu bringen, um
festzustellen, ob er überhaupt eine nicht-leere Menge denotiert. Wenn dies der Fall ist, dann
kann aus jedem Disjunkt der DNF direkt ein Merkmalsgraph in Matrixnotation abgelesen
werden.
2 I(F) wird im folgenden der Einfachheit halber als F I geschrieben.
32

Kapitel 2: Merkmalsstrukturen
Dies leistet folgendes System von logischen Äquivalenzen (nach Carpenter (1992), adapiert
an das verwendete aussagenlogische Typsystem und den Sortenmechanimus): 3
1. Konnektive
a) >∨ φ ≡ > >∧ φ ≡ φ
b) ?∨ φ ≡ φ ? ∧ φ ≡ ?
c) φ ∧ ψ ≡ ψ ∧ φ φ ∨ ψ ≡ ψ ∨ φ Kommutativität
d) (φ ∧ ψ) ∧ ξ ≡ (φ ∧ ψ) ∧ ξ (φ ∨ ψ) ∨ ξ ≡ (φ ∨ ψ) ∨ ξ Assoziativität
e) φ ∧ (ψ ∨ ξ) ≡ (φ ∧ ψ) ∨ (φ ∧ ξ) φ ∨ (ψ ∧ ξ) ≡ (φ ∨ ψ) ∧ (φ ∨ ξ) Distributivität
f) φ ∧ φ ≡ φ φ ∨ φ ≡ φ Idempotenz
g) (φ ∨ ψ) ∧ φ ≡ φ (φ ∧ ψ) ∨ φ ≡ φ Absorption
h) ¬¬ φ ≡ φ Doppelte
Negation
i) ¬ (φ ∧ ψ) ≡ ¬ φ ∨ ¬ ψ ¬(φ ∨ ψ) ≡ ¬ φ ∧ ¬ ψ DeMorgan-Regeln
j) ¬ (F : φ) ≡ ¬Domain(F) ∨ F :¬φ Merkmalsnegation
Die unter 1a) - 1i) aufgeführten Äquivalenzen entsprechen denen der Aussagenlogik. 1j) regelt
die Negation eines Merkmal-Wert-Paares. Da Merkmale partielle Funktionen denotieren,
heißt ¬(F : φ), daß entweder F I auf den Objekten des Denotats dieser Formel nicht definiert
ist, oder andernfalls zwar definiert ist, diese aber nicht in Objekte des Denotats von φ
abbildet. Domain(F) ist der Typ, auf dem F und damit F I definiert ist.
2. Pfadgleichungen
a)
b)
π = π ≡ π = π 1 2 2 1
π = π ∧ π = π ≡
1 2 2 3
π = π ∧ π = π ∧ π = π 1 2 2 3 1 3
Pfadsymmetrie
Pfadtransitivität
3. Pfad-Wert-Paare
a) π 1 :(π 2 : φ) ≡ (π 1 π 2 ):φ ≡ π 1 π 2 :φ Pfadassoziativität
b) π:? ≡ ? Inkonsistenz-
propagierung
c) π:φ ∧ π:ψ ≡ π:(φ ∧ ψ) π:φ ∨ π:ψ ≡ π:(φ ∨ ψ) Pfaddistributivität
d) π:(π 1 = π 2 ) ≡ π:π 1 = π:π 2
3b) sorgt für die Inkonsistenz eines Terms, der einen unter einem Pfad eingebetteten inkonsistenten
Subterm enthält.
4. Variablen
a) π :X ∧ π :Y ∧ X ≈ Y ≡
1 2
π :X ∧ π :Y ∧ π = π 1 2 1 2
b) π :X ∧ π :X ≡
1 2
π :X ∧ π = π 1 1 2
c) π: X ∧ X ≈ φ ≡ π: (X ∧ φ)
Eliminierung von
Variablenbindungen
Variablen-Pfad-
Äquivalenz
Eliminierung von VB
d) X ≈ Y ≡ Y ≈ X Symmetrie von
Variablenbindungen
e) X ≈ Y ∧ Y ≈ Z ≡
Transitivität von
X ≈ Y ∧ Y ≈ Z ∧ X ≈ Z
Variablenbindungen
3 φ, ψ, ξ bezeichnen beliebige Merkmalsterme; F, G ,... Merkmale; π, π1, π2 Pfade; X,Y, ... Variablen;
t, t1, t2 ... Typen.
33

Kapitel 2: Merkmalsstrukturen
f) X ≈ φ ∧ X ≈ ψ ≡ X ≈ (φ ∧ ψ) Konjunktion von
Variablenbindungen
g) X ≈ Y ∧ π: X ≡ X ≈ Y ∧ π: Y Substitution
h) π: (X ≈ φ) ≡ π:> ∧ (X ≈ φ) Propagierung einer
Variablenbindung
Die Äquivalenzen 4a) bis 4c) zeigen, daß Variablenbindungen und das Vorkommen identischer
Variablen zugunsten von Pfadgleichungen eliminiert werden können. 4h) zeigt, daß
die Bindung einer Variablen an einen Merkmalsterm nicht von der Einbettungstiefe abhängt.
Ein Beispiel soll einige der Äquivalenzen demonstrieren:
Beispiel 2.8:
Der Merkmalsterm F: X ∧ G:Y ∧ H: X ∧ X ≈ Y kann wie folgt transformiert werden:
F: X ∧ G:Y ∧ X ≈ Y ∧ H: X ≡ (4a)
F: X ∧ G:Y ∧ F = G ∧ H: X ≡ (4b)
F: X ∧ G:Y ∧ F = G ∧ F = H ≡ (2a,b)
F: X ∧ G:Y ∧ F = G ∧ F = H ∧ G = H
5. Typen
a) t1 ∧ t2 ≡ φ wobei
φ = ? , falls t1 t t2 = ?
φ = t1 , falls t1 t t2 ≠ ? und t2 v t1
φ = t2 , falls t1 t t2 ≠ ? und t1 v t2
φ = t1 ∧ t2, andernfalls
5a) regelt die Umsetzung zweier Typen t1 und t2. Ist deren Unifikation definiert, so ist das
Ergebnis t1 ∧ t2 , andernfalls ?. Subsumiert einer der Typen den jeweils anderen, so kann
dieser Ausdruck auf den jeweils spezifischeren Typ reduziert werden.
Beispiel 2.9:
Vor dem Hintergrund des folgendes Typaxiomsystems
affix ↔ prefix | suffix
cat ↔ nominal | verbal
gilt beispielsweise:
affix ∧ suffix ≡ suffix
suffix ∧ nominal ≡ suffix ∧ nominal
prefix ∧ suffix ≡ ?
34

Kapitel 2: Merkmalsstrukturen
6. Merkmalseinführung („Monofeatures“)
a) F: φ ≡ t ∧ F :(φ ∧ t1) falls es ein Merkmalseinführungsaxiom
t :: ... ∧ F : t1 ∧ ... gibt
Die Äquivalenz 6a) regelt die Typisierung von Merkmalsstrukturen. Wird in einer Formel
ein Merkmal F gebraucht, so wird zu dieser Formel derjenige Typ t konjugiert, dem dieses
Merkmal angemessen ist. 6a) geht allerdings davon aus, daß jedes Merkmal von genau einem
Typ eingeführt wird. Im Falle der oben erwähnten Polyfeatures muß die Äquivalenz
folgendermaßen aussehen (vgl. auch König (1998)):
6. Merkmalseinführung (allg. Fassung)
a’) F : φ ≡ (t1 ∨ ... ∨ tn) ∧ F : φ ∧
(t1 → F : t1’) ∧ ... ∧ (tn → F : tn’ ) 4
falls es Merkmalseinführungsaxiome
t1 :: ... ∧ F : t1’ ∧ ... bis
tn :: ... ∧ F : tn’ ∧ ... gibt
Ein Merkmal F bewirkt demnach das Hinzufügen einer Disjunktion derjeniger Typen, die F
einführen. In Abhängigkeit vom „zutreffenden“ Typ wird dann der Typ von F gemäß des
Merkmalseinführungsaxioms festgelegt.
Sortendefinitionen entsprechen in naheliegender Weise der Definition von Hornklauseln in
Programmiersprachen wie Prolog, d.h. ein Sortenaufruf wird mit dem Kopf einer Sortendefinition
in Übereinstimmung gebracht und dann durch den Rumpf der Definition ersetzt.
Das Problem bei der Verwendung von Sorten ist, daß sich Bindungen von Merkmalstermen
an die Variablen der formalen Sortenparametern auf den Merkmalsterm im Sortenrumpf
auswirken können. Die Situation wird dadurch noch komplizierter, daß auch Bindungen
über Variablen möglich sind, die in den aktuellen Parametern eines Sortenaufrufs und
außerhalb davon vorkommen.
Beispiel 2.10:
Gegeben seien die folgenden Sortendefinitionen:
s 1 (X ∧ G:b) ← X
s 2 (F:a) ← G:b
und die auszuwertenden Merkmalsterme:
1. s 1 (F:a)
2. X ∧ s 2 (X)
Im Falle von 1. wird die Variable X an F:a ∧ G:b gebunden und im Rumpf substituiert, so daß
der Term zu F:a ∧ G:b äquivalent ist.
Bei 2. wird X durch den formalen Sortenparameter von s2 an F:a gebunden, so daß der Term
zu F:a ∧ G:b evaluiert werden kann (s.u.).
Die Sachlage wird auch noch dadurch komplexer, daß im Sortenaufruf Disjunktionen enthalten
sein und Variablen in den formalen Sortenparametern und im Sortenrumpf mehrfach
4 Die Implikationen können in der üblichen Weise eliminiert werden und dienen nur der größeren
Anschaulichkeit.
35

Kapitel 2: Merkmalsstrukturen
vorkommen können. Zudem ist die Bindung von Variablen an Terme nicht wie im herkömmlichen
prädikatenlogischen Resolutionsverfahren (vgl. Chang/Lee (1973), Schöning
(1989)) durch ihre feste Position innerhalb eines Terms festgelegt, sondern ergibt sich erst
durch eine Normalisierung des Merkmalsterms. Dies soll im folgenden konkreter gemacht
werden.
7. Sorten
a) s(φ 1 ,...,φ n ) ≡
(Eval(, s(ψ 1,1 ,..., ψ 1,n ) ← ψ 1 , s(t1,...,tn) -> t))
∨ .... ∨
(Eval(, s(ψ k,1 ,..., ψ k,n ) ← ψ k , s(t1,...,tn) -> t))
falls es Sortendefinitionen
s(ψ 1,1 ,..., ψ 1,n ) ← ψ 1 bis
s(ψ k,1 ,..., ψ k,n ) ← ψ k
u. eine Typdeklaration für s
s(t1,...,tn) -> t gibt
Bevor die Funktion Eval genauer erläutert wird, benötigt man noch eine spezielle Version
von disjunktiver Normalform, genannt VDNF, die es erlaubt, Variablenbindungen in den
formalen Parametern einer Sortenklausel deutlich zu machen. Ein Merkmalsterm ist in
VDNF, wenn er die Form φ 1 ∨ φ 2 ∨ ... ∨ φ k (k ≥ 1) hat und für jedes Disjunkt φ i (das aus einer
Konjunktion von literalen Merkmalstermen (s.u.) besteht) gilt:
• Es seien X 1 ... X m die Variablen unter den Konjunkten in φ i .
Ist m > 0, dann hat φ i die Form [X 1 ∧ (φ i,1 ∧ ... ∧ φ i,l )] ∧ ... ∧ [X m ∧ (φ i,1 ∧ ... ∧ φ i,l )], andernfalls
die Form φ i,1 ∧ ... ∧ φ i,l . Dies ist aufgrund der Assoziativität und Kommutativität von ∧ in
jedem Falle möglich.
• „Untergeordnete“ Konjunktionen sind aufgrund der Äquivalenz 3c) soweit wie möglich
unter Pfade eingebettet. Beispielsweise wird F:a ∧ F:b zu F :(a ∧ b).
• Terme der Form X ≈ φ wurden aufgrund der Äquivalenz 4c) beseitigt.
Jedes maximale Konjunkt T der Form X ∧ (φ 1 ∧ ... ∧ φ l ) für l ≥ 1 (die φ i sind keine Variablen)
heißt auch Variablenbindung für X bzgl. T. Ist l = 0, dann heißt die Variable ungebunden. Die
Variablenbindung für X bzgl. eines Merkmalsterms ψ (=ψ 1 ∨ ... ∨ ψ k ) in VDNF, Bind(X, ψ), ist
φ 1 ∨ ... ∨ φ m für alle Variablenbindungen X ∧ φ i in den ψ j (1 ≤ i ≤ k). Ist X ungebunden in ψ,
dann ist Bind(X, ψ) = >.
Schließlich ist die Variablenbindung für X bzgl. einer Menge S von Merkmalstermen in VDNF,
formal BindS(X, S), die Konjunktion aller Bind(X,ψ) für ψ ∈ S. BindS wird gebraucht, um die
Bindung einer Variablen X zu erfassen, die in mehr als einem formalen Parameter einer Sorte
s vorkommt.
Beispiel 2.11:
Bind(X, (X ∧ F:a) ∨ (X ∧ G:b) ) = F:a ∨ G:b
BindS(X, { (X ∧ F:a) ∨ (X ∧ G:b), X ∧ H:c } ) = ( F:a ∨ G:b ) ∧ H:c
Es liegt auf der Hand, daß Variablenbindungen hier die gleiche Rolle wie die Variablensubstitution
bei prädikatenlogischen Termen fester Stelligkeit spielen.
Die Variablen in einer Sortendefinition s(ψ 1 ,...,ψ n ) ← ψ können in drei Gruppen eingeteilt
werden:
1. solche, die nur in ψ vorkommen
2. solche, die nur in ψ 1 ,...,ψ n vorkommen
3. solche, die in ψ und ψ 1 ,...,ψ n vorkommen
36

Kapitel 2: Merkmalsstrukturen
Variablen der ersten Gruppe müssen bei der Auswertung eines Sortenaufrufs nicht besonders
behandelt werden, solange sie nicht auch in dem Term auftreten, der den Sortenaufruf
enthält; dem kann durch Variablenumbenennung begegnet werden. Die Variablen unter 2.
können – wenn sie in mehr als einem der ψ i vorkommen –, zu Inkonsistenzen und damit
einer Nichtanwendbarkeit einer Sortendefinition führen. Zusätzlich dazu müssen bei den
Variablen unter 3. noch Substitutionen im Sortenrumpf durchgeführt werden.
Es sei S eine Menge von Merkmalstermen. Vars(S) sei die Menge aller Variablen, die in den
Termen in S vorkommen.
Eval gibt einen Merkmalsterm zurück und ist wie folgt definiert:
Algorithmus 2.1: Evaluation eines Sortenaufrufs
Eingabe Die aktuellen Parameter φ ,...φ eines Sortenaufrufs,
1 n
eine Sortendefinition s(ψ ,..., ψ ) ← ψ und
1 n
eine Typdeklaration s(t1,...,tn) -> t
Ausgabe Ein Mermalsterm
Verfahren 1
2
function Eval(, s(ψ ,..., ψ ) ← ψ, -> t): Desc
1 n 1 n
begin
3
4
Rename the variables in ψ ,...,ψ , ψ consistently
1 n
such that they have names which were never used before
5 for i = 1 to n do begin
6
7
8 end
ϕ = VDNF(φ ∧ ψ ∧ ti)
i i i
if ϕ = ? then return(?)
i
9
10
11
12
13
14
15
16
17
18
19
20
21
end
for all V ∈ Vars({ϕ 1 ,...,ϕ n }) do begin
σ V = BindS(V,{ϕ 1 ,...,ϕ n })
if σ V = ? then return(?)
if ψ contains V once then
replace V in ψ by σ V
else if ψ contains V more than once then
replace the first occurence of V in ψ by V ∧ σ V
if V ∈ Vars({φ 1 ,...φ n }) then
let ψ = ψ ∧ V ≈ σ V
end
return(ψ)
Algorithmus 2.1: Evaluierung eines Sortenaufrufs s(φ1,...φn)
Die Schleife von 5-8 bildet die VDNF der Konjunktion von den korrespondierenden formalen
und aktuellen Parametern mit dem für die jeweilige Argumentstelle gegebenen Typen.
Resultiert daraus eine Inkonsistenz, so gibt Eval ebenfalls ? zurück, was die Nichtanwendbarkeit
der gegebenen Sortendefinition signalisiert. Dies ist beispielsweise bei einem Sortenaufruf
s(F:a) und einer Sortendefinition s(F:b) ← G:a der Fall, falls die Typen a und b nicht
unifizierbar sind.
In der Schleife von 10-18 wird dann für jede Variable V in den ϕ i deren Bindung σ V ermittelt.
Erscheint V im Sortenrumpf ψ, so wird ihr erstes Auftreten durch σ V ersetzt; für die weiteren
Vorkommen ist das nicht mehr nötig. Zusätzlich wird an das Ergebnis für jede Variable, die
in den aktuellen Parametern ϕ i vorkam, ein Ausdruck der Form V ≈ σ V hinzugefügt, um
Bindungen dieser Variablen in den den Sortenaufruf enthaltenden Term zu „tragen“, was im
folgenden Beispiel noch einmal demonstriert werden soll:
37

Kapitel 2: Merkmalsstrukturen
Beispiel 2.12:
Gegeben seien die folgenden Sortendefinitionen s(F:a) ← G:b und der auszuwertende Merkmalsterm
H:X ∧ s(X). Die Typisierung der Sorte s sei hier vernachlässigt.
Ausgewertet wird: Eval(s(X), s(F:a) ← G:b , ... )
Variablenbindung für X: σ X = F:a
Ergebnis von Eval: G:b ∧ X ≈ F:a, d.h. der Gesamtterm ist: H:X ∧ G:b ∧ X ≈ F:a
Dies kann mit 4c) vereinfacht werden zu: H:(X ∧ F:a) ∧ G:b
Man sieht daran, daß X ≈ φ nicht äquivalent zu X ∧ φ ist. Wäre dies der Fall, dann wäre das
Ergebnis in Beispiel 2.12 gleich H:X ∧ G:b ∧ X ∧ F:a, ein zyklischer Term.
Anstelle eines formalen Beweises, der wiederum außerhalb des Rahmens einer solchen
Übersicht liegt, sollen nochmals die vier Basisfälle beim Sortenaufruf charakterisiert weren5
d :
SortenSorten- Resultat von
Kommentar
definitionaufruf Eval
1. s(a) ← ψ s(a) ψ Die formalen Parameter und der Aufruf der
Sorte enthalten keine Variablen
⇒ der Aufruf wird literal durch den
Sortenrumpf ersetzt
2. s(a) ← ψ s(X) ψ ∧ X ≈ a Die formalen Parameter enthalten keine
Variablen, anders als der Aufruf der Sorte.
⇒ der Aufruf wird literal durch den Sortenrumpf
ersetzt, hinzu tritt aber noch eine Aufzeichnung
der Bindung von X, da X außerhalb
des Sortenaufrufs auftreten kann.
3. s(X) ← ψ[X] s(a) ψ[X/a] Eine Variable X aus einem formalen
bzw. Parameter kommt im Rumpf der
ψ[X/X ∧ a] Sortendefinition ein- oder mehrfach vor. Der
aktuelle Parameter enthält keine Variable.
⇒ Je nachdem ob X in ψ einfach oder mehrfach
vorkommt, wird es durch a bzw. X ∧ a
ersetzt.
4. s(X) ← ψ[X] s(Y) ψ[X/Y] ∧ Y ≈ X Variablen kommen sowohl in den formalen
bzw. als auch aktuellen Parametern vor.
ψ[X/X∧Y] ∧ Y≈X ⇒ Je nachdem ob X in ψ einfach oder mehrfach
vorkommt, wird es durch Y bzw.
X ∧ Y ersetzt.
Tabelle 2.1: Basisfälle bei der Verwendung einer Sorte
5 ψ[X] bedeutet, daß X in ψ vorkommt.
38

Kapitel 2: Merkmalsstrukturen
Das nächste Beispiel demonstriert nochmals die Fälle 2 und 4 von Algorithmus 2.1.
Beispiel 2.13
Der Sortenaufruf append(HEAD:a ∧ TAIL:elist, HEAD:b ∧ TAIL:elist) soll in DNF gebracht werden.
Die Definition der Sorte append/2 sei hier nochmals wiedergegeben:
append(elist, L) ← L
append(HEAD:H ∧ TAIL:R, L) ← HEAD:H ∧ TAIL: append(R, L)
Als Typdeklaration für append/2 wird angenommen:
append(list,list) -> list (=T append )
append(HEAD:a ∧ TAIL:elist, HEAD:b ∧ TAIL:elist) ≡
(Eval(, append(elist, L) ← L, T append ) ∨
(Eval(,
append(HEAD:H ∧ TAIL:R, L) ← HEAD:H ∧ TAIL: append(R, L), T append ) ≡
(wegen Inkonsistenz des ersten Disjunkts und 1b)
Eval( ,
append(HEAD:H ∧ TAIL:R,L) ← HEAD:H ∧ TAIL: append(R, L), T append )
Die Normalisierung der Sortenargumente (Zeilen 5-8 von Algorithmus 2.1) liefert:
ϕ 1 = nelist ∧ HEAD:(H ∧ a) ∧ TAIL:(R ∧ elist)
ϕ 2 = L ∧ nelist ∧ HEAD:b ∧ TAIL: elist
Die Variablenbindungen von σ H , σ R und σ L sind:
σ H = a
σ R = elist
σ L = L ∧ nelist ∧ HEAD:b ∧ TAIL: elist
Die Substitution im Sortenrumpf liefert:
HEAD:a ∧ TAIL: append(elist, nelist ∧ HEAD:b ∧ TAIL: elist)
Durch Anwendung von Eval auf den neuen Sortenaufruf ergibt sich daraus:
HEAD:a ∧ TAIL:(HEAD:b ∧ TAIL:elist)
Hieraus läßt sich folgende Merkmalsstruktur konstruieren:
HEAD: a
HEAD: b
TAIL: TAIL:
nelist
nelist
39
elist

Kapitel 2: Merkmalsstrukturen
8. Totale Typisierung
a) t ≡ t ∧ F 1 : t1 ∧ F 2 : t2 ∧ ... ∧ F n : tn falls es ein Merkmalseinführungsaxiom
t :: F 1 :t1 ∧ F 2 :t2 ∧ ... ∧ F n :tn
gibt
Die unter 8. aufgeführte Äquivalenz entspricht dem Begriff der totalen Typisierung von Carpenter
(1992); sobald also eine Formel einen Typ t enthält, werden alle Merkmale, die diesem
Typ angemessen sind, hinzugefügt. Allerdings können Merkmalsterme vor dem Hintergrund
einer Menge von Typaxiomen mit sog. appropriateness loops im Sinne von Carpenter
(1992:98f) nicht total typisiert werden; solche liegen vor, wenn einem Typ t direkt oder indirekt
ein Merkmal angemessen ist, das als Werterestriktion wiederum t aufweist, also beispielsweise
t :: F : t.
Hier würde ein Typisierungsalgorithmus, der 8. verwendet, in eine Endlosschleife geraten.
Nicht jedes rekursive Typsystem führt allerdings zu diesen Problemen. Betrachtet man folgendes
Typsystem für den Typ list:
list ↔ elist | nelist
nelist :: HEAD:> ∧ TAIL: list
so sieht man, daß sich jede Formel, die die Merkmale HEAD bzw. TAIL enthält, total typisieren
läßt.
Beispiel 2.14:
Der Merkmalsterm HEAD:a kann durch 6a) und 8a) wie folgt transformiert werden:
HEAD:a ≡
HEAD:a ∧ nelist ≡
HEAD:a ∧ TAIL: list ∧ nelist
Darüber hinaus kann noch eine weitere Transformation auf einen Merkmalsterm φ angewandt
werden. Kommt eine Variable V in φ nur einmal vor, dann kann sie durch > ersetzt
werden. Hierzu muß allerdings der Merkmalsterm in seiner Ganzheit betrachtet werden. >
kann anschließend durch die Transformationen unter 1a) eliminiert werden.
Ähnliches gilt für Variablenbindungen der Form X ≈ ψ. Kommt die Variable X nochmals
(außerhalb einer anderen Variablenbindung) in einem Term φ vor, dann kann X ≈ ψ mittels
4c) und 4h) eliminiert werden; tritt X nicht in φ auf, kann die Bindung auch entfernt werden.
Beispiel 2.15:
X ∧ HEAD:a ∧ TAIL: list ≡ > ∧ HEAD:a ∧ TAIL: list ≡ HEAD:a ∧ TAIL: list
Es folgen noch einige Definitionen für später verwendete Begriffe:
Definition 2.1: Normalisierter konjunktiver Merkmalsterm
Ein normalisierter konjunktiver Merkmalsterm φ besteht aus einer Konjunktion von Literalen mit
den folgenden Eigenschaften:
• Literale sind Variablen, Typen, Pfad-Typ-Paare, Pfad-Variable-Paare und Pfadgleichungen.
• Negationen sind so weit wie möglich unter Pfade eingebettet, d.h. sie stehen vor einzelnen
Typen bzw. Variablen. Dies ist mit Hilfe von 1j) möglich.
40

Kapitel 2: Merkmalsstrukturen
• φ und jeder seiner Subterme enthält ein Konjunkt mit dem Typ des (Sub)terms.
• Einzeln vorkommende Variablen und Variablenbindungen wurden eliminiert.
Aus derartigen Merkmalstermen kann auf einfache Weise eine Merkmalsstruktur M konstruiert
werden: Pfad-Typ-Paare entsprechen den Pfaden von M, Pfad-Variable-Paare und
Pfadgleichungen den Koreferenzen in M, Typen den Typen der Substrukturen.
Definition 2.2: typenmaximaler Merkmalsterm
Ein typenmaximaler Merkmalsterm φ ist ein normalisierter konjunktiver Merkmalsterm, für den
zusätzlich gilt: Jeder in φ vorkommender Typ t ist maximal, d.h. hat selber keine Subtypen
mehr.
Beispiel 2.16:
Vor dem Hintergrund der in Kapitel 5 verwendeten Typenhierarchie ist
φ = SYN: (syntax ∧ HEAD: (noun ∧ CASE: case))
ein normaliserter konjunktiver Merkmalsterm.
φ ist jedoch nicht typenmaximal, da case noch die Subtypen nom, acc, gen und dat aufweist.
Typenmaximalität hat demnach etwas mit vollständiger Spezifikation einer Merkmalsstruktur
zu tun. Dem Merkmalsterm φ in Beispiel 2.15 „fehlt“ noch ein Wert für Kasus.
2.5 Phrasenstrukturregeln
Merkmalsterme können aufgrund des Sortenmechanismus dazu verwendet werden, kontextfreie
Phrasenstrukturregeln zu repräsentieren. Hierbei sind zwei generelle Vorgehensweisen
möglich:
a) Die Nichtterminalsymbole der kontextfreien Grammatik werden als Typen repräsentiert.
b) Die Nichtterminalsymbole werden zu Sorten.
Eine kontextfreie Regel X → Y1 Y2 ... Yk kann nach der ersten Möglichkeit wie folgt ausgedrückt
werden:
category ↔ x | y1 | y2 | ... | yk
cat(append(S 1 , append(S 2 , ... append(S k ) ... )) ←
x ∧
true(cat(S 1 ) ∧ y1 ) ∧
true(cat(S 2 ) ∧ y2 ) ∧
... ∧
true(cat(S k ) ∧ yk )
Lexikalische Einsetzungsregeln X→ w werden zu:
cat([w]) ← x
Die Sorte cat/1 ist eine Funktion cat: list � category, die eine Kette s auf ihre Kategorie C
abbildet, falls C ⇒* s bezüglich der gegebenen Grammatik G gilt.
Die Sorte true/1 ist wie folgt definiert:
true(>) ← >
41

Kapitel 2: Merkmalsstrukturen
d.h. true/1 ist eine konstante Funktion, die als Funktionswert die allgemeinste Beschreibung
> (top) zurückliefert; ihr eigentlicher Zweck besteht darin, die Konsistenz ihres Funktionsarguments
zu prüfen.
Beispiel 2.17:
Die Anfrage
true(append(L1,L2) ∧ [a,b,c]) ∧ [L1,L2]
ergibt alle Listen, die aus zwei Listen bestehen, deren Verkettung gerade [a,b,c] ergibt. Ohne
die Verwendung von true/1 wäre dieser Term inkonsistent, da die Konjunktion von [a,b,c]
und [L1,L2] inkonsistent ist.
Das folgende Beispiel zeigt, wie eine kontextfreie Grammatik mit Hilfe von true/1 umgesetzt
werden kann:
Beispiel 2.18:
Eine kontextfreie Grammatik G=
wird zu 6
category ↔ s | np | vp | v
cat(append(L1, L2)) ← s ∧ true(cat(L1) ∧ np) ∧ true(cat(L2) ∧ vp)
cat(append(L1, L2)) ← vp ∧ true(cat(L1) ∧ v) ∧ true(cat(L2) ∧ np)
cat([“Hans“]) ← np
cat([“Maria“]) ← np
cat([“kennt“]) ← v
Man kann auf die Verwendung von true/1 auch verzichten, wenn category ein Merkmal
einführt, das die von der betreffenden Kategorie dominierten Teilbäume enthält.
Beispiel 2.19:
category ↔ s | np | vp | v
category :: STRUCTURE: list
cat(append(L1, L2)) ←
s ∧
STRUCTURE: [np ∧ cat(L1), vp ∧ cat(L2)]
6 Im folgenden wird die Prolog-Schreibweise für Listen verwendet, d.h. [] steht für elist und eine
nicht-leere Liste nelist ∧ HEAD:H ∧ TAIL:T wird als [H|T] notiert.
42

Kapitel 2: Merkmalsstrukturen
Der zweite Weg macht aus jedem Nichtterminalsymbol N der Grammatik ein einstelliges
Sortensymbol:
n(append(S 1 , append(S 2 , ... append(S k ) ... )) ←
y1(S 1 ) ∧
y2(S 2 ) ∧
... ∧
yk(S k )
Lexikalische Einsetzungsregeln der Form N → w werden zu:
n([w]) ← >
Beispiel 2.20:
Die Grammatik des vorangegangenen Beispiels wird dann wie folgt umgesetzt:
s(append(L1, L2)) ← np(L1) ∧ vp(L2)
vp(append(L1, L2)) ← v(L1) ∧ np(L2)
np([“Hans“]) ← >
np([“Maria“]) ← >
v([“kennt“]) ← >
Diese beiden Verfahren sind ohne weiteres verallgemeinerbar auf nichtatomare Nichtterminalsymbole,
d.h. grammatische Kategorien in Form von Merkmalsstrukturen, die als Merkmalsterme
repräsentiert werden. Ebenso kann das aufwendige append/2 durch effizientere
Differenzlisten ersetzt werden. Hiervon wird im Kapitel 5 über die morphologische Grammatik
Gebrauch gemacht.
Regeln in merkmalsbasierten Grammatiken beziehen sich üblicherweise nicht nur auf die
Verkettung von Zeichenketten, sondern instantiieren grammatische Kategorien, bauen
Strukturen auf usw. Man kann sie daher in zwei Teile zergliedern: einen Teil, der die Verkettung
der Teilstrings regelt und einen, der weitere Bedingungen für die diesen Teilstrings
zugeordneten Strukturen spezifiziert:
X → Y 1 Y 2 ... Y k : conditions(X, Y 1 ,Y 2 , ..., Y k )
Dies sei äquivalent zu:
cat(P 0 ,P k ) ←
x ∧ X ∧
true(cat(P 0 ,P 1 ) ∧ y1 ∧ Y 1 ) ∧
true(cat(P 1 ,P 2 ) ∧ y2 ∧ Y 2 ) ∧
... ∧
true(cat(P k-1 ,P k ) ∧ yk ∧ Y k ) ∧
conditions(X, Y 1 ,Y 2 , ..., Y k )
Beide Notationen werden in Kapitel 4 und 5 verwendet.
43

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
3 Wortsyntax und Wortsemantik des Deutschen
Kapitel 3 faßt wesentliche theoretische Vorarbeiten aus den Bereichen Wortsyntax und
Wortsemantik zusammen und beurteilt sie nach ihrer Brauchbarkeit für ein Analysemodell.
Das Kapitel gliedert sich zunächst in die Gebiete Wortsyntax und Wortsemantik, wobei ersteres
der traditionellen Aufteilung der Morphologie in die Bereiche Derivation und Komposition
folgt. Ich möchte Flexion noch dazu nehmen, auch wenn dies inhaltlich ein anderer
Prozeß ist. Die vorgeschlagene Aufgliederung ist nicht immer glücklich, gerade in Anbetracht
von vereinheitlichenden Theorien wie die von Fanselow (1985) und Höhle (1982), hilft
aber dennoch, etwas Struktur in den Komplex Morphologie im weiteren Sinne hereinzubringen.
3.1 Wortsyntax
Der Begriff Wortsyntax impliziert, daß man Wörter nicht als unanalysierte Einheiten auffaßt,
sondern ihnen auf systematische Weise eine Struktur zuweist, die sowohl für ihre syntaktischen
wie auch semantischen Eigenschaften ausschlaggebend ist.
Wortsyntax in dem Sinne, daß man zusammengesetzte Wörter als strukturiert auffaßt, wird
von der traditionellen Grammatik nur auf durch Komposition entstandene Wörter angewandt.
Es ist jedoch in Anbetracht neuerer generativer Theorien sinnvoll, diesen Begriff
auch auf die Bereiche der Flexion und Derivation auszudehnen.
3.1.1 Flexion
Unter Flexion soll hier – in Anlehnung an Gallmann (1994) – die Bereitstellung von Wortformen
mit bestimmten Merkmalen verstanden werden. Diese „Definition“ ist nicht exakt
und muß noch weiter präzisiert werden. Wortformen (grammatische Wörter in der Terminologie
von Di Sciullo/Williams (1987)) sind Elemente einer aus drei Komponenten aufgebauten
Relation L = �* � SYN-FEATURES � SEM. Die erste Komponente ist durch die Laut-
bzw. Graphemkette (Signifiant-Merkmal) der Wortform gegeben, während die zweite bzw.
dritte aus den grammatischen bzw. semantischen Merkmalen der Form (Signifié-Merkmalen)
besteht.
Beispiel 3.1:
Die Wortform lachst ist durch folgendes Tupel gegeben:
.
Für die Graphemkette lachen gibt es hingegen drei Elemente in dieser Relation:
,
und
.
Wortformen dürfen daher nicht mit Laut- bzw. Graphemketten verwechselt werden.
Die Teilrelation L mit festgelegter dritter Komponente wird auch als Lemma, Lexem oder Wort
bezeichnet. Eine Funktion lemma ordnet einer Zeichenkette Z das Lemma von Z zu. Z heißt
auch Zitier- oder Nennform und benennt das Lemma. Als Nennform kann selbstverständlich
jeder beliebige Name gewählt werden; aus konventionellen Gründen verwendet man hierzu
jedoch bestimmte, möglichst unmarkierte Wortformen aus dem Lemma, beispielsweise die
Form Nominativ Singular bei Nomen oder die Infinitivform (bzw. den Stamm) bei Verben.
44

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Beispiel 3.2:
Das Lemma der Zitierform lachen (lemma(‘lachen’)) ist die Menge der Wortformen
L = { ,
... }.
Möchte man Lemmata nicht lediglich extensional – also durch Aufzählung der Elemente – ,
sondern nicht-extensional charakterisieren, so benötigt man ein Kriterium, welches die Zugehörigkeit
einer Wortform zu einem bestimmten Lemma festlegt. Traditionell wird hierfür
die Bedeutung einer Wortform herangezogen: ein Lemma besteht demzufolge aus der Menge
der Wortformen mit gleicher Bedeutung. Dieses Kriterium ist allerdings aus einer Reihe von
Gründen nicht ausreichend, um Lemmata korrekt zu charakterisieren, z.B.:
� die Formen lacht und lachte möchte man intuitiv im Lemma von lachen wissen, obwohl
zwischen ihnen ein Bedeutungsunterschied besteht
� es ist durchaus möglich, daß zwei Wortformen – im Fall von Synonymie – die gleiche
Bedeutung zukommt, sie aber dennoch zu verschiedenen Lemmata gezählt werden sollten,
z.B. Formen von rennen und laufen
Das Zugehörigkeitskriterium muß also zugleich restriktiver – durch Angabe von gemeinsamen
Signifiant-Merkmalen, beispielsweise eines gemeinsamen Stammes – als auch schwächer
– durch Abschwächung von Bedeutungsgleichheit zu Bedeutungsähnlichkeit – gefaßt
werden.
Strukturiert man ein Lemma nach den Merkmalen, die in der zweiten Komponente der Relation
L vorkommen, so erhält man ein Paradigma. Ein Paradigma ist nach traditioneller Auffassung
eine mehrdimensionale Tabelle, deren Dimensionen durch die Anzahl verschiedener
Kategorien wie Person, Numerus etc. gegeben sind. Ich möchte die Begriffe Lemma und
Paradigma auseinanderhalten, da Paradigmen im Gegensatz zu Lemmata strukturiert sind:
sie legen fest, welche Merkmale zur Unterscheidung von Wortformen herangezogen werden
und definieren hierdurch die tabellenartige Struktur, die auch Paradigmenlücken, Nichtexistenz
von Wortformen mit bestimmten Merkmalen, sichtbar macht. Während die SYN-
FEATURES-Komponente einer Wortform noch weitere, nicht-distinktive Merkmale enthalten
kann (z.B. Subkategorisierungsanforderungen), enthält die Tabelle des Paradigmas nur
distinktive, d.h. dimensionsbildende Merkmale.
Die Frage ist nun, welche Flexionskategorien man benötigt, um alle Wortformen, die man
intuitiv in einem Paradigma vereinigen möchte, zu charakterisieren.
Ich nehme, wiederum Gallmann teilweise (1994: Kap. 2.5) folgend, Merkmalskategorien an,
die sich in zwei Gruppen unterteilen lassen:
1. Morphosyntaktische Merkmale
2. Wortartmerkmale
Zu den morphosyntaktischen Merkmalen zählen u.a. Person, Numerus, Genus und Kasus.
Die Wortart zählt zu den Flexionskategorien, da sich Flexion in Änderungen der Wortart
bemerkbar machen kann, z.B. bei
� Nominalisierungen: lachen – (das) Lachen
� Substantivischer Verwendung von Adjektiven: der lachende Dritte
Der Begriff Bereitstellung in obiger Definition von Flexion läßt offen, ob die Wortformen
durch morphologische Aktivität entstehen oder durch einfaches Auslesen aus dem Lexikon
gewonnen werden. Während man ersteres für regelmäßig gebildete Formen annehmen darf,
45

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
dürfte letzteres für unregelmäßige bzw. suppletive Formen (z.B. die Flexionsformen von
sein) der Fall sein.
Gallmann (1994) führt noch die Gruppe der Selektionsmerkmale auf; diese scheinen mir jedoch
im Deutschen nicht distinktiv zu sein. Gallmann führt als Beispiele Phänomene auf, die
man besser syntaktisch erklärt, beispielsweise die Verwendung des Partizips II im Aktiv
und im Passiv:
(1)
a) Der Mann hat die Frau geliebt.
b) Die Frau wurde geliebt
Gallmann verwendet Selektionsmerkmale, um diese beiden Verwendungsweisen zu unterscheiden
und setzt somit für Partizipien wie geliebt zwei Wortformen an. Die systematische
Homonymie beider Formen deutet m.E. jedoch auf einen Unterschied in der syntaktischen
Verwendung einer einzigen Wortform geliebt hin, den man beispielsweise durch unterschiedliche
Subkategorisierungseigenschaften der Hilfsverben haben und werden erklären
kann, wie dies beispielsweise Heinz/Matiasek (1994) tun.
3.1.1.1 Modelle der Flexion
Hockett (1954) klassifizierte linguistische Modelle der Morphologie (er bezog sich aber auch
auf die phrasale Syntax) in drei Gruppen:
� Item-and-Arrangement-Modelle
� Item-and-Process-Modelle
� Word-and-Paradigm-Modelle
Da der in Kapitel 4 und 5 beschriebene Ansatz – wie auch die meisten computerlinguistischen
Modelle der morphologischen Analyse – der Item-and-Arrangement-Konzeption verhaftet
sind, möchte ich hier nur auf diesen Typ näher eingehen. Der nächste Abschnitt wird
allerdings ein interessantes Modell vorstellen, welches Eigenschaften der beiden anderen
Modelle in sich vereinigt.
Item-and-Arrangement-Modelle (z.B. Selkirk (1982)) fassen die grammatischen und semantischen
Eigenschaften von komplexen Wörtern als Funktion der Anordnung und der Eigenschaften
der nicht weiter zerlegbaren, morphematischen Grundbausteine auf. Dies führt im
allgemeinen zur Zuweisung von Konstituentenstrukturen an zusammengesetzte (grammatische)
Wörter, z.B.:
(2)
a)
stamm affix
frag st
b)
46
stamm affix affix
frag t est
Die Konstituentenstrukturen implizieren die Angabe eines expliziten oder impliziten Regelsystems,
mit denen sie erzeugt werden können. Explizite Regelsysteme sind von einer Reihe
von Autoren vorgeschlagen worden; der für die Flexion relevante Teil der Version von Di
Sciullo/Williams (1987:23) ist hier wiedergegeben:

(3)
Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
stem � stem af
stem � af stem
word � stem
Regeln dieser Art sind – wie ihre Pendants aus der Satzsyntax – i.a. dem sog. Binaritätsprinzip
verpflichtet, d.h. die rechten Seiten der Regeln enthalten höchstens zwei Kategorien.
Im Versuch der weiteren Angleichung von phrasensyntaktischen und morphologischen
Strukturen nimmt man weiterhin an, daß jede morphologische (Sub)Konstituente eine ausgezeichnete
Tochter besitzt, die die wesentlichen Eigenschaften der Konstituente besitzt und
daher Kopf der Konstituente genannt wird. Die merkmalsmäßige Übereinstimmung von einer
Konstituente mit ihrem Kopf kann dann mit Hilfe einer Merkmalsperkolationskonvention
(z.B. der Head Feature Convention der GPSG, Gazdar et al. (1985)) ausgedrückt werden.
Während sich Auffassung der Köpfigkeit von Strukturen in der Satzsyntax noch relativ
leicht nachvollziehen läßt, ist dies für morphologische Strukturen nicht ohne weiteres offensichtlich.
Welcher Bestandteil von (2a) ist der Kopf? Für die Wahl des Stamms (frag-) spricht,
daß das Gesamtwort ein Verb ist und auch seine semantischen Eigenschaften (u.a. den Argumentrahmen)
augenscheinlich vom Stamm erbt. Für das Affix -st spricht, daß es anscheinend
die morphosyntaktischen Merkmale Person und Numerus trägt, denen man in der
Phrasensyntax sogar den Status von Satzköpfen (INFL etc.) einräumt. Offenkundig tragen
Stamm und Affix gleichermaßen zu den syntaktischen und semantischen Eigenschaften des
komplexen Wortes bei. Dies gilt auch beispielsweise in (2b), wenn man annimmt, daß -t- der
Träger des Tempusmerkmals ist.
Möchte man nun an der Köpfigkeit von flektierten Wörtern festhalten – aus größtenteils
theorieinternen Gründen, wie ich meine – so bleibt einem nichts anderes übrig, als Köpfe
einfach positionell festzumachen, wie dies u.a. Williams (1981:248) vorschlägt:
(4)
Righthand Head Rule (RHR):
In morphology, we define the head of a morphologically complex word to be the righthand
member of the word.
Diese Regel ist nun kein grammatisches Prinzip, sondern eine empirische Generalisierung,
die zumindest für die indoeuropäischen Sprachen zutrifft (vgl. jedoch Scalise (1988), der
Gegenbeispiele im Italienischen beibringt). Trotz dieser positionellen Festlegung des Wortkopfes
ist damit noch nicht das oben diskutierte Problem aus der Welt geschafft, daß verschiedene
Morpheme Unterschiedliches zu den Gesamteigenschaften des Wortes beisteuern.
Anhänger der Wortkonstituentenstrukturtheorie tragen dem durch Definition von komplexeren
Merkmalsperkolationsbedingungen Rechnung, z.B. Selkirk (1982: 76):
(5)
a) If a head has a feature specification [�Fi], � � u, its mother node must be specified [�Fi],
and vice versa.
b) If a non-head has a feature specification [�Fj], and the head has the feature specification
[uFj], then the mother node must have the feature specification [�Fj].
47

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
(‘[uF]’ bedeutet ‘unmarkiert für Merkmal F’). Diese Bedingungen, die im übrigen bei Di
Sciullo/Williams (1987) unter der Bezeichnung relativized head 1 firmieren, besagen, daß sich
Merkmale von Nichtköpfen nach oben vererben können, solange der Kopf nichts anderes
über diese Merkmale aussagt, was sich technisch durch sog. Default-Unifikation realisieren
läßt. In (2b) ist also z.B. der Stamm der KopfArgumentstruktur und der KopfKategorie, das Tempusaffix
-t- der KopfTempus und das äußerste Flexionsaffix der KopfPerson/Numerus.
Allerdings entleert man hierdurch natürlich den Begriff Kopf seines Sinngehalts, da zu fragen
ist, welche Beschränkungen das Kopf-Prinzip den Wörtern überhaupt noch auferlegt.
Zudem wird rein kontextuell und nicht intrinsisch, d.h. im Lexikon festgelegt, was ein Kopf
in bezug auf ein bestimmtes Merkmal F ist.
Akzeptiert man jedoch dieses Prinzip, so kann man, wie auch in der Phrasensyntax, die
Phrasenstrukturkomponente prinzipiell eliminieren und durch Subkategorisierungsanforderungen
der Köpfe ersetzen (vgl. z.B. Lieber (1980), Gallmann (1990)). Köpfe legen nun fest,
welche Nicht-Köpfe zu ihnen hinzutreten können und welche Eigenschaften diese Nicht-
Köpfe aufweisen müssen. Dies ist attraktiv, da eine gewisse Redundanz in Wortstrukturregeln
und unabhängig davon notwendigen Kombinationsrestriktionen beseitigt wird, was zu
einem theoretisch einfacheren Beschreibungsapparat und einer weitgehenden Lexikalisierung
von Flexion (und Derivation) führt.
Die Einführung des Kopfbegriffs in die Flexionsmorphologie ist nun – wie schon gesagt –
nicht unproblematisch, insbesondere dann, wenn man die Flexionsstrukturregeln nicht als
einen unabhängig vorhandenen Mechanismus betrachtet und ihn – wie skizziert - durch
Subkategorisierungsanforderungen der Köpfe ersetzt.
Zum ersten führt dies zu einem äußerst liberalen Begriff von Argument, oder wie auch immer
man die Nicht-Köpfe auf der Wortebene nennen möchte. Man muß dann alle morphologischen
Beziehungen als Beziehungen zwischen Kopf und Nicht-Kopf abbilden, was zu
einigen Ungereimtheiten führt. Wie sollen beispielsweise semantische leere Morpheme behandelt
werden, wie z.B. das Partizip-II-Präfix ge-? Als Kopf wird man es kaum ansehen
können, folglich muß es etwas Subkategorisiertes sein, also ein „Argument“ oder ein Modifikator.
Beide Alternativen sind jedoch nicht zufriedenstellend, da der Beitrag dieses Präfixes
eben kein semantischer oder syntaktischer, sondern ein phonetischer ist. Das Problem stellt
sich im übrigen auch bei der Komposition in bezug auf die sog. Fugenelemente.
Diese Problemfälle können durch allgemeine kontextfreie Wortstrukturregeln vermieden
werden, da hier die Beziehungen zwischen Schwesterkonstituenten nicht unbedingt durch
weitere grammatische Grundprinzipien festgelegt werden und so eine größere deskriptive
Adäquatheit erreicht werden kann.
Die zweite Schwierigkeit ergibt sich daraus, daß sich, wie oben bereits zur Sprache kam, der
starke Kopfbegriff der Syntax wohl nicht halten läßt. Relativierte Köpfe führen zu verhältnismäßig
komplizierten Beziehungen zwischen den Wortbestandteilen. Beispielsweise wäre
in der Wortform fragtest der Stamm frag- der KopfArgumentstruktur, -t- der KopfTempus und -est der
KopfPerson/Numerus. Welche Elemente subkategorisieren nun welche anderen? Daß -t- den
Stamm subkategorisiert, erscheint mir unplausibel, wird aber von einigen Autoren, auch
solchen aus dem Bereich der Computerlinguistik, beispielsweise Trost (1991) angenommen.
Ein dritter Punkt betrifft leere Köpfe, die zur Wahrung der Einheitlichkeit des ganzen Ansatzes
notwendig zu sein scheinen. Es stellt sich z.B. die Frage, welche Komponenten in
Wortformen wie warf (1./3. Pers. Prät.) Träger der Person- und Numerusmerkmale sind.
Nimmt man an, daß der Verbstamm selbst hierfür markiert ist – was im Rahmen der Konzeption
des relativierten Kopfs durchaus möglich ist, da in Formen wie warfst ein weiter
1 Definition des relativierten Kopfs nach Di Sciullo/Williams (1987:26): „The headF [d.h. head für
Merkmal F; m.E.] of a word is the rightmost element of the word marked for the feature F.“
48

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
rechts stehendes und für die betreffenden Merkmale spezifiziertes Affix die Oberhand gewinnt
– so handelt man sich damit jedoch eine Inhomogenität im Lexikon ein, da dann einige
Verbstämme im Lexikon mit Person- und Numerusmerkmalen verzeichnet sind und
andere nicht. Die Alternative hierzu, leere Kategorien anzunehmen ist jedoch aus theoretischer
wie parstechnischer Hinsicht unattraktiv. Theoretisch deshalb, da leere Kategorien
hier basisgeneriert sind und nicht durch Bewegung entstehen und daher nicht durch ein
anderes overtes Element lizensiert sind. Aus der Perspektive des Parsings sind leere Köpfe
unerwünscht, da der Parser sie effizient nur mit Hilfe einer Top-Down-Komponente
(beispielsweise den Zustandsautomaten eines LR(k)- oder Earley-Parsers) identifizieren
kann, die wiederum eine Regelgrammatik voraussetzt.
Im nächsten Abschnitt wird ein Mischmodell vorgestellt, welches einerseits Züge eines itemand-process-Modells,
andererseits solche eines word-and-paradigm-Modells aufweist.
3.1.1.2 Minimalistische Morphologie
Der Begriff Minimalistische (Flexions-)Morphologie (vgl. z.B. Wunderlich (1992), Wunderlich/Fabri
(1994), Fabri et al. (1994)) bezieht sich auf Ansätze, die nicht einfach nur deskriptiv
angeben, welche Flexionsaffixe an welche Stämme herantreten können und welche morpho-syntaktischen
Merkmale der resultierenden Wortform zukommen, sondern auf solche,
die das Zustandekommen von Flexionsparadigmen aus einer Reihe von Wohlgeformtheitsprinzipien
erklären. Man könnte daher, in Anlehnung an neuere grammatische Theorien,
auch von prinzipienbasierter Morphologie reden.
Im folgenden sollen kurz wesentliche Züge dieses Ansatzes vorgestellt und nach ihrer
Brauchbarkeit für den Zweck der morphologischen Analyse, genauer der Deflexion, beurteilt
werden.
Das Lexikon des minimalistischen Modells enthält Stämme und Affixe. Verbale Flexionsaffixe
werden als Funktoren mit phonetischer Matrix angesehen, die Verbstämme subkategorisieren,
indem sie bestimmte Merkmalsspezifikationen des Verbstamms fordern. Hierzu verfügen
die Affixe über eine Eingabebedingung, die die Anforderungen festhält, die ein zulässiger
Verbstamm erfüllen muß. Affixe führen in einer Ausgabespezifikation neue Merkmale
ein, die die komplexe Wortform aus Stamm und Affix erhält, wenn der Stamm die in der
Eingabebedingung festgelegten Erfordernisse erfüllt.
Tabelle 3.1 hält die Affixe fest, die für die Analyse des verbalen Flexionsverhaltens angenommen
werden können (nach Fabri et al. (1994:5)).
Affix Ausgabespezifikation Eingabebedingung
1 (/e/) [+imp ] [–pret,-subj ]
2 /te/ [+pret ] [ ]
3 /e/ [+subj ] [ ]
4 /t/ [+2,+pl ] [ ]
5 /n/ [+pl ] [ ]
6 /st/ [+2 ] [ ]
7 /e/ [+1 ] [ ]
8 /t/ [ ] [–pret, –subj, –pl ]
9 /t/ [+part] [–pret, –subj, –pl ]
10 /n/ [ ] [–agr]
Tabelle 3.1: Verbale Flexionsaffixe
Affix 2 (/te/) führt das Merkmal +pret bei der Flexion regelmäßiger Verben ein (Beispiel:
(wir) fragten), Affix 3 verknüpft das Merkmal +subj (Konjunktiv) an das Affix /e/ (Beispiel:
49

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
(sie) frage). Die Affixe 4 bis 8 sind für die Verbflexion im Präsens, Affix 9 für die Partizip-II-
Bildung bei schwachen Verben und Affix 10 für den Infinitiv verantwortlich.
Bei unregelmäßigen Verben enthält das Lexikon alle verschiedenen Verbstämme, zusammen
mit einem Verweis auf die Zitierform (Infinitivform) des Lexems. Das Verb werfen weist beispielsweise
folgende Stämme auf, die zusammen mit ihren Merkmalsspezifikationen in Tabelle
3.2 aufgeführt sind:
Stamm Merkmalsspezifikation
werf- [+V]
wirf- [+V] � ([–1] � [+imp])
warf- [+V, +pret]
worfn 2 [+V, +part]
würf- [+V, +subj, +pret]
Tabelle 3.2: Stämme des Lemmas werfen
Durch die Merkmale V, pret, part, subj, 1, 2, pl, agr, imp, die alle zweiwertig sind, sind
Stämme und Affixe vollständig bestimmt; es gibt also keine weiteren Merkmale und insbes.
keine Klassenmerkmale wie RegularVerb, IrregularVerb etc., vgl. Wunderlich (1992:4):
„In the morphological system of a language, no arbitrary class features are used“
Zugelassen sind demnach nur sog. inhärente Klassenmerkmale, d.h. Merkmale, die man aus
unabhängigen Gründen benötigt.
Es ist leicht zu sehen, daß das System, welches Stämme und Affixe kombiniert, massiv übergeneriert,
da die meisten Affixe keine Eingabebedingungen definieren und somit mit einer
ganzen Reihe von Stämmen kompatibel sind. Unerwünschte Kombinationen werden daher
durch eine Reihe von Prinzipien ausgeschlossen, die sich in vier verschiedene Gruppen unterteilen
lassen (vgl. Fabri et al. (1994:23)):
A) Prinzipien, die festlegen, was ein mögliches Affix ist: Unterspezifikation, Strikte
Monotonität
B) Prinzipien, die den möglichen Stamm-Affix-Kombinationen Beschränkungen auferlegen:
Affix-Reihenfolge, Nicht-Redundanz, Feature Cooccurence Restrictions, Ein- und
Ausgabespezifizität
C) Prinzipien, die den Inhalt eines Paradigmas festlegen: Spezifizität und Simplizität
D) Prinzipien, die die Struktur eines Paradigmas festlegen: Eindeutigkeit und Vollständigkeit
1. Unterspezifikation:
a) Die Ausgabespezifikation eines Affixes enthält nur Merkmale mit dem Wert „+“.
b) Merkmale, die weder in der Eingabebedingung noch der Ausgabespezifikation eines Affixes
erwähnt werden, haben den Default-Wert „–“.
Prinzip 1a) hält fest, daß Affixe immer vom Default abweichende Werte einführen müssen,
während 1b) diesen Default festlegt.
2 Das Affix /n/, welches das Partizip II der starken Verben bildet, wird als nicht mehr produktiv angesehen
und daher als Teil des Stamms betrachtet.
50

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Beispiel 3.3:
Das Affix 6 in Tabelle 3.1 enthält als Ausgabe die Spezifikation [+2]. Da das Merkmal pl
nicht erwähnt ist, hat es den Wert „–“.
2. Strikte Monotonität:
Affixe als morphologische Operatoren führen immer neue Informationen, d.h. positiv spezifizierte
Merkmale ein.
3. Affix-Reihenfolge
Affixe (und auch Stämme) werden klassifiziert nach ihrer Position, die sie innerhalb einer
gegebenen Affigierungshierarchie einnehmen (vgl. Wunderlich (1992)):
Verb < Tempus < Modus < Numerus < Person
An den Verbstamm treten also zunächst Affixe, die ein Tempus-Merkmal einführen, bevor
Affixe mit Numerus- und Personmerkmalen hinzugenommen werden können.
Beispiel 3.4:
Die Form fragten (1./3. Pers. Pl. Prät.) ergibt sich folgendermaßen:
(6)
frag te n
[+V] [+pret] [-2,+pl]
Das Prinzip der Affix-Reihenfolge besagt, daß, falls eine Form – inhärent oder durch eine
bereits durchgeführte Anwendung einer Affigierungsoperation – bereits für ein Merkmal m
aus dieser Hierarchie spezifiziert ist, nur noch Affixe hinzutreten können, die Merkmale
einführen, die rechts von m stehen.
Prinzip 3 schließt beispielsweise aus, daß an den Stamm warf, der schon mit +pret markiert
ist, noch das Präteritalaffix /t/ angehängt werden kann, welches ja das Merkmal +pret
nochmals einführen würde. Hinzutreten können lediglich noch Affixe mit Person- und Numerusmerkmalen
wie /n/, /st/ und /t/.
4. Feature Cooccurence Restrictions (FCRs)
Mit Beschränkungen dieser Art legt man fest, daß bestimmte Merkmale zwangsläufig mit
bestimmten anderen auftreten, bzw. diese implizieren. Der minimalistische Ansatz geht von
den in Tabelle 3.3 aufgeführten FCRs aus:
1 [+part] � [–part] � [–agr]
2 [+pret] � [–pret] � [+agr]
3 [+V, +C] � [+2]
4 [+1] � [–2]
5 [+2] � [–1]
Tabelle 3.3: Feature Cooccurence Restrictions
Insbes. die drei letzten FCRs sind Stipulationen, da sie nicht als Konsequenz unabhängiger
Prinzipien zu erhalten sind.
51

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
5. Ein- und Ausgabespezifizität:
Bei der Bildung von Stamm-Affix-Kombinationen werden spezifischere gegenüber weniger
spezifischen Kombinationen bevorzugt:
a) Wenn die Anwendung eines Affixes auf zwei verschiedene Eingaben das gleiche Ergebnis
liefert, dann ziehe die spezifischere Eingabe vor.
b) Wenn auf eine Eingabe zwei Affixe anwendbar sind, dann ziehe die Eingabe vor, die die
spezifischere Ausgabe erzeugt.
Beispiel 3.5:
Die Form wirfst, die mit der Form werfst konkurriert, gewinnt aufgrund Prinzip 5a
(Eingabespezifizität), da der Stamm wirf- durch seine Markierung –1 spezifischer als der
Stamm werf- ist.
Die Prinzipien der Gruppen C und D beziehen sich auf einen zentralen Punkt des minimalistischen
Ansatzes, dem Paradigmen-Mechanismus.
Ein Paradigma im Sinne des minimalistischen Modells ist eine mehrdimensionale, möglicherweise
rekursive Tabelle (d.h. eine Tabelle, die in ihren Zellen weitere Tabellen enthalten
kann), deren Dimensionen mit Merkmalen wie ±1, ±2, ±pl gegeben sind. Paradigmen befinden
sich an der Schnittstelle zwischen Flexionsmorphologie und Satzsyntax, indem sie aufgrund
ihrer Struktur spezifizieren, welche von keiner Affigierungsoperation erwähnten
Merkmale noch als Default-Werte zu einer Stamm-Affix-Kombination hinzukommen können.
Paradigmen werden merkmalsgetrieben aus der Ausgabespezifikation eines Affixes (oder
Stammes) konstruiert. Das spezifischste Affix aus der Liste der möglichen Affixe – Affix 4
aus Tabelle 3.1 – spannt eine Matrix auf, deren Dimensionen durch die Anzahl der positiv
gegebenen Merkmale gegeben sind, also [+2] und [+pl]:
(7)
+2
–2
+pl –pl
Formen konkurrieren nun um die Besetzung der Zellen des Paradigmas. Dabei gilt das Prinzip
der Spezifizität und Simplizität:
6. Spezifizität und Simplizität
Bei der Besetzung von Paradigmenzellen werden einfachere bzw. spezifischere gegenüber
komplexeren bzw. weniger spezifischen Formen vorgezogen.
52

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Beispiel 3.6:
Im Fall der Flexion von werfen wird die Zelle durch die Form werft besetzt, da diese
– dank ihres Affixes – die spezifischste Form ist. Die Formen wirfst und werfen werden dann,
da sie weniger spezifisch sind, in die Zellen und eingefügt, woraus sich
folgendes Teilparadigma ergibt:
(8) +pl –pl
+2 werf-t wirf-st
–2 werf-n
Aufgrund des Simplizitätsprinzips sind Formen wie werf-n-st für die Zelle ausgeschlossen.
Affix 7 (/e/) aus Tabelle 3.1 eröffnet nun, da es explizit mit +1 und via Default mit –2 und -pl
markiert ist, in der Zelle ein Subparadigma für die Werte +1 und –1. Die Form
werfe, die durch ihr Affix -e mit +1 markiert ist, wird eingefügt, woraufhin die am wenigsten
spezifische Form wirft in die Spalte des Paradigmas eingesetzt wird. Das fertige Paradigma
sieht dann folgendermaßen aus:
(9)
+pl –pl
+2 werf-t wirf-st
–2 werf-n +1 werf-e
–1 wirf-t
Dieses Paradigma ist wiederum eingebettet in ein Paradigma, welches sich aus der Markierung
des Stamms warf mit dem Merkmal +pret ergibt.
Die Prinzipien der Gruppe D legen schließlich Wohlgeformtheitsbedingungen für Paradigmen
fest:
7. Vollständigkeit
Jede Zelle eines Paradigmas muß belegt sein
8. Eindeutigkeit
Jede Zelle eines Paradigmas muß eindeutig belegt sein
Die Erzeugung eines Paradigmas wird als ein Vorgang angesehen, der während einer Lernphase,
also offline, nach einem generate-and-test-Modell abläuft. Die zur Verfügung stehenden
Stämme und Affixe werden kombiniert und den verschiedenen Wohlgeformtheitsprinzipien
unterworfen. Dabei ist zu beachten, daß insbes. die Spezifizitätsprinzipien nicht nur Informationen
zu der gerade untersuchten Stamm-Affix-Kombination in Betracht ziehen, sondern
Zugriff auf alle Affixe und auch auf alle Stämme des untersuchten Lemmas haben. Hierdurch
wird die Paradigmenkonstruktion ein relativ aufwendiger Vorgang, der aber nach
Meinung von Fabri et al. (1994:26) nicht ins Gewicht fällt, da er eben offline und nicht während
der morphologischen Analyse vonstatten geht. Unklar bleibt nun, wie man sich die
Verwendung eines mithilfe des eben vorgestellten Verfahrens gewonnenen Paradigmas
während der online-Deflexion von Wörtern vorzustellen hat. Fabri et al. (1994:37) extrahieren
53

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
aus dem gewonnenen Paradigma, beispielsweise des von werfen, die Information, welche
Endungen auf welchen Stamm folgen können:
Stamm kann gefolgt werden von
warf -n, -t, -st, -0
wirf st, -0
werf -e, -n, -e-st, -e-t
würfe -n, -t, -st, -0
worf -n
Tabelle 3.4: Stämme und mögliche Affixe, die nachfolgen können
Dabei wird jedoch nicht gesagt, wie nun die flektierten Formen zu ihren morphosyntaktischen
Merkmalen kommen.
Nimmt man an, daß im Deutschen nicht alle (verbalen) Wortformen als Listeme im Lexikon
verzeichnet sind und weiterhin, daß Paradigmen keine Epiphänomene sind und einen vom
Lexikon unabhängigen Status haben – es demnach nur zwei verschiedene Paradigmen, je
eines für regelmäßige und unregelmäßige Verben gibt –, so stellt sich das Problem der Zuordnung
von bestimmten Verben zu diesen unterschiedlichen Paradigmentypen. Hier
kommt man nicht daran vorbei, die Verben entsprechend zu klassifizieren, mithin Klassenmerkmale
einzuführen. Darüber hinaus muß man bei den unregelmäßigen Verben die verschiedenen
Stämme ebenfalls klassifizieren, um ihre Zuordnung zu den „richtigen“ Flexionsaffixen
sicherzustellen. Fabri et al. (1994) verschleiern dies, da sie in ihrer Stamm-Affix-
Tabelle (Tabelle 3.4) in der linken Spalte konkrete Verbstämme und nicht deren Äquivalenzklassen
angeben, was aber bedeuten würde, daß die Informationen aus Tabelle 3.4 für jedes
Verb dupliziert werden müßten; dies gilt jedoch nicht nur für die etwa 170 unregelmäßigen,
sondern auch für die ungleich größere Zahl der regelmäßigen Verben. M.a.W.: ohne
Einführung von Klassenmerkmalen erhält man eine höchst redundante Konzeption des
Begriffs „Paradigma“.
Wunderlich (1992:15) ist sich dieses Problems anscheinend bewußt und schlägt daher
„generalisierte Paradigmen“ vor; hier ist beispielsweise das Präteritum-Paradigma der starken
Verben angegeben:
(10)
+pl –pl
+2 /st/ /t/
–2 /n/
Hier stellt sich natürlich sofort die Frage, was sich in der Zelle befindet: ein Nullaffix
oder gar nichts? Nimmt man ein Nullaffix an, so führt man an dieser Stelle eine Entität
ein, die man bisher, bei der Paradigmenkonstruktion, bewußt vermieden hat. 3 Nimmt man
nichts an, so muß man einen Träger für die Merkmalskombination [–2, +pl] finden: dies
kann jedoch nur der Stamm sein. Dieser Stamm, z.B. warf, muß folglich diese beiden
Merkmale tragen, im Gegensatz zu der Annahme, daß er nur mit +pret markiert ist. Möchte
man nun die anderen Formen des Paradigmas bilden, so müssen diese Merkmale jedoch
außer Kraft gesetzt werden können, d.h. man benötigt dann einen Default-Mechanismus,
beispielsweise Default-Unifikation (vgl. Bouma (1992)):
3 vgl. Wunderlich/Fabri (1994:3): „Inflectional morphology is described in terms of affixes which have a
phonological form and not in terms of abstract morphemes.“ [meine Hervorhebung]
54

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
cat: V
pers: 1 � 3
head: agr:
num: sg
tense: pret
warf + t
55
!
head: agr:
pers: 2
num: pl
Abb. 3.1: Anwendung von Default-Unifikation bei der Merkmalsbestimmung
Der zweite Operand des Default-Unifikationsoperators t! 4 erhält hierbei Priorität, so daß sich
seine Merkmale gegenüber den Merkmalen des ersten Operanden durchsetzen.
Zusammenfassend halte ich die Konzeption der minimalistischen Morphologie für ein interessantes
Modell der Paradigmenkonstruktion; sie ist jedoch für problematisch für die Aufgabenstellung
der morphologischen Analyse.
Der Ansatz hat Ähnlichkeit mit dem in Kapitel 1 vorgestellten objektorientierten Ansatz von
Daelemans (1987), insofern, als ein Analyseproblem durch Generierung (hier Paradigmenelemente,
dort vollständige Wortformen) gelöst wird. Man könnte also, Daelemans folgend,
mit Hilfe des Paradigmenmechanismus alle verbalen Wortformen generieren und
dann im Lexikon abspeichern. Dann greifen jedoch die Einwände, die ich auch gegen
Daelemans Idee vorgebracht habe. Eine abgeschwächte Variante könnte beispielsweise das
Paradigma eines Verbs dynamisch generieren, d.h. durch das Auftreten einer bestimmten
Stammform des Verbs wird der Paradigmenmechanismus angestoßen; auch dies scheint mir
zu aufwendig zu sein.
Zusammenfassend bleibt festzuhalten, daß der Ansatz der minimalistischen Flexionsmorphologie
eine Mischform zwischen verschiedenen Modellen ist. Der Mechanismus zur Paradigmenkonstruktion
ist vom Typ item-and-process, die spätere Verwendung der Paradigmen
läuft auf das word-and-paradigm-Modell hinaus.
3.1.2 Derivation und Komposition
Die Syntax der Derivation und Komposition sollen hier weitgehend gemeinsam behandelt
werden, da die meisten neueren Theorien der Wortstruktur (z.B. Toman (1987), Höhle
(1982)) sie als Ergebnis des gleichen Mechanismus ansehen. Unterschiede zwischen diesen
beiden Wortbildungsarten werden, wie noch gezeigt wird, durch unterschiedliche Lexikoneinträge
der beteiligten Morpheme erklärt.
Für komplexe Wörter eine hierarchische Struktur anzunehmen ist nun keineswegs selbstverständlich
5 . M.E. ist diese Annahme nur dann sinnvoll, wenn man von der Prämisse ausgeht,
daß sich die semantische Interpretation zusammengesetzter Wörter kompositionell entlang
ihrer internen Strukturierung ergibt. Auf diese Weise ist es dann z.B. möglich, die beiden
Lesarten eines Kompositums wie Hochleistungscomputer strukturell zu fassen, vgl.:
4 t! ist damit keine kommutative Operation.
5 vgl. etwa Spencer (1991:189): „The idea that words have their own constituent structure has been
predominant, to the extent of being taken for granted in some circles. However, it is not a necessary
assumption, and [..] we will see approaches in which constituent structure plays a less prominent role
or no role whatever.“

(11) a)
A
Hoch
Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
N
N N
leistungs
N
computer
56
b)
Hoch
N
A N
N
leistungs
N
computer
Die Bedeutung von (11a) könnte man umschreiben mit „hoher Leistungscomputer“, die von
(11b) mit „Computer mit hoher Leistung“ (die präferierte Lesart).
Eine semantisch induzierte Wortsyntax wird, eingeschränkt auf die Komposition, auch von
der traditionellen Grammatik angenommen (z.B. Duden (1984: 440), ohne daß jedoch ihre
semantische Bedingtheit offengelegt würde.
Gründe für die Annahme einer autonomen wortsyntaktischen Komponente, analog der
These der Autonomie der Syntax, sind nicht ohne weiteres beizubringen, da die Wortsyntax
von erheblich geringerer Komplexität als die Satzsyntax ist. Darüber hinaus erklärt auch
eine angenommene Wortsyntax nicht alle Aspekte der Morphologie, beispielsweise solche,
die sich nicht durch bloße Morphemkonkatenation erklären lassen. Erwähnenswert ist hier
z.B. die Konversion.
Vor dem Hintergrund des Ziels dieser Arbeit, auch einen Beitrag zur maschinellen Interpretation
von komplexen Wörtern zu leisten, möchte ich jedoch von der Arbeitshypothese
ausgehen, daß man solchen Wörtern eine hierarchische Struktur zuweisen kann. Dies findet
nicht zuletzt seinen pragmatischen Grund darin, daß Computer mit Strukturen weitaus besser
umgehen können als mit Inhalten.
3.1.2.1 Strukturregeln
Hinsichtlich des Formats der strukturaufbauenden Regeln gibt es in der Literatur prinzipiell
zwei Auffassungen:
1. Wortstrukturregeln als auf Binarität eingeschränkte Regeln einer kontextfreien Grammatik.
2. Wortstrukturregeln als Instanzen eines morphologischen X-Bar-Schemas.
Vertreter der ersten Auffassung sind u.a Di Sciullo/Williams (1987) oder aus computerlinguistischer
Anwendungsperspektive Thurmair (1986a, b). Di Sciullo/Williams (1987: 23)
geben folgende Grammatik für die syntaktische Struktur englischer Wörter an:
(12)
a) stem � af stem
b) stem � stem af
c) word � af word
d) word � word af
e) word � stem
f) word � word word
Die Regeln (12a-f) sind für Flexion und Derivation zuständig, Regel (12f) für die Komposition.
In ähnlicher Form könnte man auch eine Wortgrammatik für das Deutsche angeben.
Der Ansatz von Di Sciullo/Williams nimmt darüber hinaus die Gültigkeit der Righthand
Head Rule an, die jedoch in den Regeln selbst nicht explizit ist.

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Demgegenüber geht die andere, u.a. von Toman (1987) und Selkirk (1982) vorgebrachte
Sichtweise davon aus, daß der Begriff des morphologischen Kopfes bei der Formulierung
von Strukturregeln im Zentrum stehen muß. Toman (1987) nimmt beispielsweise ein allgemeines
X-Bar-Schema
(13) X n � ... X n-1 ...
an, welches durch eine zusätzliche Bedingung
(14) Wenn n = 0, dann n–1 = 0
für die Erzeugung von Wortstrukturen parametrisiert wird. Für (zusammengesetzte) Wörter
wird demnach angenommen, daß sie X 0-Kategorien sind und wiederum aus solchen aufgebaut
sind. Das X auf den beiden Seiten des Pfeils in (13) drückt dabei die Kopflinie aus, entlang
der sich Merkmale eines Wortbestandteils an das Gesamtwort vererben.
Während Toman durch sein Schema (13) zunächst noch 6 nicht-binäre Strukturen und damit
solche, in denen der Kopf nicht peripher steht, zuläßt, beschränkt Selkirk ihr X-Bar-Schema
durch Ausmultiplizierung (Selkirk 1982:16)):
(15) N � N N
N � A N
N � V N
N � P N
A � N A
A � A A
A � P A
V � P V
Meiner Meinung nach gibt es jedoch eine ganze Reihe von Argumenten, die gegen eine
Parallelisierung von Wort- und Satzsyntax mit Hilfe eines verallgemeinerten X-Bar-Schema
sprechen:
1. Köpfe in Wortstrukturen sind positionell – durch die Righthand Head Rule – nicht inhaltlich,
d.h. aufgrund bestimmter Merkmale festgelegt.
2. Der Kopfbegriff der Wortsyntax ist viel schwächer als der der Phrasensyntax, wenn man
– was notwendig scheint – das Vorhandensein von relativierten Köpfen annimmt.
3. Maximalität ist keine Kategorie der Wortsyntax; dementsprechend sind die „Komplemente“
von Wortköpfen nicht maximal.
4. Überhaupt kann man kaum von Komplementen oder – negativ gefaßt – auch nur von
Nicht-Köpfen sprechen, da fast jeder Bestandteil eines komplexen Wortes hinsichtlich
eines bestimmten Merkmals zu den Gesamteigenschaften des Wortes beiträgt, m.a.W.
ein Kopf ist. Hinzu kommt, daß ausgesprochen grammatische Beziehungen, wie es
Kopf-Komplement-Beziehungen sind, auf der Wortebene eher selten anzutreffen sind;
lediglich bei Rektionskomposita und Strukturen mit relationalem Zweitglied kann davon
die Rede sein.
5. Schließlich ist (13) nur ein Teil des für die Phrasensyntax angenommenen X-Bar-Schemas.
Der fehlende Teil führt sog. Phrasenspezifikatoren ein, eine Kategorie, die auf der
Wortebene vollständig fehlt.
6 Toman ersetzt (13) später (S. 50) durch X n � ... X n-1 .
[+N]
57

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Nimmt man nun die Gültigkeit der Righthand Head Rule von Williams (1981) an – wenn auch
nur als empirische Generalisierung bezüglich einer gewissen Anzahl von Sprachen, dann
muß man Abschied nehmen von Kategorien wie Suffix etc. wie in (16):
(16) a) N
V
Kopier er
b) A
58
V
begeh bar
da Strukturen wie diese gegen die angenommene Rechtsköpfigkeit verstoßen. Stattdessen ist
man gezwungen, die Suffixe -er und -bar als Elemente der Klasse Nomen bzw. Adjektiv anzusehen,
so daß für (16) folgende Strukturen resultieren:
(17) a) N
V N
Kopier er
b)
A
V A
begeh bar
Dieser Schluß ist nun keineswegs ad hoc, da die genannten und auch noch weitere Suffixe
wie -ung, -heit/keit etc. nicht nur die Wortart des derivierten Worts bestimmt, sondern auch –
bei Nomen – dessen Genus und Flexionsklasse.
Der einzige Unterschied zwischen diesen Suffixen und „richtigen“ Nomen, Verben und
Adjektiven scheint nunmehr lediglich darin zu bestehen, daß erstere im Lexikon mit dem
Merkmal +gebunden spezifiziert sind. Dieses Merkmal ±gebunden darf allerdings kein vererbtes
Kopfmerkmal im Sinne der head features der GPSG/HPSG sein, da es nicht auf das
abgeleitete Wort übertragen werden darf. Hieraus kann man ersehen, daß, abgesehen von
der Tatsache, ein morphologischer Kopf aufgrund seiner Relativität die morphologischen
Eigenschaften des Gesamtwortes nur partiell bestimmt, er darüber hinaus nicht alle seine
Merkmale vererben darf. Dies bedeutet, daß der Begriff des Kopfes selbst noch zu schwach
ist, um alle Phänomene zu erklären; was man zusätzlich benötigt, ist also der Begriff des
Kopfmerkmals.
Stellt man die beiden vorgestellten Möglichkeiten zur Wortstrukturbildung gegenüber, so
ergibt sich folgendes Bild:
1. Der Formalismus des morphologischen X-Bar-Schemas ist eingeschränkter als der der
kontextfreien Regeln. Eine Wortgrammatik auf der Grundlage des letzteren läßt sich jedoch
leicht erweitern, um eine höhere deskriptive Adäquatheit zu erzielen; dies ist umso
wichtiger, als es bei der maschinellen morphologischen Analyse ja darum geht, Regularitäten
der Wortbildung der Gegenwartssprache abzubilden, die nicht in die eigentliche
Wortsyntax fallen, beispielsweise Analogiebildungen. Diese Situation kann man auch in
der Phrasensyntax wiederfinden, wo das X-Bar-Schema in den Bereich der Kerngrammatik
i.S. von Chomsky (1981) fällt, die vollständige Grammatik der Gegenwartssprache
aber viele Elemente aus der Peripherie enthält.
2. Andererseits ist das X-Bar-Schema meist mit einer Lexikalisierung der Syntax gekoppelt:
syntaktische Strukturen entstehen aus der Interaktion von aus dem Lexikon projizierten
Informationen mit universellen Phrasenstrukturprinzipien. Für das morphologische X-
Bar-Schema bedeutet dies, daß man die Anforderungen, die ein Kopf an seine Umgebung
stellt, in seinem Lexikoneintrag festhalten muß.

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
3.1.2.2 Argumentvererbung
Mit Argumentvererbung wird der Sachverhalt bezeichnet, daß abgeleitete Wörter häufig
thematische Rollen vor ihrer Basis übernehmen.
(18)
a) Der Notar beurkundete den Grundstücksverkauf
Agens Thema
b) Die Beurkundung des Grundstücksverkaufs (durch den Notar)
Thema (Agens)
(19)
a) Das Gericht überträgt das Nutzungsrecht an die Alteigentümer
Agens Thema Benefizient
b) Die Übertragung des Nutzungsrechts (durch das Gericht) an die Alteigentümer
Thema (Agens) Benefizient
(20)
a) Die Funken entflammen das Material
?? Thema
b) Das Material ist (durch Funken) entflammbar
Thema ??
Anscheinend werden in (18)-(20) die Thetarollen-Raster der zugrundeliegenden Verben an
das Derivat vererbt. Die Thetarolle des Subjekts (Agens in (18) und (19), ?? in (20)) muß im
abgeleiteten Wort nicht unbedingt realisiert werden; dies ist analog zur Passivierung in der
Satzsyntax.
Vererbt werden nur Thetarollen, nicht jedoch deren syntaktische Realisierung. Die Thema-
Thetarolle des Akkusativobjekts in (19a) wird in (19b) beispielsweise als postnominaler Genitiv
verwirklicht. Die syntaktische Realisierung einer Thetarolle muß also kompatibel sein
mit den allgemeinen kategorialen Eigenschaften des Derivats. Nomina lassen z.B. nur Genitiv-Nominalphrasen
und Präpositionalphrasen als Komplemente bzw. Modifikatoren zu,
dementsprechend werden die Thetarollen des Basisverbs verwirklicht.
Als Struktur kann man etwa für (19b) folgendes annehmen:
(21)
V N
59
N
übertrag ung
[ Agens, Thema, Benefizient ]
Während der morphologische Kopf in (21) für Wortart und Genus des Derivats verantwortlich
ist, stammt das Thetarollen-Raster vom Verb. Daß der linke Zweig für die Argumente
des abgeleiteten Nomens verantwortlich ist, kann wieder mit der Annahme von relativierten
Köpfen erklärt werden. Das Suffix -ung ist hinsichtlich des Merkmals Argumentstruktur nicht
spezifiziert, so daß der nächste Zweig links davon, der dieses Merkmal hat, sich durchsetzt.
Allerdings kann die Argumentstruktur durch morphologische Prozesse auch verändert
werden; als Beispiel wären Kausativierungen zu nennen.
In bestimmten Fällen kann Argumentvererbung nicht stattfinden (vgl. Toman (1987:61)):

(22)
a) die Soldaten beobachten die Grenze
b) die Beobachtung der Grenze
c) *der Beobachtungsturm der Grenze
Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Das Nomen Beobachtungsturm in der Nominalphrase in (22c) mit der Interpretation „Turm,
von dem aus die Grenze beobachtet wird“, nicht in der Possessiv-Lesart, ist wie erwartet strukturiert:
(23) [N [N [V Beobacht] [N ung(s)]] [N turm]]
Mit großer Wahrscheinlichkeit ist der Kontrast in (22) darauf zurückzuführen, daß sich gebundene
und freie Instanzen von Kategorien wie N nicht nur hinsichtlich eines Merkmals
±gebunden unterscheiden, sondern darüber hinaus in ihrem semantischen Beitrag zum Gesamtwort.
Während gebundene Kategorien (Suffixe) wie -ung nur die Bedeutung der ihnen
vorangehenden Konstituente transformieren, machen freie Kategorien einen eigenständigen
Beitrag zum Gesamtwort. Beispielsweise wird im Determinativkompositum Beobachtungsturm
das Nomen Turm durch das Erstglied näher bestimmt. Die Nicht-Akzeptabilität von
(22c) ist daher wahrscheinlich darauf zurückzuführen, daß
(24) ??* der Turm der Grenze
bereits nicht akzeptabel ist.
Neben diesen Beschränkungen semantischer Natur gibt es weitere, die dem Anschein nach
wieder syntaktisch zu erklären sind. Es gibt einen interessanten Kontrast zwischen den ung-
Nominalisierungen von Verben mit Akkusativobjekt und solchen mit Dativobjekt.
(25)
a) Die Touristen vertreiben das Wild
b) Die Vertreibung des Wilds
(26)
a) das Geräusch der Rasenmäher belästigt den Linguisten
b) die Belästigung des Linguisten
Die meisten der Verben mit Akkusativobjekt, die unter dem entsprechenden Satzbauplan im
Duden (1984:607) verzeichnet sind, lassen eine Ableitung mit -ung zu. Dabei wird immer die
Thetarolle, die das Akkusativobjekt trägt, an das Derivat vererbt. Demgegenüber ist ung-
Derivation bei den Verben mit Dativobjekt fast nie möglich, vgl.
(27)
a) der Soldat gehorcht dem Befehl
b) * die Gehorchung des Befehls
Einige Verben mit Dativobjekt bilden ihre Nominalisierung durch Ableitung mit -e (vgl.
Toman (1987:60)):
(28)
a) der Sohn hilft dem Vater
b) die Hilfe des Vaters
Ein Verb mit ähnlicher Semantik wie helfen, unterstützen, realisiert die Thetarolle Benefizient
als Akkusativobjekt.
(29)
a) der Sohn unterstützt den Vater
b) die Unterstützung des Vaters
60

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Während man (28b) nicht so interpretieren kann, daß dem Vater Hilfe zuteil wird
(Benefizient-Rolle), ist dies in (29b) ohne weiteres möglich, wobei allerdings auch die andere
Lesart nicht ausgeschlossen ist.
Die Generalisierung, die man aus der oben dargestellten Datenlage bilden kann, ist folgende:
unter Zugrundelegung der Unterscheidung zwischen lexikalischem und strukturellem
Kasus (letzterer ergibt sich aus bestimmten Konfigurationen der Phrasenstruktur, ersterer
ist in den Lexikoneinträgen verzeichnet) können zumindest bei der Nominalisierung mit
-ung nur Argumente mit strukturellem Kasus vererbt werden.
Argumentvererbung betrifft nun, wie in (20b) schon deutlich geworden ist, nicht alle Argumente
der Basis gleichermaßen. Bei der bar-Suffigierung wird das ursprüngliche Objekt des
Basisverbs vererbt, während das zugrundeliegende Subjekt fakultativ als Präpositionalphrase
verwirklicht werden kann. Wenn das die richtige Erklärung für diesen Vorgang ist,
so setzt das voraus, daß das Basisverb überhaupt eine Objektsthetarolle vergibt. Toman
(1987) schlägt als Generalisierung vor, daß nur transitive Verben, also solche mit Akkusativobjekt,
zum Gegenstand der Ableitung mit -bar gemacht werden können. Dieses Kriterium
ist noch nicht ausreichend; daß auch semantische Faktoren eine Rolle spielen, wird im nächsten
Abschnitt deutlich.
Als Fazit dieses Abschnitts ergibt sich:
1. Das Phänomen der Argumentvererbung wird auf syntaktische Weise durch einen Perkolationsmechanismus
erklärt (es gibt auch andere Erklärungsversuche, s.u.)
2. Suffixe sind i.a. transparent für die Vererbung von Argumenten. Einige Suffixe wie -bar
sind jedoch nicht für alle Argumente gleichermaßen durchlässig.
3. Vererbt werden thematische Rollen, nicht deren syntaktische Träger. Die syntaktische
Realisierung der Rolle beim Derivat ergibt sich aus den Möglichkeiten, die einer Kategorie
hierzu zur Verfügung stehen. Nomen z.B. erlauben als Argumente und Modifikatoren
Nominalphrasen im Genitiv und Präpositionalphrasen, Verben darüber hinaus auch
Nominalphrasen in den übrigen Kasus.
3.2 Wortbildung im Deutschen
Vor dem Hintergrund der Ideen, die in diesem und im letzten Abschnitt diskutiert wurden,
möchte ich in diesem Abschnitt die Wortbildungstypen Komposition, Derivation und Konversion
im Deutschen etwas detaillierter untersuchen.
3.2.1 Komposition
Die traditionelle Grammatik klassifiziert Komposita in drei Grundtypen:
1. Determinativkomposita
2. Kopulativkomposita
3. Exozentrische Komposita
Determinativkomposita bestehen aus zwei Teilen, dem Grundwort und dem Bestimmungswort,
die beide komplex sein können. Das Grundwort bildet das Hinterglied des Kompositums
und ist – aufgrund der Rechtsköpfigkeit deutscher Substantive – für die wesentlichen syntaktischen
und semantischen Eigenschaften des Gesamtworts verantwortlich. Das in Erstgliedposition
stehende Bestimmungswort bestimmt den durch das Zweitglied ausgedrückten
Begriff näher. Determinativkomposita sind beispielsweise Datensicherheit und Speicherkapazität.
61

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Demgegenüber sind bei Kopulativkomposita Erst- und Zweitglied in semantischer Hinsicht
gleichwertig, so daß Instanzen des Kompositatyps durch Konjunktion interpretiert werden.
Ein Beispiel hierfür ist der schon klassisch zu nennende Dichterkomponist.
Exozentrische Komposita (oder Possessivkomposita) wie beispielsweise Schafskopf schließlich
drücken eine Eigenschaft aus, die meist einem Lebewesen zukommt. Sie sind stark lexikalisiert
und daher kaum ein produktiver Wortbildungstypus im Deutschen; allerdings haben
sie fast immer auch eine Lesart als Determinativkompositum.
In der traditionellen Grammatik (z.B. Lühr (1986)) wie auch in moderneren generativen Ansätzen
herrscht Konsens darüber, daß deutsche Komposita in der großen Mehrzahl binär
aufgebaut sind; Ausnahmen hierzu sind Konstruktionen wie Scharping-Schröder-Konflikt u.
dgl. Von den unter dieser Annahme denkbaren Strukturtypen, z.B. bei Komposita mit vier
Gliedern, sind fünf Strukturtypen denkbar, für die sich allesamt Beispiele finden lassen:
(30)
a) b) c) d) e)
N
N
N
N
N
X
N
N
X X X N X N
X
X
N
X
X
62
X N
Beispiele sind (z.T. nach Olsen (1986:55)):
(31)
a) Straßenverkehrszulassungsordnung, Luftwaffenstützpunkt
b) Theaterwochenspielplan, Bezirksjahreshauptversammlung
c) Rauschgifthändlerring, Bergbauwissenschaftsstudium,
Trauerbegleitungsausbildungsschulung (ZEIT 16/1999)
d) Bundeshauptstadtsumzug
e) Jugendarbeitsschutzgesetz
X
X
X
X N
X
X
X
X
X
N
X N
Dies deutet darauf hin, daß keine syntaktischen Beschränkungen bei der Komposition existieren.
7 Aus methodologischen Gründen nimmt man weiterhin an, daß die Komposition im
Deutschen ein unbeschränkt rekursiver Prozeß ist, der lediglich in der Performanz seine
Grenze findet. Dies vereinfacht – wie die analoge Annahme hierzu in der Satzsyntax – die
Konstruktion der Grammatik.
Eine wichtige Unterklasse der Determinativkomposita, deren Interpretation am ehesten
grammatisch gesteuert zu sein scheint, sind die sog. Rektionskomposita. Als Zweitglied bei
Instanzen dieser Klasse fungiert ein deverbales Derivat, beispielsweise eine er-Nominalisierung:
(32)
a) Zeitungsholer
b) Wagenheber
Der Name Rektionskomposita erklärt sich aus der Nähe zu den korrespondierenden syntaktischen
Konstruktionen:
7 Dies konnte auch experimentell gezeigt werden, vgl. Wisniewski/Gentner (1991).
X

(33)
a) x holt eine Zeitung
b) x hebt den Wagen
Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
In (32a,b) sieht es so aus, als würde der verbale Bestandteil des Zweitglieds aufgrund der
Transparenz des Suffixes eine Thetarolle an das Derivat vererben, die dann an das Erstglied
zugewiesen wird. Interessant ist in diesem Zusammenhang (vgl. hierzu auch Abschnitt
3.1.2.2), daß die Zweitglieder allein nicht grammatisch sind, vgl.
(34)
a) * Holer
b) * Heber
Auch eine externe Sättigung der Argumentstellen scheint nicht in Frage zu kommen, vgl.
(35)
a) * der Holer der Zeitung
b) * der Heber des Wagens
Eine Besonderheit der Komposition im Deutschen ist, daß zwischen Erst- und Zweitglied
eines Kompositums häufig sog. Fugenelemente eingesetzt werden. Im Deutschen gibt es 8
verschiedene Fugenelemente, die in Tabelle 3.5 zusammengefaßt sind (nach Eisenberg
(1998:227ff.):
Fugen– Anforderungen an das Vorderglied
element
� Standardfuge bei fast 75% aller Komposita
e Verb: meist einfache Stämme mit stimmhaftem Obstruent
en Nomen: schwache Maskulina
ns/ens Nomen: stark lexikalisiert
er Stämme mit Zahlwörtern
es Nomen: Maskulina und Neutra mit (e)s-Genitiv
n Nomen: schwache Maskulina; Femina mit Schwa-Auslaut
s Nomen: regelmäßig nach Suffixen wie -keit/heit/igkeit, -tum, -schaft, -ung, -sal,
und -ling; Deverbativa auf -en mit einfachem oder präfigiertem Verbstamm als
Basis; maskulinen und femininen Ableitungen von Partikelverben
Tabelle 3.5: Fugenelemente und ihre Eigenschaften
Die Herkunft der Fugenelemente ist unterschiedlich. Teils handelt es sich um Flexive, teils
werden sie aus prosodischen Gründen eingefügt. Fugenelemente zwischen Erst- und Zweitglied
werden fast ausschließlich durch Eigenschaften des Erstglieds determiniert. Neben
diesen Fugen gibt es nichtnative Fugen wie -ial (in Territorialverteidung) und sog. Substraktionsfugen
(z.B. Wolldecke).
Da der Anteil der Syntax am Mechanismus der Komposition nur vergleichsweise gering ist
und Semantik, Konzeptwissen und Pragmatik eine ungleich größere Rolle spielen, ist dieser
Wortbildungstyp Hauptgegenstand von Abschnitt 3.3.
63

3.2.2 Derivation
Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Dieser Abschnitt versucht, die Eigenschaften der wichtigsten Suffixe und Präfixe des Deutschen
einigermaßen detailliert wiederzugeben; dabei beschränke ich mich auf die produktiven
Wortbildungstypen. Die Darstellung orientiert sind im wesentlichen an Toman (1987:
Kap. 3), Eisenberg (1998) und Olsen (1986).
3.2.2.1 Suffigierung
Tabelle 3.6 gibt eine Übersicht über die Eigenschaften der wichtigsten Suffixe des Deutschen
und ihren Einfluß auf das Derivat. Einige der Suffixe, die später auch eine Rolle in der
morphologischen Grammatik von Kapitel 5 spielen, werden noch etwas detaillierter beleuchtet.
Suffix Kat. Anforderungen morphosyntaktische semantische
an die Basis
Auswirkung
Auswirkung
-heit/ N Adjektive;
Festlegung von Genus Abstrakta-Bildung,
-keit/
phonotaktische
(feminin) und
Resultat denotiert einen
-igkeit Beschränkungen
bestimmen, welches
Allomorph gewählt wird
Flexionsklasse
Zustand
-schaft N Nomen Bildung femininer Bildung von
Nomen
Personenkollektiva
-ung N transitive Verben Festlegung von Genus Verbalabstraktion
intransitive Verben mit (feminin) und
Bildung von Nomina actionis
oder ohne PP-Objekt Flexionsklasse
(80%)
Stammkomplexität Argumentvererbung Vorgang/Zustandsalternation
irrelevant
Bildung von Subjektivus bzw.
nicht möglich: Verben
mit Dativobjekten
Objektivus
-er N Verben Bildung maskuliner, Bildung von Nomina agenti,
movierbarer Nomen Nomina instrumenti,
Argumentvererbung Nomina acti
-ismus N nicht-native Basis:
Nomen, Adjektive
(insbes. auf -al)
Abstraktion
-bar A transitive Verben Absorption bzw. Hinzufügung eines
Rückstufung der
Subjektsthetarolle
Potentialitätsaspekts
-el V native Nomen, Verben regelmäßige Flexion Hinzufügung eines iterativen
und Adjektive
Aspekts
-er V native Nomen, Verben regelmäßige Flexion Hinzufügung eines iterativen
und Adjektive
Aspekts
-ier / V N, (V), A
regelmäßige Flexion „etwas zu Bed(N) machen“
-ifizier / überwiegend nicht-nativ, Deadjektivische Ableit- „etwas mit Bed(N) versehen“
-izier
auch komplex
ungen sind transitiv „etwas Bed(A) machen“
-ig V einfache Nomen und
Adjektive
regelmäßige Flexion
-isier V Nomen und Adjektive transitive Verben mit
regelmäßiger Flexion
Affizierung, Effizierung
-ist N Nomen Bildung maskuliner, Bildung von
movierbarer Nomen Personenbezeichnungen
Stereotyperschließung
Tabelle 3.6: Einige native und nicht-native Suffixe des Deutschen und ihre Eigenschaften
64

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
-er
Das Suffix -er bildet mit einer verbalen Basis Nomina agenti (Arbeiter, Schneider), Nomina
instrumenti (Büchsenöffner, Bleistiftspitzer) und Nomina acti (Jodler). Die Alternation zwischen
Agens und Instrument findet sich in systematischer Weise auch schon bei den
zugrundeliegenden Verben, vgl. Eisenberg (1998:265):
(36)
a) Karla öffnet die Tür mit dem Schlüssel
b) Der Schlüssel öffnet die Tür
Bei Nomina instrumenti scheint Argumentvererbung vorzuliegen, da die Argumentstelle
des direkten Objekts bevorzugt kompositumsintern realisiert wird:
(37) Nußknacker – *Knacker – ?*Knacker der Nüsse
Ausgeschlossen für er-Nominalisierungen sind Psych-Verben (erstaunen, freuen), bei den für
das Akkusativobjekt eine Selektionsbeschränkung auf Person existiert und ergative Verben
(aufblühen, fallen). Zurückzuführen ist dies vermutlich auf die Aktionsart des Basisverbs.
Neben den genannten Typen gibt es Ableitungen mit substantivischer Basis, die aber z.T.
recht heterogen sind: Regensburger (Ortsname), Gewerkschafter (Institution) etc.
-bar
Die Generalisierung, die bezüglich der Ableitung mit -bar bereits in Abschnitt 3.1.2.2 diskutiert
wurde, war die, daß nur transitive Verben als Basis möglich sind. Dies erklärt zunächst
die folgenden Ungrammatikalitäten (vgl. Toman (1987:70)):
(38)
a) * Dieses Hotel ist schlafbar (schlafen, intransitiv)
b) * Der Mann ist nicht helfbar (helfen, Dativobjekt)
c) * Die Toten sind gedenkbar (gedenken, Genitivobjekt)
Allerdings gibt es transitive Verben wie verbittern, enttäuschen und überraschen, die ebenfalls
eine bar-Ableitung blockieren. Toman (1987) schlägt zur Erklärung dieser Daten daher ein
semantisches Kriterium vor: das der Intentionalität. Transitive Verben, die eine intentionale
Handlung ausdrücken, können danach zum Ausgangspunkt der Ableitung mit -bar gemacht
werden.
Argumentvererbung kann bei der bar-Ableitung auch hinsichtlich von Dativargumenten bei
Verben mit dem Subkategorisierungsrahmen Subjekt – Dativobjekt – Akkusativobjekt stattfinden,
da Dativargumente schließlich auch von Adjektiven (beispielsweise jdm. treu sein) subkategorisiert
werden können (vgl. Toman (1987:78)):
(39)
a) Solche Gegenstände sind den Touristen leicht entwendbar
b) Die Tat war dem Angeklagten nicht nachweisbar
Zuletzt gibt es morphologische Beschränkungen: Verben, die auf -ig(en), -lich(en) oder -el(n)
enden, können nicht durch -bar adjektiviert werden.
3.2.2.2 Präfigierung
Die Operation der Präfigierung unterscheidet sich formal von der Suffigierung, da Präfixe -
wenn man an der positionellen Festlegung des Kopfes festhält – nicht der Kopf eines Wortes
sein können. Hieraus ergeben sich einige Probleme. Es gibt nämlich eine Reihe von Präfixverben
im Deutschen, deren Basis Nomen bzw. Adjektive sind (vgl. Olsen (1990:34)):
65

(40)
a) versalzen
b) befeuchten, verdünnen
Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Das Problem, welches sich hierbei stellt ist, auf welche Weise die verbalen Eigenschaften
dieser Verben mit adjektivischer bzw. nominaler Basis zustande kommen. Die Präfixe ver-
und be- können auch mit der Definition des relativierten Kopfes nicht Köpfe der Wortstrukturen
sein, da die entsprechenden Basen bereits kategoriell festgelegt sind.
Präfixe wie be-, ent-, er-, ver- und zer- weisen, wie Olsen (1990) zeigt, weder eine bestimmte
Flexionsklasse (wie beispielsweise die verbalisierenden Suffixe) noch eine bestimmte Argumentstruktur
auf, was gegen ihren Kopfstatus spricht. Theoretisch ist dies durchaus erfreulich,
da dann die Right Hand Head Rule im Deutschen universell gelten würde. Zu lösen
bleibt aber das Problem, was der verbalisierende Kopf in diesen Wörtern ist. Die Vorschläge
hierzu reichen von Konversionsregeln, leeren V-Köpfen (Olsen (1991)) und der Annahme
von semantischen, verbähnlichen Primitiven (Wunderlich (1987)). Allen diesen Ansätzen ist
gemeinsam, daß sie das Problem nicht befriedigend zu lösen vermögen.
Ein interessantes Muster ergibt sich bei der be-Präfigierung einer ganzen Reihe von
deutschen Verben (vgl. auch Wunderlich (1987) und Dörfler et al. (1995)):
(41)
a) Hans staunte [PP über Peters neues Auto]
b) Hans bestaunte [NP Peters neues Auto]
(42)
a) Sie gießt [NP Wasser] [PP auf die Blumen ]
b) Sie begießt [NP die Blumen] [NP mit Wasser ]
In (41) bewirkt die Präfigierung mit be-, daß die thematische Rolle Thema, die das Simplexverb
staunen als Präpositionalphrase verwirklicht, bei bestaunen an eine Nominalphrase zugewiesen
wird. Bei dreiwertigen Verben wie gießen/begießen in (42) kommt es neben dieser
Änderung der syntaktischen Realisierung einer Thetarolle zu einer charakteristischen Veränderung
in der Basisabfolge der Argumente.
Schematisch lassen sich diese Modifikationen folgendermaßen darstellen:
3-wertige be-Verben: 2-wertige be-Verben:
Subjekt Akk.-Objekt Präp. Objekt/
Dativ objekt
Basiv erb: Ag
Be-Verb: Ag
(Th)
Lok
66
Lok
(Th (mit))
Subjekt
Ag
Ag
Th (Präp.) Präp.Objekt
Abb. 3.2: Argumentdiathese bei der be-Präfigierung (aus Dörfler et al. (1995))
Th
Akk.-Objekt
Ein dritter Typus ist die Bildung von desubstantivischen Verben (vgl. Reifen – bereifen, Bild –
bebildern).
Be-Präfigierung stellt somit einen Sonderfall der Argumentvererbung dar. Eine Reihe von
Präpositionen (z.B. durch) zeigen im übrigen ein ähnliches Verhalten. Die be-Präfigierung
unterscheidet sich jedoch von der Präfixverbbildung mit Hilfe von Präpositionen, da sie
immer ein agentivisches Basisverb erfordert. Ein ähnliches Verhalten legen im übrigen andere
Verbpräfixe wie durch-, über- und um- an den Tag.

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Tabelle 3.7 enthält einige weitere produktive Präfixe.
Präfix Basis morphosyntaktische
Auswirkung
un- komplexe Adjektivstämme mit Stammmodifikation, d.h. das
partizipialer oder suffigierter Derivat hat die gleiche
Basis
weniger produktiv:
Nomenstämme
Kategorie wie die Basis
Ge- einfache Verbstämme + -Ge- hat Kopfeigenschaften: es
Schwasilbe (Gesinge, Getue, bestimmt die Kategorie des
Geheule)
Derivats wie auch dessen
Genus und Flexionstyp
Tabelle 3.7: Einige Präfixe im Deutschen und ihre Eigenschaften
67
semantische
Auswirkung
Bildung eines
Antonyms zur Basis
Wiederholung des
durch den Stamm
ausgedrückten
Vorgangs
3.2.2.3 Konversion
Als ein dritter Wortbildungtypus, der aus dem Rahmen der konkatenativen Morphologie
und damit auch aus dem item-and-arrangment-Modell herausfällt, ist die sog. Konversion aufzufassen.
Hierbei ändern Stämme ohne Hinzutreten von Affixen ihre Kategorie, beispielsweise
(aus Olsen (1986:111)):
(43)
a) Schule – schulen, Schicht – schichten
b) weit – weiten, kurz – kürzen
c) schlafen – Schlaf, treffen – Treff
Damit sind alle im Deutschen produktiven Konversionsmuster beschrieben, schematisch
demnach:
(44)
a) N � V
b) A � V
c) V � N
Die anderen drei möglichen Muster N � A, A � N, V � A sind im Deutschen nicht produktiv
8 .
Üblicherweise nicht als Gegenstand der Konversion werden Nominalisierungen von Infinitiven
und die substantivische Verwendung von Adjektiven angesehen, da in diesen Fällen
Flexionsaffixe mit übernommen werden.
Prinzipiell gibt es vier Möglichkeiten, Konversion zu formalisieren:
1. durch Annahme von phonetisch leeren Köpfen
2. durch die Annahme, daß Morpheme kategoriell unterspezifiziert sind
3. durch Annahme von unären Regeln X � Y
4. durch Umkategorisierung
8 Das zeigt auch ein Blick in die CELEX-Datenbank (Baayen et al. (1993)). Unter den knapp 9700 dort
verzeichneten Adjektivlemmata war lediglich der Typ N � A 22 mal vertreten. Die anderen Möglichkeiten
sind dort überhaupt nicht belegt. Nicht berücksichtigt sind dabei allerdings substantivische
Verwendungen von Adjektiven, wie beispielsweise schwarz – (das) Schwarze. Hierbei handelt es sich
jedoch möglicherweise um Ellipsen.

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Gegen die ersten beiden Ansätze finden sich gewichtige Gegenargumente in Olsen
(1986:113ff). Ich möchte noch kurz auf die beiden anderen eingehen, da sich hieraus methodologische
Konsequenzen ergeben.
Den Unterschied zwischen 3. und 4. kann man am Beispiel von weit (A) – weiten (V) strukturell
folgendermaßen fassen:
(45) a) b)
V
A
weit
V
weit
(45b) ist mit einem monotonen Formalismus wie dem in Kapitel 2 dargestellten nicht (ohne
weiteres) kompatibel, da es nicht möglich ist, eine Merkmalsstruktur destruktiv durch eine
andere zu ersetzen. Zudem ist es unter der Annahme, daß sich die semantische Interpretation
entlang der Wortstruktur vollzieht, unklar, wie sich die Bedeutung von weiten als weit
machen ergibt. Daher werden in der Wortgrammatik von Kapitel 5 unäre Konversionsregeln
angesetzt.
Als morphologische Restriktion für Konversion gilt, zumindest für nominale und adjektivische
Basen, daß nur affixlose Stämme ihr unterworfen werden können.
68

3.3 Wortsemantik
Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
In Abschnitt 3.1 wurde festgestellt, daß es durchaus möglich ist, Wörtern durch Anwendung
einfacher, binär verzweigender Regeln hierarchische Strukturen zuzuweisen. Damit dies
jedoch auch sinnvoll ist, müssen diese wortsyntaktischen Strukturen auch in die Interpretation
des komplexen Wortes mit eingehen – denn dies muß das letztendliche Ziel jeder Theorie
der Wortbildung sein. Kapitel 3.3 befaßt sich daher mit drei verschiedenen Theorien der
Interpretation komplexer Wörter, die textuell danach geordnet sind, welchen Stellenwert sie
der Syntax bei der Interpretation von Wortbildungen einräumen. Die erste, in Meyer (1993)
vorgestellte Konzeption, nimmt nur sehr einfache Wortsyntaxregeln an und verlagert die
Bürde der Interpretation auf das konzeptuelle System. Die zweite, von Gisbert Fanselow
vertretene Theorie (z.B. Fanselow (85)), streicht Wortstruktur ganz aus dem Beschreibungsinventar
zugunsten einfacher Merkmalsperkolationsprinzipien und erklärt den Mechanismus
der Bedeutungskonstruktion durch einen u.a. durch diese Prinzipien beschränkten Prozeß
der freien Anwendung von semantischen Grundoperationen. Der dritte hier dargelegte
Ansatz, der von Pustejovsky (1995), ist eine Summe von Ideen aus Semantik und Wissensrepräsentation,
die auch in den anderen Ansätzen ihre Rolle spielen.
3.3.1 Wortsemantik als Wissensrepräsentation
Die Arbeit von Meyer (1993) hat nicht den Gesamtbereich der Komposition zum Gegenstand,
vielmehr richtet Meyer sein Hauptinteresse auf sog. novel noun-noun compounds, die er
definiert als „non-lexicalized noun-noun compounds appearing as names for a certain concept provided
by the text“ (Meyer (1993:XIV)). Anders als Rektionskomposita wie Autoverschrotter,
deren Interpretation sich zum größten Teil noch auf der Grundlage von grammatischen
Prozessen vollzieht, scheinen bei der Deutung dieser Art von Komposita überwiegend
konzeptuelle Operationen eine Rolle zu spielen, was auch durch experimentelle
Untersuchungen (vgl. Wisniewski/Gentner 1991) nahegelegt wird. Der Schluß, der hieraus
für ein Modell zur Interpretation von NN-Komposita zu ziehen ist, ist der, daß ein solches
Modell nicht ohne Bezug auf Konzeptwissen und im Weltwissen begründete Relationen
zwischen Konzepten funktionieren kann.
Um dem Rechnung zu tragen, konstruiert Meyer einen theoretischen Apparat, der auf drei
Grundpfeilern ruht:
� einer Variante der Zwei-Ebenen-Semantik von Bierwisch
� der Diskursrepräsentationstheorie
� Techniken der Wissensrepräsentation
Die Zwei-Ebenen-Semantik mit ihrer Annahme einer im Lexikon verankerten zusätzlichen
Ebene der semantischen Form ist nach Meinung des Autors geeignet, die Unterscheidung
zwischen dem Kerngehalt eines Konzepts, von Meyer als lexical meaning bezeichnet, und
seiner Erweiterung bezüglich einer bestimmten Äußerungssituation (utterance meaning) zu
erklären. Diese Erweiterung von Konzepten – in der Terminologie der Zwei-Ebenen-
Semantik conceptual shift – läßt sich anhand des Konzepts Museum mit seinen Lesarten Gebäude,
Institution, Sammlung und Personal verdeutlichen:
(46)
a) Das Museum brannte ab (Gebäude)
b) Das Museum zahlt schlecht (Institution)
c) Das Museum war langweilig (Sammlung)
d) Das Museum hat gestreikt (Personal)
69

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Hauptgrundlage von Meyers Modell ist eine auf die Erfordernisse der Kompositainterpretation
zugeschnittene Version der Diskursrepräsentationstheorie, die in zwei Varianten auftritt:
Die erste, DRLlex, ist als Menge von lexikalischen Diskursrepräsentationsstrukturen
(DRSen) gegeben, die ihrerseits der Notation der semantischen Form von durch Nomina
ausgedrückten Konzepten dienen. Eine lexikalische DRS ist ein Paar , wobei Ulex
eine Menge von Variablen { x1,...,xn} und Conlex eine Menge von DRS-Bedingungen spezifiziert.
DRS-Bedingungen sind im wesentlichen Relationskonstanten r(x1,...,xk) mit Variablen
als Argumenten, Gleichsetzungen von Variablen (xi = xj) und rekursive Einbettungen von
weiteren lexikalischen DRSen. Entscheidend jedoch für die Interpretation von Nomen, die
Artefakte bezeichnen (wie z.B. Buch, Museum etc.), ist der sog. purpose-Operator �, 9 der dazu
verwendet wird, mit einem Begriff eine Menge von typischen, kontextunabhängigen
Zweckangaben 10 zu assoziieren. Am Beispiel des Nomens Museum soll dies näher erläutert
werden. Die im Lexikon für Museum verzeichnete lexikalische DRS sieht folgendermaßen
aus (Meyer (1993:92)):
(47)
� x
x
�(x,p)
p=
y e1 e2
exhibiting(e1)
informing(e2)
theme(e1,y)
theme(e2,y)
Diese DRS repräsentiert eine Funktion von Individuen nach Wahrheitswerten, wobei die
Variable x aus Ulex mit Hilfe des Operators � mit einer eingebetteten DRS K verknüpft wird,
die die für Museen typischen Zweckbestimmungen enthält: Museen gehören zur Menge der
ausstellenden und informierenden Entitäten, wobei der Gegenstand dieser Aktivitäten nicht
weiter beschränkt ist, da mit der Themavariablen y keine weiteren Restriktionen verknüpft
sind.
Die zweite Variante der Diskursrepräsentationstheorie, DRLc, dient zur Repräsentation von
konzeptuellem Wissen. Meyer gibt eine Übersetzungsfunktion an, die es ermöglicht, die
Grundelemente (genauer: die TBOX-Elemente) von terminologischen Wissensrepräsentationssprachen
(beispielsweise KL-ONE) in Ausdrücke von DRLc umzusetzen, um auf diese
Weise einen einigermaßen einheitlichen Rahmen sowohl für die Repräsentation von lexikalischen
Bedeutungen wie auch die Abbildung von Konzeptwissen zu erhalten. Nachstehend
ist ein Teil des Gesamtkonzeptes von Museum, die Lesart Institution wiedergegeben (Meyer
(1993:98)):
9 Dieser Operator entspricht weitgehend der sog. telischen Rolle in der Qualia-Struktur von Pustejovsky
(1995); s.u..
10 Stereotype Eigenschaften und Relationen in der Terminologie von Boase-Beier at al. (1984).
70

museum-institution(b)
Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
�
institution(b)
e3
organizes(b,e3)
e4
organizes(b,e4)
n
has-worker(b,n)
71
�
�
�
exhibiting(e3)
z
theme(e3,z)
informing(e4)
w
theme(e4,w)
�
�
museum-leader(n)
Card(n) � 1
Abb. 3.3: Teilkonzept „Institution“ des Gesamtkonzepts „Museum“
all(z)
all(w)
Das Gesamtkonzept von Museum beinhaltet darüber hinaus noch die Lesarten für Gebäude,
Sammlung und Personal.
DRLc ist die Gesamtmenge der sog. konzeptuellen DRSen, die wiederum Paare
von Mengen von Diskursreferenten und Mengen von DRS-Bedingungen sind. Grundelemente
der Syntax von konzeptuellen DRSen sind, neben den DRT-üblichen Konnektiven
wie Implikation, Äquivalenz, Disjunktion und Negation und den mit ihrer Hilfe rekursiv
eingebetteten konzeptuellen DRSen, Konzepte und Rollen. Konzepte sind in einer
Subsumptionshierarchie organisiert. Das Konzept museum-institution wird beispielsweise
durch die Bedingung institution(b) in Abb. 3.3 als Subkonzept des Konzepts institution definiert,
was der Aussage gleichkommt, daß jede Instanz von museum-institution auch eine Instanz
von institution ist.
Konzepte sind untereinander durch Rollen - zweistellige Relationen - verbunden. Im Beispiel
ist das Konzept museum-institution über die organizes-Rolle mit dem Konzept exibiting
verbunden.
Lexikalische und konzeptuelle DRSen sind über eine sog. confirmation-Relation miteinander
in Beziehung gesetzt, die gleichzeitig die Semantik von lexikalischen DRSen bestimmt. Intuitiv
ordnet diese Relation einer lexikalischen DRS (wie der in (47) angegebenen) die Menge
von konzeptuellen DRSen zu, auf die sich die lexikalische DRS in verschiedenen Kontexten
beziehen kann; im Falle von Museum sind dies die verschiedenen konzeptuellen Strukturen
für die Lesarten Gebäude, Institution, Sammlung und Personal.
In welcher Weise wird nun von diesem Apparat bei der Interpretation von NN-Komposita
Gebrauch gemacht?
Meyer nimmt einen mehrstufigen, durch einfache, binär verzweigende Syntaxregeln (N �
N N) gesteuerten Algorithmus an, der schematisch in Abb. 3.4 wiedergegeben ist (Meyer
(1993:147)) 11 :
11 Ein ähnlicher Vorschlag findet sich auch schon in Boase-Beier et al. (1984).

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Theta-role assignment
fail or search for alternatives
relation from lexical DRS of the head noun
conceptually founded relations
fail or search for alternatives
Abb. 3.4: Schematischer Algorithmus zur kontextunabhängigen Interpretation von NN-Komposita
Zunächst wird demnach versucht, eine Interpretation auf grammatischer Basis zu finden,
indem untersucht wird, ob das Hinterglied ein relationales Nomen ist, welches eine Argumentstelle
aufweist, die durch das Vorderglied gesättigt werden kann. Ist dies der Fall, dann
wird die lexikalische DRS für das Vorderglied in die DRS des Hinterglieds eingebettet, so
daß eine neue komplexe lexikalische DRS entsteht. Als Beispiel ist in Abb. 3.5 die DRS für
Museumsfan angegeben.
� x
x y
fan-of(x,y)
!
[z]
�(z,p)
p=
z = y
t e1 e2
exhibiting(e1)
informing(e2)
theme(e1,t)
theme(e2,t)
Abb. 3.5: DRS für „Museumsfan“
(„!“ ist der Generizitätsoperator, der ausdrücken soll, daß Modifizierer bei NN-Komposita
häufig in ihrer generischen Lesart verstanden werden). Voraussetzung für die Anwendung
dieser Interpretationsregel ist natürlich, daß die Selektionsbeschränkungen für die interne
Argumentstelle des relationalen Nomens nicht verletzt werden; dies wird durch einen Test
sichergestellt, der überprüft, ob eine der Argumentstellenbeschränkungen des Kopfes eines
derjenigen Konzepte des Modifizierers subsumiert, die mit seiner lexikalischen DRS in besagter
confirmation-Relation stehen. Fan weist keine Beschränkungen für sein internes Argument
auf (man kann Fan von allem sein), während Sohn festlegt, daß sich sein internes
Argument auf ein Subkonzept von menschlich bezieht.
Nachdem der Interpretationsalgorithmus versucht hat, Deutungen auf der Grundlage einer
Thetarollenzuweisung zu finden, prüft er nun im zweiten Schritt, ob sich eine Relation zwischen
Vorder- und Hinterglied auf der Grundlage der mit den beteiligten DRSen mittels des
�-Operators verknüpften Zweckangaben finden läßt. Hierbei wird aus dem durch die lexikalische
DRS des Zweitgliedes denotierten Gesamtkonzept ein Teilkonzept herausgegriffen,
72

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
welches das Denotat der durch den �-Operator eingebetteten Rollen enthält. Wenn das mit
dem zweiten Argument dieser Rolle verknüpfte Konzept ein Konzept aus dem Gesamtkonzept
der lexikalischen DRS des Erstgliedes subsumiert, dann kann die Interpretationsregel
erfolgreich angewandt werden.
Dieser zunächst kompliziert anmutende Sachverhalt soll beispielhaft am Kompositum Büchermuseum
erläutert werden, dessen lexikalische DRS in Abb. 3.6 gezeigt ist.
� x
x u
�(x,q)
q=
!
y e1 e2
exhibiting(e1)
informing(e2)
theme(e1,y)
theme(e2,y)
y = u
[w]
�(w,p)
p=
w = u
i j e3 e4
mediating(e3)
publishing-company-institution(i)
publishing(e4)
theme(e3,j)
agent(e4,i)
Abb. 3.6 Lexikalische DRS für „Büchermuseum“:
Die u.a. mögliche Lesart „Institution, die über Bücher informiert“ erhält man folgendermaßen:
aus dem durch die lexikalische DRS für Museum denotierten Gesamtkonzept – bestehend
aus den Teilkonzepten für Gebäude, Institution (in Abb. 3.3 wiedergegeben), Sammlung und
Personal – wählt man das Teilkonzept museum-institution aus. Dann sucht man eine Rolle aus
diesem Konzept – theme(e4, w) in Abb. 3.3 – und betrachtet das mit dem zweiten Argument
dieser Rolle (w) verbundene Konzept all, welches das allgemeinste Konzept in der Konzepthierarchie
ist. Wenn dieses Konzept eines der durch das Nomen Buch ausgedrückten
Konzepte (beispielsweise physical-object und information-carrier) subsumiert, was der Fall ist,
dann ist das Ergebnis eine zulässige Interpretation.
Sollte der Algorithmus bis jetzt gescheitert sein bzw. sollen noch weitere Interpretationsalternativen
ermittelt werden, so versucht das Verfahren, Relationen zwischen den Kompositagliedern
zu finden, die vollständig konzeptuell motiviert sind; hierbei gibt es erwartungsgemäß
die größte Bandbreite an Interpretationsmöglichkeiten.
Ist es nicht möglich, Relationen zwischen den beiden Gesamtkonzepten zu finden, so setzt
sich die Suche in den übergeordneten Konzepten fort. Abhängig von der Art der Konzepte
werden hier auch konzept- und domänenspezifische Relationen wie part-of, has-part, made-of,
location etc. in Erwägung gezogen. Im Rahmen dieser Arbeit kann ich nicht weiter auf die
vorgeschlagenen Möglichkeiten zur Relationenbestimmung eingehen; der interessierte Leser
sei auf Kapitel 5.4 in Meyers Arbeit verwiesen.
73

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Obwohl Meyers Arbeit sehr fundiert den Zusammenhang von Wortsyntax, grammatisch
und konzeptuell gesteuerter Interpretation rekonstruiert, gibt es doch einige Punkte, die
kritisiert werden können:
(i) Wie verhält sich Meyers Ansatz zu den wenigen Restriktionen die für NN-Komposita
gelten (vgl. auch Olsen 1994)?
1. Negation kann nicht Teil der erschlossenen Relation zwischen den beiden Kompositabestandteilen
sein
2. "Zu weit hergeholte Relationen" wie bei "Benzinfabrik = Fabrik, bei der zum Reinigen der Reaktionsbehälter
Benzin verwendet wird" sind bei einer Interpretation im Nullkontext ausgeschlossen.
Restriktion 1 wird von Meyer schon dadurch Rechnung getragen, daß die Syntax von DRSlex
insbes. bei der Einbettung von DRSen mittels des �-Operators keine Negation zuläßt, was
sich über die confirmation-Relation auch auf diejenigen konzeptuellen DRSen überträgt, die
das Gesamtkonzept einer lexikalischen DRS wiedergeben. Negation kann somit bei Interpretationen
auf der Grundlage einer stereotypen Relation keine Rolle spielen.
Die Relationen, auf die sich Restriktion 2 bezieht, könnten sich entweder aus den mit der
lexikalischen DRS verknüpften stereotypen Zweckangaben ergeben oder aus der mit Hilfe
von DRSc abgebildeten Konzepthierarchie rekonstruiert werden. Die erste Möglichkeit ist
jedoch ausgeschlossen, da stereotype Relationen nur prototypische Verwendungsweisen
widerspiegeln können; die typische Verwendungsweise einer Fabrik ist beispielsweise die,
daß in ihr etwas hergestellt wird. Somit können "zu weit hergeholte" Relationen nur durch
die über der Konzepthierarchie operierenden dritten Interpretationsregel zustande kommen.
Hier würden jedoch aufgrund einer von Meyer vorgeschlagenen Anordnung (S. 148) von
verschiedenen Interpretationsstrategien zunächst weitaus plausiblere Interpretationen generiert,
so daß Deutungen wie bei der erwähnten Benzinfabrik kaum möglich sind.
(ii) Meyers zweite Interpretationsregel geht davon aus, daß nur stereotype Relationen aus
dem Zweitglied des Kompositums bei der Deutung Verwendung finden können. Dies greift
jedoch zu kurz, da in manchen Fällen auch stereotype Relationen aus dem Erstglied herangezogen
werden wie z.B. in Dosenfisch (enthält(x, y)) oder Fabrikschuh (produziert(x, y)). Das
von Meyer erfaßte Interpretationsmuster ist jedoch zugegebenermaßen das produktivere.
(iii) In Übereinstimmung mit Boase-Beier et al. (1984:79) bin ich der Ansicht, daß die Ähnlichkeitsrelation
(die beispielsweise bei der Interpretation von Samtstimme eine Rolle spielt), keine
stereotype Relation sein kann. Sie ist jedoch meiner Meinung nach auch keine in der statischen
Konzepthierarchie verankerte Relation, sondern eine, die aufgrund von Inferenzprozessen
erschlossen wird. Inferenzprozesse läßt Meyer nun ausdrücklich zu, ohne jedoch explizit
zu machen, auf welche Weise Hörer zu Deutungen auf der Grundlage der Ähnlichkeitsrelation
kommen.
(iv) Mein letzter Einwand betrifft Meyers formalen Apparat, insbes. seine Übersetzungfunktion
von TBOX-Ausdrücken der zum Ausgangspunkt genommenen Wissensrepräsentationssprache
nach Elementen aus DRLc. Es scheint mir nicht möglich, das vom Autor auf S. 77
wiedergegebene Beispiel der TBOX-Konzeptrepräsentation von CAR in Ausdrücke von
DRLc zu überführen. Bei den Übersetzungs- und mengentheoretischen Deutungsregeln fehlen
insbes. diejenigen für die Definition von Konzepten (� und �). Konkret: aufgrund welcher
Übersetzungsregeln kommt beispielsweise die auf Seite 79 abgebildete konzeptuelle
DRS für CAR zustande. Darüber hinaus ist mir nicht klar geworden, wie man mit Hilfe dieses
Übersetzungsapparates zu dreistelligen Relationen wie containment(t,x,y) (Meyer
(1993:131)) gelangen kann.
74

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
3.3.2 Wortsemantik als freie Anwendung semantischer Operationen
In einer Reihe von Arbeiten hat Gisbert Fanselow (Fanselow 1985, 1987, 1988a, b) einen Ansatz
vorgestellt, der in Kontrast zu den in Kapitel 3.1 behandelten, syntaxorientierten
Theorien steht. Ausgangspunkt von Fanselow ist die Tatsache, daß auch eine postulierte
syntaktische Struktur von Wörtern letztendlich dem Ziel dienen muß, eine Interpretation
komplexer Wörter zu ermöglichen. Grundsätzlich gibt es jedoch zwei Möglichkeiten,
Bedeutungen zu konstruieren:
1. Die Interpretation vollzieht sich syntaxgesteuert, d.h. es gibt eine Reihe von Syntaxregeln
zum Aufbau komplexer Wörter und jeder dieser Regeln ist eine semantische Operation
zugeordnet, die kompositionell die Bedeutung der Konstituente aus ihren Teilen errechnet.
2. Die Interpretation ist unabhängig von der syntaktischen Struktur des Wortes und ergibt
sich durch Anwendung bestimmter semantischer Basisoperationen.
Möglichkeit 1 wird im wesentlichen in Fanselow (1981) verfolgt. Auf der Grundlage des
Ansatzes von Montague postulierte Fanselow dort etwa 30 Paare von Syntaxregel –
semantischer Operation, um einen substantiellen Ausschnitt der Komposition im Deutschen
zu beschreiben. Diese Vorgehensweise ist jedoch kritisiert worden (z.B. von Handwerker
(1985)):
� Dieses Grammatik/Interpretations-Fragment erfaßt nur deskriptiv die verschiedenen
Interpretationsalternativen, gibt jedoch keine prinzipielle Antwort darauf, warum gerade
diese Möglichkeiten realisiert sind und andere nicht.
� Aufgrund der sehr armen Syntax von Komposita – im wesentlichen gibt es nur Regeln
der Form X � Y X – werden demnach einer einzigen syntaktischen Struktur sehr viele
verschiedene Interpretationsregeln zugeordnet, was letztlich natürlich ineffizient ist, zu
unplausiblen Deutungen führt und der rule-by-rule-Konzeption von Montague zuwiderläuft.
Sinnvoll ist eine syntaxgesteuerte Interpretationskomponente m.a.W. nur dann, wenn aus
einer bestimmten syntaktischen Konstruktion eindeutig die anzuwendende semantische
Regel folgt.
Der Schlüssel zur Lösung dieses Zuordnungsproblems und damit Möglichkeit 2 liegt nun
darin, daß das Repertoire der semantischen Grundoperationen in diesen Interpretationsregeln
sehr beschränkt ist, was an einem Fanselow (1985:294) entnommenen Beispiel demonstriert
werden soll:
(48)
For all compounds AB, if A denotes the property a and B denotes the property b, and
if r is a two-place relation stereotypically associated with B, the AB denotes:
�x (b(x) � r(�P(�y �z (a(y) � a(z) � P(y) � P(z) ))(x)))
Regel (48) wird zur Interpretation von Komposita mit einer aus dem Zweitglied erschlossenen
stereotypen Relation – beispielsweise Computerfabrik – herangezogen, dessen semantische
Struktur als Funktion von Individuen zu Wahrheitswerten dann so aussieht:
(49)
�x (fabrik’(x) � produziert’(�P(�y �z (computer’(y) � computer’(z) � P(y) � P(z) ))(x)))
M.a.W. eine Computerfabrik ist eine Fabrik, die mindestens zwei Computer produziert.
Fanselows Schlüsselbeobachtung ist nun die, daß alle ähnlich gearteten Deutungsregeln aus
dem folgenden Grundinventar aufgebaut sind:
75

(50)
Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
a) Funktionalapplikation, d.h. Anwendung einer Funktion auf ein oder mehrere Argumente
b) Konjunktion
c) Pluralische Quantifikation
d) Erschließen einer stereotypen Relation
e) Existentielles Schließen einer Argumentstelle
Die Operationen a) bis d) sind in (49) realisiert: Funktionalapplikation bei der Anwendung
der stereotypen Relation r auf das Denotat des Erstglieds, Konjunktion bei der Verknüpfung
des Denotats des Zweitglieds mit dieser Relation r, Pluralquantifikation in sehr rudimentärer
Form durch die Forderung, daß es zwei Individuen y und z geben muß, die die Eigenschaft,
die das Erstglied denotiert, erfüllen. Erschließen einer stereotypen Relation schließlich
durch Einführung der Relation r aufgrund der Semantik des Zweitgliedes.
Fanselow nimmt nun an, daß sich die Anwendung dieser Operationen frei ohne einen Bezug
zur syntaktischen Struktur (die er in rudimentärer Form immer noch annehmen muß; mehr
dazu weiter unten) vollzieht. Hierzu formuliert er folgendes Prinzip (Fanselow 1985: 295):
(51)
The interpretation of any compound can be obtained by a successive application of the simple,
possibly universal processes given in [50] [im Original (8)].
Die Anwendung dieser Grundoperationen – die Fanselow im übrigen auch in der Satzsyntax
annimmt – ist hier wie dort vollkommen frei. Da sich bei unbeschränkter Anwendung jedoch
auch viele unzulässige Deutungen ergeben, müssen diese Prozesse wiederum beschränkt
werden, ganz im Sinne des modularen Aufbaus der Syntaxtheorie im Anschluß an
Chomsky (1981), der neben Generatormodulen wie der X-Bar-Theorie und der Transformation
„Move �“ eine Reihe von Testmodulen wie der Kasus-, Theta- und Bindungstheorie
annimmt.
Diese Beschränkungen speisen sich aus wenigstens zwei Quellen:
� Merkmalsperkolationsbedingungen
� Einer Verbindung zwischen syntaktischen und typentheoretischen Kategorien
Merkmalsperkolationsbedingungen (vgl. Kapitel 3.1.1.1) stellen nach Fanselow den letzten
Rest syntaktischer Struktur auf der Ebene der Wörter her. Im wesentlichen geht es hierbei
um die Gleichheit der Wortartmerkmale zwischen dem im Deutschen rechts stehenden Kopf
und dem Gesamtwort. Das Zweitglied bestimmt demnach immer die syntaktische Kategorie
und eine Reihe von weiteren Eigenschaften des zusammengesetzten Wortes.
Die Verbindung zwischen syntaktischen und typentheoretischen Kategorien ist nun das
Bindeglied zwischen Wortsyntax und Wortsemantik, das die syntaxgesteuerten Interpretationsregeln
der vorhergehenden Konzeption in Fanselow (1981) ablöst. Hierzu wird eine
Korrelation zwischen Kategorien und logischen Typen im Rahmen der Montague-
Grammatik angenommen, die in Tabelle 3.8 wiedergegeben ist (frei nach Fanselow (1985:
298)):
76

Syntaktische
Kategorie
Nomen
(Individuennomina)
Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Typenlogische Kategorie
77
Informelle
Umschreibung
Einstellige Prädikate
(Mengen)
Beispiele
Frau, Buch
Relationale Nomen Zweistellige Relationen Bruder, Sohn
Verben
Adjektive
Ein- bis dreistellige
Relationen
Ein- und zweistellige
Relationen
laufen,
kennen,
geben
frei,
treu
Tabelle 3.8: Beziehung zwischen syntaktischen Typen und typenlogischen Kategorien
Die Anwendung der semantischen Grundoperationen in (50) wird jetzt durch das folgende,
universell geltende Prinzip eingeschränkt (nach Fanselow (1985:299)):
(52)
Kein Ergebnis der Anwendung der semantischen Operationen in (50) darf der Korrelation
aus Tabelle 3.8 und den Bedingungen für die Verteilung von Wortartmerkmalen
widersprechen; darüber hinaus muß die Konjunktion auf Konjunkte mit gleichem
logischen Typ beschränkt werden.
Wie die freie Anwendung der semantischen Operationen aus (50) mit den Restriktionen aus
Tabelle 3.8 interagiert, möchte ich am Beispiel des Nomens Anwaltssohn darstellen, dessen
syntaktische Struktur in (53) wiedergegeben ist:
(53)
N
N N
Anwalt Sohn
� x anwalt'(x) �y
�z
sohn'(y,z)
Aufgrund der Rechtsköpfigkeit deutscher Wortstrukturen ist das Gesamtwort ebenfalls ein
Nomen und muß daher, nach Prinzip (50) und Tabelle 3.8, ein Prädikat bzw. eine
zweistellige Relation denotieren. Durch freie Applikation der Operationen aus (50) sind u.a.
folgende Interpretationen herstellbar:
� �x (�y sohn’(x,y) � anwalt’(x)): Die zweite Argumentstelle von sohn’ wird existentiell geschlossen
und, da jetzt beide Konjunkte von gleichem Typ sind – Funktionen von Individuen
zu Wahrheitswerten –, können sie mit � verknüpft werden. Informell bedeutet dies:
x ist ein Sohn von irgend jemandem und x ist Anwalt. Diese Lesart ist zwar nicht die präferierte,
grundsätzlich jedoch nicht ausgeschlossen, vgl.
(54)
Ich hörte, daß gestern dein Anwaltssohn wieder mal zu Besuch war. (im Gegensatz zum
Physikersohn)
� �x �y (anwalt’(y) � sohn’(x,y)): Die offene Argumentstelle von �y anwalt’(y) wird existentiell
geschlossen und die Funktion sohn’ auf die existenzquantifizierte Variable y angewandt,
was die bevorzugte Lesart „x ist der Sohn eines Anwalts“ ergibt.

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
� �x ( �y sohn’(x,y) � anwalt’(x)): Alle Argumentstellen werden existentiell geschlossen und
die Konjunktion der entstehenden Formeln gebildet. Die informelle Lesart hiervon lautet:
„Der Sohn ist Anwalt“. Diese Deutung ist jedoch ausgeschlossen, da die Und-Verknüpfung
zweier Sätze wiederum einen solchen ergibt, der logische Typ von Sätzen aber nicht
mit dem Individuennomen zugeordneten Typ kompatibel ist.
Obwohl Merkmals- und Typ-Kategorie-Beschränkungen viele unzulässige Interpretationen
ausfiltern, gibt es eine ganze Reihe von Restriktionen, die durch diesen relativ grob arbeitenden
Apparat nicht berücksichtigt werden können, beispielsweise
� konzeptuelle Beschränkungen: die zweite Argumentstelle von Sohn ist z.B. auf Nomen
mit dem Merkmal +menschlich festgelegt.
� Beschränkungen, die sich aufgrund der Aktionsart von an Wortbildungsprozessen beteiligten
Verben ergeben.
Um seinen Ansatz zu rechtfertigen, muß Fanselow (1985) auch den Wortbildungstyp Derivation
aus semantischer Perspektive sehen, d.h. auch die Derivation ist nicht von primär
syntaktischer Natur, sondern ergibt sich wie die Komposition durch freies Applizieren semantischer
Grundoperationen.
Soll dieser semantisch-konzeptuelle Interpretationsansatz als Gegenmodell zu den syntaktischen
Ansätzen etabliert werden, so muß er Aussagen zu den Daten machen, deren Erklärung
letztere sich selbst als ihre Stärke anrechnen. Dies sind vor allem:
� Argumentstrukturvererbung
� Beschränkungen in der Produktivität von Wortbildungsprozessen
Verfechter eines syntaktischen Ansatzes der Wortbildung versuchen, Datenpaare wie in (55)
(55)
a) die Mannschaft verliert das Spiel
b) die Verlierer des Spiels
durch Argumentvererbung (vgl. Kap. 3.1.2.2) in Beziehung zu setzen. Hiernach erhalten das
Akkusativobjekt in (55a) und das Genitivkomplement in (55b) die gleiche Thetarolle
(Thema), d.h. bei der Ableitung von transitiven Verben mit -er vererbt sich diese Argumentrolle
vom Basisverb an das Derivat. Daneben wird auch die Agens-Thetarolle an das
deverbale Nomen als externes Argument vererbt.
Argumentvererbung wird von den Vertretern eines syntaktischen Ansatzes formal in der
Weise rekonstruiert, daß als weitere semantische Operation die sog. Funktionalkomposition
angenommen wird, d.h. es wird zugelassen, daß das Argument einer Funktion selbst eine
Funktion sein kann, also noch offene Argumentstellen besitzt. Funktionalkomposition kann
auch zur Deutung einiger modifizierender Ausdrücke in der phrasalen Syntax herangezogen
werden, beispielsweise bei der Analyse von A-N-Konstruktionen wie (56)
(56) der angebliche Mörder
was sich als Anwendung der durch angeblich ausgedrückten Funktion auf die Funktion
�x Mörder(x) analysieren läßt.
Der Vorteil der Funktionalkomposition zur Analyse besteht darin, daß sie unerwünschte
Redundanzen im Lexikon beseitigt (vgl. Moortgart (1986)).
Beispiel:
Das Suffix -er kann mit transitiven und intransitiven Verben verbunden werden, vgl.
(57)
a) rauchen – Raucher
78

) verlieren – Verlierer
Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Zur Analyse kann man zwei homophone er-Suffixe mit „leerer“ Semantik ansetzen, die
mittels Funktionalapplikation auf die Übersetzung des jeweiligen Verbs angewendet
werden:
(58)
Syntax Semantik
er1-Regel: N � Vi er1 Ü(er1)(Ü(Vi)) = [�Pi Pi ]( Ü(Vi))
er2-Regel: N � Vt er2 Ü(er2)(Ü(Vt)) = [�Pt Pt]( Ü(Vt))
d.h. angewendet auf die Beispiele in (57):
(59)
a) Raucher: [�Pi Pi ]( �x rauch’) = �x rauch’(x)
b) Verlierer: [�Pt Pt(x,y)]( �x �y verlier’) = �x �y verlier’(x,y)
Statt dessen könnte auch nur ein er-Suffix angewendet werden, das durch Funktionalkomposition
mit der Verbsemantik verknüpft wird.
Zu erklären gilt es jedoch, warum Argumentvererbung in vielen Fällen blockiert ist, vgl.
(60) * der Verhüter des Unfalls
während, die wortinterne Sättigung ohne weiteres möglich ist:
(61) der Unfallverhüter
Im Rahmen der Konzeption von Fanselow (1988b) wird dieser Kontrast folgendermaßen
erklärt: das Suffix -er verlangt für sein Argument das typenlogische Äquivalent eines intransitiven
Verbs. Als Basisverben sind demzufolge nur intransitive Verben wie beispielsweise
rauchen oder transitive Verben mit einer intransitiven Lesart (d.h. transitive Verben, bei denen
die Objektsstelle existentiell geschlossen ist, wie bei essen) zugelassen. Das scheinbare
Gegenbeispiel (55b) wird nun dadurch erklärt, daß aus dem deverbalen Nomen Verlierer
wiederum eine stereotype Relation verlieren erschlossen wird, deren zweite Argumentstelle
zur Bindung des Genitivkomplements dient. Evidenz hierfür liefert die Tatsache, daß
Genitivkomplemente auch bei nicht-derivierten Nomen möglich sind, vgl.
(62)
a) der Autor des Romans
b) der Verfasser des Romans
Sowohl das Simplexnomen Autor wie das deverbale Nomen Verfasser lassen die Inferenz
einer Relation schreiben zu, die zur Bindung des Komplements verwendet wird. Da das Erschließen
der Relation i.a. keine allzu großen Schwierigkeiten macht, muß nun jedoch erklärt
werden, warum (60) nicht möglich ist. Die Erklärung könnte darin liegen, daß Verben wie
verhüten obligat transitiv sind und daher eine er-Nominalisierung nicht zulassen. Die Tatsache
schließlich, daß in solchen Fällen eine kompositainterne Sättigung wie in (61) immer
möglich scheint, ergibt sich daraus, daß hierdurch eine Intransitivierung des Verbs eintritt,
welche die Ableitung mit -er möglich macht. Die aufgrund dieser semantischen Analyse
rekonstruierte syntaktische Struktur sieht daher wie in (63) aus:
(63)
V
N
N V N
Unfall verhüt er
79

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Allerdings ist eine intransitive Verbbasis noch keine hinreichende Bedingung für die Zulässigkeit
einer Nominalisierung mit -er. Intransitive Verben wie ankommen, aufwachen, fallen
usw. erlauben keine er-Ableitung (vgl. auch Abschnitt 3.4.1):
(64)
a) * Ankommer
b) * Aufwacher
c) * Faller
Punktuelle Verben wie erblicken 12 , erschlagen, aufwachen gestatten i.a. keine er- Nominalisierung,
wobei es jedoch Ausnahmen wie finden – Finder gibt. Die Ableitung mit -er ist auch bei
der überwiegenden Zahl der ingressiven (erblühen, aufstehen, erklingen) und resultativen Verben
(verblühen, verbrennen, ausklingen) nicht möglich; Ausnahmen hierbei wie Vollender müssen
wohl durch Lexikalisierung „erklärt“ werden. Fanselow (1988b) schlägt zur Erklärung
dieser Ableitungsblockierung vor, daß der semantische Beitrag von -er bei der Nominalisierung
u.a. der ist, daß man die durch das Verb ausgedrückte Tätigkeit gewohnheitsmäßig
ausübt. Punktuelle Verben lassen eine solche Interpretation jedoch kaum zu. Besser müßten
sich daher Durativa wie blühen, schlafen, wohnen nominalisieren lassen, was interessanterweise
mit Ausnahme von schlafen nicht geht. Die iterativen Verben wie beispielsweise sticheln,
krabbeln, grübeln bestätigen jedoch diese Erklärung.
Obwohl Fanselows Ansatz zunächst äußerst vielversprechend ist, gibt es doch einige z.T.
erhebliche Kritikpunkte:
1. Welche Konsequenzen hat die Verlagerung der Hauptlast von den Syntaxregeln zu den
logischen Typen, die den Morphemen zugeordnet sind? Zunächst einmal wird die Wortsyntax
im semantischen Ansatz von Fanselow keineswegs abgeschafft; sie ist vielmehr
implizit in der typenlogischen Charakterisierung der verschiedenen syntaktischen Kategorien
und explizit mit den Merkmalsperkolationsbedingungen präsent. Da sich nach
traditioneller Auffassung der Montague-Semantik die semantischen Typen aus den syntaktischen
Kategorien durch Anwendung einer einfachen Abbildungsvorschrift ergeben,
setzt Fanselows Konzeption implizit eine wortinterne Strukturierung voraus, entlang der
die semantischen Operationen angewendet werden. Dies bedeutet, daß die Syntax in gewisser
Weise der Semantik „vorgeordnet“ ist und die Anwendung der semantischen
Auswertung leitet. Nur dadurch kann u.a. verhindert werden, daß eine Funktion auf ein
Argument appliziert werden kann, das dem syntaktischen Träger der Funktion nicht
benachbart ist. Meiner Meinung nach argumentiert Fanselow nicht gegen die Annahme
einer syntaktischen Struktur von Wörtern, sondern nur dagegen, daß a) diese Struktur
autonom ist und unabhängigen Prinzipien folgt und b) die Wortsyntax und ihre
Prinzipen in der Universalgrammatik verankert sind. 13 Fanselow folgt hier Chomsky
(1982), der die Wortsyntax für so trivial hält, daß sie lediglich auf der Grundlage positiver
Evidenz während des Spracherwerbs erlernt werden kann.
2. Was ist nun – nachdem in 1. festgestellt wurde, daß eine wortsyntaktische Ebene weiterhin
angenommen werden muß – der eigentliche Gehalt von G. Fanselows Ansatz? Leider
bleibt von dieser äußerst interessanten Idee weniger übrig als zuvor angenommen. Zur
Explizitmachung der Wortstruktur benötigt man zunächst einen Formalismus, der in der
Lage ist, die Anforderungen, die ein syntaktischer Kopf an seine Umgebung stellt, in seiner
syntaktischen Kategorie zu codieren. In Frage kämen hierzu Kategorialgrammatiken
oder HPSG-ähnliche Formalismen, die in einer einem morphologischen Kopf zugeord-
12 Die hier angeführten Verben entstammen dem Duden (1994:93).
13 Gisbert Fanselow (p.M.) bestätigt diese Auffassung.
80

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
neten Argumentliste zu sättigende Argumentstellen festhalten. Auf diese Weise ist es
möglich, semantische Kombinationsbeschränkungen wieder auf syntaktische zurückzuführen.
Anschließend kann das etwas ineffiziente generate-and-test-Verfahren des Ansatzes
verbessert werden, indem Beschränkungen der Testphase in den Generator vorverlegt
werden und somit so früh wie möglich zur Anwendung kommen.
3. Wie wir weiter oben gesehen haben, kann sinnvollerweise zwischen stereotypen Relationen
– diejenigen, die mit dem �-Operator in der Konzeption von Meyer (1993) verknüpft
sind –, und Relationen, die eher konzeptuellen Ursprungs sind, unterschieden werden.
Diese Unterscheidung findet keinen Reflex in Fanselows Ansatz, trivialerweise deshalb,
da er – obgleich semantisch-konzeptuell orientiert – nur stereotype Relationen kennt. Eine
Erweiterung um konzeptuelle Relationen scheint jedoch kein Problem darzustellen.
4. Wenn man Fanselow (1987, 1988b) folgt, dann ist die Interpretation von Wort- wie von
Phrasenstrukturen nicht eng an diese gebunden, sondern Teil des konzeptuellen Systems.
Es gibt demnach nur eine solche Komponente, die in beiden Fällen nach exakt den gleichen
Prinzipien arbeitet. Wie ist es aber dann zu erklären, daß diese Komponente sensitiv
gegenüber der Unterscheidung wortintern – wortextern ist, die sich beispielsweise bei der
Argumentvererbung bemerkbar macht: „[...] we are forced to conclude that obligatory
arguments of verbs must be filled within the complex word itself [...]“ (Fanselow
(1988b:40)).
5. Fanselows Leugnung der Möglichkeit von Argumentvererbung ist bereits kritisiert worden,
so u.a. von Reis (1983); diese Argumente sollen hier nicht wiederholt werden. Einen
weiteren Einwand gegen Fanselow möchte ich jedoch noch hinzufügen; dieser ergibt
sich, wenn man die in Abschnitt 3.2.2.2 dargestellte be-Präfigierung für einen produktiven
und damit regelgeleiteten Prozeß hält. Das dort genannte Beispiel sei hier noch einmal
wiederholt:
(65)
a) Sie gießt [NP Wasser] [PP auf die Blumen ]
b) Sie begießt [NP die Blumen] [PP mit Wasser ]
Bei der be-Präfigierung von dreiwertigen Verben kommt es zu einer charakteristischen
Änderung der syntaktischen Realisierung der Objektsthetarollen. Fanselow schließt nun –
wie oben dargestellt – Funktionalkomposition und damit Argumentvererbung aus dem
Repertoire der für die Derivation zur Verfügung stehenden Operationen aus. Er bezieht
sich zwar nur auf die Suffigierung, aber ich sehe nicht, warum seine Argumente nicht
auch für die Präfigierung gelten sollten. Die m.E. systematische Beziehung zwischen be-
und Simplexverb wird danach so hergestellt, daß aus dem be-Verb eine stereotype Relation
erschlossen wird, die eben Argumente von einer bestimmten Art erfordert. Diese
Relation kann in Beispiel (65b) jedoch nur gießen sein, nicht jedoch begießen, da das Verb,
welches letztere ausdrückt, ja erst gebildet wird. Ist gießen jedoch die aus begießen erschlossene
Relation, so bleibt ungeklärt, warum dessen Argumente in einer anderen Reihenfolge
und syntaktisch in unterschiedlicher Weise verwirklicht werden. Die Argumentreihenfolge
des Simplexverbs übertragen auf das be-Verb würde schließlich so aussehen:
(66) * Sie begießt [PP mit Wasser ] [NP die Blumen]
was jedoch nicht akzeptabel ist. Der Schluß, den ich daraus ziehe ist der, daß man das
Phänomen der Argumentvererbung nicht gänzlich leugnen kann und daher im formalen
semantischen Apparat auch eine Operation – Funktionalkomposition – benötigt, die dieses
Phänomen rekonstruiert.
81

3.4 Das generative Lexikon
3.4.1 Struktur
Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Ein sehr interessanter Versuch, eine einheitliche semantische Beschreibung aller Kategorien
im Lexikon zu geben und der als eine elaborierte Synthese und Weiterentwicklung der zuvor
vorgestellten Ideen angesehen werden kann, ist der von Pustejovsky (1991, 1995). Da
dieser Ansatz in stark abgewandelter Form auch Grundlage der Analysen in Kapitel 5 ist,
soll er an diese Stelle etwas ausführlicher dargestellt werden.
Der Ausgangspunkt für Pustejovsky ist, ebenso wie bei Bierwisch (1983) und Meyer (1993),
das Phänomen der Polysemie, d.h. daß die verschiedenen Lesarten mancher Wörter systematische
Bezüge untereinander aufweisen. In Pustejovsky (1995:28) wird in erster Linie ein
Subtyp der Polysemie, die sog. logische Polysemie betrachtet, die definiert wird als „a
complementary ambiguity where there is no change in lexical category, and the multiple senses of the
word have overlapping, dependent, or shared meanings.“
Traditionellerweise wird Polysemie im Lexikon durch eine Aufzählung der verschiedenen
Lesarten behandelt – eine Methode, die Pustejovsky Sense Enumeration Lexicon nennt. Dabei
erhält jede Lesart einen Eintrag, beispielsweise in Form einer Merkmalsstruktur, was am
Beispiel von bank exemplifiziert wird (vgl. Pustejovsky (1995:34)):
(67)
CAT:
GENUS:
bank 1
count_noun
financial_institution
82
CAT:
GENUS:
bank 2
count_noun
shore
Die gleiche Technik wird auch bei polysemen Nomen wie Museum usw. angewendet, d.h.
jede Lesart erhält einen separaten Lexikoneintrag.
Gegen diese Technik gibt es eine ganze Reihe von Einwänden (vgl. auch Pustejovsky
(1995:39ff); das Hauptgegenargument ist natürlich das, daß die Gemeinsamkeiten der verschiedenen
Lesarten im Fall von Polysemie – die Kernbedeutung nach Bierwisch (1983) –
unausgedrückt bleiben.
Wie sieht nun der Gegenentwurf von Pustejovsky aus? Lexikoneinträge sind hiernach hochstrukturierte
Gebilde im Format der in Kapitel 2 betrachteten typisierten Merkmalsstrukturen
(ein Umstand, der einer Verwendung dieser Konzeption in dieser Arbeit entgegenkommt).
Ein solcher Lexikoneintrag weist zunächst vier Beschreibungsebenen auf:
� Argumentstruktur
� Qualia-Struktur
� Ereignisstruktur
� Vererbungsstruktur (lexical inheritance structure)
Die Argumentstruktur ist gegeben durch eine Reihe von benannten Attributen (ARG1, ARG2
usw.), deren Werte in vier verschiedene Argumenttypen klassifiziert werden:
� True Arguments: Notwendig syntaktisch realisierte Parameter eines lexikalischen Kopfs,
d.h. solche, die eine thematische Rolle tragen
� Default Arguments: „Mitverstandene“ Argumente, d.h. existentiell gebundene Variablen
in der dem lexikalischen Kopf zugeordneten, weiter unten näher beschriebenen Ereignisstruktur.
� Shadow Arguments

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
� True Adjuncts: Modifikatoren, die vom lexikalischen Element nicht gefordert werden.
Anhand des Verbs bauen können die ersten beiden Argumenttypen veranschaulicht werden:
(68)
ARGSTR:
bauen
ARG1:
ARG2:
D-ARG1:
83
animate_ind
artifact
material
ARG1 und ARG2 beschreiben dabei Subjekt bzw. Objekt von bauen als belebtes Individuum
bzw. Artefakt. Default-Argument ist ein Ausdruck vom Typ material, womit ausgedrückt
wird, daß jeder Bauvorgang sich normalerweise eines Baumaterials bedient. Im Satz
(69) Der Erfinder baut einen Automaten aus alten Bierdosen
werden alle Argumente des Verbs durch passende Ausdrücke gebunden.
Hervorhebenswert ist, daß die Argumentstruktur in dieser Konzeption semantischer Natur
ist und folglich eine Art von konzeptueller Tiefenstruktur beschreibt. Es ist daher nicht notwendigerweise
der Fall, daß „richtige“ Argumente (true arguments) auch syntaktisch realisiert
werden müssen, was anhand der Argumentstruktur von Nomen verdeutlicht werden
kann.
(70)
ARGSTR: ARG1: x: animal
Vogel
Nomen werden in der Prädikatenlogik üblicherweise als Funktionen von Individuen zu
Wahrheitswerten repräsentiert, d.h. als einstellige Prädikate. In (69) wird dies durch die typisierte
Variable x ausgedrückt. Allerdings wäre es besser, dieses referentielle Argument
von den anderen Argumenten deutlicher zu unterscheiden, da es sich in vielfacher Weise
anderes verhält; beispielsweise kann es – anders als nominale Argumente – unter ARG1,
ARG2 etc. nicht mit morphosyntaktischen Merkmalen wie Kasus markiert werden.
Eine in Pustejoysky (1995:132ff) skizzierte Realisierungstheorie ordnet dann diesen semantischen
Argumenten ihre syntaktisch-kategoriale Realisierung zu; m.E. kann man hiermit aber
nicht restfrei ideosynkratische Kasuszuweisungen u.ä. erklären, weswegen man kaum umhin
kann, in die Angaben über die Argumente auch syntaktische Merkmale aufzunehmen.
Die nächste Beschreibungsebene, Qualiastruktur genannt, kommt dem am nächsten, was
normalerweise mit Techniken der Wissensrepräsentation erreicht wird. Hier wird festgelegt,
wie die durch ein Wort ausgedrückten Konzepte untereinander und mit anderen Konzepten
in Verbindung stehen. Die Qualiastruktur enthält vier Substrukturen (Rollen, roles genannt),
die in Pustejovsky (1995:85f.)) wie folgt definiert und hier im Original wiedergegeben
werden:
1. CONSTITUTIVE: the relation between an object and its constituents, or proper parts.
i. Material
ii. Weight
iii. Parts and component elements
2. FORMAL: That which distinguishes the object within a larger domain.
i. Orientation
ii. Magnitude
iii. Shape
iv. Dimensionality

v. Color
vi. Position
Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
3. TELIC: Purpose and function of the object.
i. Purpose that an agent has in performing an act
ii. Built-in function or aim which specifies certain activities
4. AGENTIVE: Factors involved in the origin or „bringing about“ of an object.
i. Creator
ii. Artifact
iii. Natural Kind
iv. Causal Chain
Auch wenn diese Untergliederung auf den ersten Blick plausibel erscheint, werden doch
eine ganze Reihe von Fragen aufgeworfen, u.a.:
1. Sind diese Unterscheidungen für die Wortbildung relevant?
2. Beschreiben Sie nicht eher durch Nomen ausgedrückte Konzepte als durch Verben ausgedrückte
Relationen?
Zudem ist die „Unterbringung“ gewisser Relationen innerhalb der Qualia-Struktur, die
schließlich den Weltwissensaspekt von lexikalischen Einheiten repräsentieren soll, innerhalb
dieses Schemas manchmal ziemlich unklar. An welcher Stelle soll beispielsweise die Relation
repräsentiert werden, die relationale Nomen wie Fan oder Sohn kennzeichnet?
Doch zurück zur ersten Frage. Für die Wortbildung kann man diese Qualia-Rollen grob in
zwei Gruppen unterteilen: FORMAL und CONSTITUTIVE auf der einen Seite, TELIC und
AGENTIVE auf der anderen. Letztere entsprechen ungefähr dem, was bei Fanselow die stereotype
Relation und bei Meyer der Purpose-Operator ist. Die telische Rolle eines Nomens wie
Messer wird beispielsweise durch eine Relation schneiden belegt 14 :
(71)
ARGSTR: ARG1: x: tool
QUALIA:
Messer
FORMAL: x
TELIC: cut(e,x,y)
Beim Kompositum Brotmesser z.B. belegt das Erstglied eine Argumentstelle (y) der telischen
Relation schneiden. Die Variable y muß zudem noch in geeigneter Weise typisiert werden,
um auf diese Weise die notwendigen Selektionsbeschränkungen zum Ausdruck zu bringen.
Die beiden anderen Qualia-Rollen, FORMAL und CONSTITUTIVE entsprechen eher den allgemeinen
konzeptuellen Relationen, die auch zur Wortinterpretation herangezogen werden
können. Bei der Interpretation von Stahlmesser kann etwa die telische Relation von Messer
aufgrund von Selektionsbeschränkungen (Stahl kann man normalerweise nicht mit Messern
schneiden) nicht verwendet werden. Stattdessen wird die Interpretation „Messer aus (dem
Material) Stahl“ bevorzugt, wobei die Relation „x ist aus dem Material y“ aus der formalen
Rolle des Zweitglieds stammt. Das Kompositum Türklinke würde dementsprechend die
CONSTITUTIVE-Rolle verwenden. Als Interpretationsheuristik könnte man also folgendes
formulieren:
14 Anmerkungen zum Beispiel: zur Frage, warum unter FORMAL die Variable x nochmal erscheint, s.u.;
e steht für eine Ereignisvariable. Wie man übrigens erkennen kann, wird das „Mentalesische“ in der
üblichen Weise mit dem Englischen identifiziert.
84

(72)
Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Probiere erst die Relationen unter TELIC und AGENTIVE, dann die unter FORMAL und
CONSTITUTIVE aus.
Wenn man dies noch um ein anderes „Prinzip“ erweitert, nämlich
(73)
Verwende zunächst die Einträge in der Argumentstruktur und dann erst die
Relationen der Qualiastruktur,
so kann man die in Boase-Beier at al. (1984) und auch in Meyer (1993) vorgeschlagene Interpretationshierarchie
ziemlich genau rekonstruieren.
Auf die zweite der oben gestellten Frage möchte ich im Zusammenhang mit der Ereignisstruktur
zurück kommen.
Ein weiteres Problem, was Pustejovsky m.E. nicht bedacht hat, ist das Phänomen der Argumentsättigung.
Es ist wohl so, daß die in den unterschiedlichen Relationen der Qualia-
Struktur manifestierten Argumentstellen wortintern und auch phrasal nur höchstens einmal
verwendet werden können, was die folgenden Beispiele zeigen:
(74)
a) *Stahlstahlmesser
b) *Stahlmesser aus Stahl
c) Stahlbrotmesser
d) Brotmesser aus Stahl
Innerhalb des Interpretationsprozesses müssen „verwendete“ Argumente demnach entsprechend
gekennzeichnet werden. Dies kann man etwa durch den geläufigen Mechanismus der
Argumentlistenabarbeitung erreichen: Die zugänglichen Argumentstellen der Relationen
befinden sich in einer Liste, die verkürzt oder unverändert während der Bottom-Up
operierenden Interpretation an die Mutterkategorie weitergereicht wird; technische Details
hierzu finden sich ebenfalls in Kapitel 5. Ähnlich muß natürlich auch mit den Elementen in
der Argumentstruktur verfahren werden.
Der Schwerpunkt der Konzeption von Pustejovsky (1995) liegt jedoch wie bereits erwähnt in
einer adäquaten Behandlung der Polysemie, genauer gesagt der Repräsentation von regelgeleiteten
Alternationen der folgenden Art (vgl. auch Pustejovsky (1995:92)):
Alternation Beispiel
Prozeß / Resultat Rettung, Verkauf
Institution / Gebäude Museum, Bibliothek
Individuum / Stoff Brot, Stahl
Abb. 3.7: Typische Alternationen bei Nomen
Da dies die Typisierung der referentiellen Argumentvariablen 15 betrifft, stellt sich die Frage,
wie hiermit zu verfahren ist. Ein Typsystem wie das in Kapitel 2 vorgestellte böte zwei
Möglichkeiten der Formalisierung dieser Alternatitionen:
a) Typunifikation
b) Typgeneralisierung
Typunifikation hieße, daß die Typen der in Frage kommenden Alternanten einen gemeinsamen
Subtyp aufwiesen, im Falle der Typen Institution und Gebäude also den Typ Institu-
15 Pustejovsky unterscheidet wie oben angedeutet nicht zwischen referentiellen und syntaktischen
Argumenten.
85

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
tion_Gebäude, der dann der referentiellen Argumentstelle zugewiesen wird. Dies löst das
Problem jedoch nicht, da dieser Typ nunmehr gleichzeitig beide Lesarten ausdrücken
würde, was aber nicht der Fall ist, wie die in Abschnitt 3.3.2 gegebenen Sätze mit dem Beispiel
Museum zeigen. Zudem blieben hier auch die Relationen zwischen den Lesarten unausgedrückt,
im Beispielfall etwa substrat_für(Gebäude,Institution), weil es eben keine zwei
verschiedenen Typen gibt, sondern nur ihren gemeinsamen Subtyp.
Typgeneralisierung – also das referentielle Argument mit dem spezifischsten Supertyp der
Ausgangstypen zu versehen – bietet auch keine Lösung, da dieser Supertyp u.U. im Vergleich
zu den Ausgangstypen sehr viel unspezifischer sein könnte.
Pustejovskys Antwort ist die Einführung eines speziellen Typkonstruktors, der aus zwei
Typen �1 und �2 einen sog. dotted type �1 � �2 bildet; dieser ist der Typ des referentiellen Arguments
von solchen Nomen wie Museum. Der FORMAL-Teil der Qualiastruktur enthält dann
die Relationen, die zwischen den einfachen Typen gelten. Unter der Annahme der Assoziativität
des dot-Operators kann dies auch noch auf weitere Lesarten ausgedehnt werden. Die
nächste Abbildung zeigt die dem Nomen Museum zugeordnete Merkmalsstruktur 16 :
(75)
ARGSTR:
Museum
ARG1: x: building
ARG2: y: institution
QUALIA: FORMAL: in(y,x)
TELIC: exibit(e,y,z:collection)
Die nächste Substruktur des Qualia-Merkmals ist die Ereignisstruktur. Es sieht so aus, als
würde sie in Pustejovsky (1995) nur Verben zukommen, obwohl man fragen könnte, ob sie
nicht auch Prozeß/Resultat-Alternationen an den Tag legende Nominalisierungen wie Rettung
eigen wäre.
Die Ereignisstruktur dient dazu, die unterschiedlichen Aktionsarten von Verben zu erfassen.
Unterschieden werden hier Zustände, Aktivitäten, und sog. Zustandsveränderungen. Letztere
werden nochmals klassifiziert in accomplishment und achievement-Ereignisse. Die Aufnahme
von Zuständen in die Ereignisstruktur ist eigentlich eine Fehlbenennung, soll aber im
Augenblick nicht stören. Aktivitäten ausdrückende Verben wie arbeiten und laufen bezeichnen
Ereignisse, die sich mehr oder weniger gleichförmig über ein bestimmtes Zeitintervall
hinziehen. Zustandsveränderungen werden durch Verben ausgedrückt, bei denen eine Aktivität
zu einem Abschluß gelangt. Zu unterscheiden sind hier Verben, bei denen dieser Abschluß
augenblicklich erfolgt (wie finden und ankommen) und solche, bei denen dies eher
graduell erfolgt (wie bei aufbauen und zerstören).
Die Zugehörigkeit eines Verbs zu einer der obengenannten Klassen kann durch Modifikation
der impliziten Ereignisvariablen mit Zeitadverbialen ermittelt werden (diese Tests sind
aber lediglich als Heuristiken zu verstehen). So erlauben Aktivitätsverben eine Modifikation
mit Zeitraumadverbialen, was bei achievement-Verben jedoch nicht möglich ist, vgl.
16 In dieser, in Analogie zu einer Struktur in Pustejovsky (1995:101) gebildeten Merkmalsstruktur gibt
es so manche Ungereimtheiten: Warum sind unter ARGSTR zwei Argumente angegeben, ganz so wie
sonst bei transitiven Verben? Vielmehr müßte es doch so sein, daß das (einzige) referentielle Argument
ein dotted type ist, der aus building und institution konstruiert wurde. Desweiteren ist nicht klar,
warum die Relation in(y,x) unter FORMAL wiedergegeben wird; es ist nicht zu erkennen, wie dies mit
der oben zitierten Definition der FORMAL-Rolle in Einklang zu bringen ist. Eine Konzeption, die diese
Probleme vermeidet, wird in Kapitel 5 beschrieben.
86

(76) Er fand seine Uhr eine Stunde lang
Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Welche Rollen spielt die Ereignisstruktur bei der Wortbildung? Es sieht so aus, als könnten
Aktivitätsverben wie arbeiten, krabbeln usw. ohne Einschränkung mit -er nominalisiert werden.
Bei achievement-Verben scheint dies nicht zu funktionieren, vgl. *Ankommer. Auf der
anderen Seite lassen sich Ereignisnominaliserungen gut auf der Grundlage von accomplishment-Verben
mit ihrer charakteristischen Prozeß/Resultat-Alternation bilden, vgl. Rettung
und Verkauf. Da er-Derivate überwiegend eine andere Alternation – die zwischen Agent
und Instrument – an den Tag legen, ist zu erwarten, daß accomplishment-Verben eher nicht
mit -er nominalisiert werden können; Beispiele wie *Aufbauer scheinen dies zu bestätigen
(daß *Aufbauung und *Verkaufung nicht möglich sind, ist vermutlich durch Blockierung zu
erklären).
Allerdings gibt es hier viele Interferenzen mit der Lexikalisierung. Verben sind hinsichtlich
der Neubildung nicht sonderlich produktiv (eine Ausnahme ist die Entstehung von Partikelverben),
so daß sich die meisten derivationellen Bildungen auf der Basis von Simplexverben
vollziehen. Dementsprechend gibt es hier auch sehr viele lexikalisierte Bildungen wie Sucher
(Teil der Kamera), Zerstörer (Schiff) und Ausnahmen zu den erwähnten Regularitäten wie
Finder.
Über die letzte Beschreibungsebene, die Vererbungsstruktur, haben Pustejoysky und auch ich
nicht allzuviel zu sagen. Die Grundidee hiervon ist, daß Konzepte nicht nur in einer eindimensionalen,
sondern vielmehr mehrdimensionalen Hierarchie organisiert ist. Die Dimensionen
werden hierbei durch die vier Substrukturen der Qualiastruktur aufgespannt; in verschiedenen
Merkmalen IS_FORMAL, IS_CONSTITUTIVE etc. werden hinsichtlich der unterschiedlichen
Hierarchien verschiedene Supertypen des betrachteten Konzepts festgehalten.
Details finden sich in Pustejoysky (1995:144ff).
3.4.2 Generative Operationen
Welche Operationen operieren nun über den zuvor beschriebenen Merkmalsstrukturen? Im
wesentlichen sind es die folgenden:
1. Type Coercion
2. Kokomposition
3. Selektive Bindung
Kokomposition und selektive Bindung (vgl. Pustejovsky (1995: Kapitel 7) spielen für die
Mechanismen der Wortbildung keine besondere Rolle und werden deswegen nicht behandelt.
Type Coercion wird (Pustejovsky (1995:111)) wie folgt definiert:
A semantic operation that converts an argument to the type which is expected by a
function, where it would otherwise result in an type error.
Die Grundidee hiervon ist die, daß semantische Ausdrücke nicht allein mit einem Typ assoziiert
sind, sondern mit einer Typenleiter, d.h. einer Hierarchie von Typen.
Zwei Fälle können hierbei unterschieden werden:
a) Subtype Coercion
b) True Complement Coercion
Subtype Coercion kann sehr elegant unter der Annahme einer Typenhierarchie, wie sie in Kapitel
2 beschrieben wurde, abgebildet werden. Wenn beispielsweise ein Verb ein Argument
vom Typ animate verlangt, die gefundene Nominalphrase aber den Typ human aufweist,
dann ist dies ein Fall von subtype coercion, wenn man davon ausgeht, daß letzerer ein Subtyp
von ersterem ist.
87

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
True Complement Coercion beschreibt hingegen den Sachverhalt, daß zur Interpretation nicht
die Elemente der Argumentstruktur, sondern Argumente von Relationen, die innerhalb der
Qualiastruktur eines Wortes oder Wortbestandteiles, herangezogen werden. Beispiele aus
dem phrasalen Bereich und der Wortbildung sind:
(77)
a) Theo hat das Buch gerade erst angefangen
b) Nagelfabrik
In beiden Fällen wird eine Argumentstelle der telischen Relation benutzt (bei a) lesen, bei b)
herstellen), die an das Objekt bzw. das Worterstglied gebunden wird.
Dies sollte nun fürs Erste genügen, um eine Vorstellung von den Interpretationsmechanismen,
die innerhalb der Wortbildung wirksam sind, zu erhalten. Eine modifizierte, erweiterte
und an die Wortbildung angepaßte Variante der Konzeption von Pustejovsky ist schließlich
Gegenstand von Kapitel 5.
3.5 Resümee
3.5.1 Vereinheitlichung von Komposition und Derivation?
Die augenscheinlichen Parallelen zwischen Eigenschaften der Komposition einerseits und
Derivation andererseits – zu nennen sind hier nur Binarität und Rechtsköpfigkeit komplexer
Strukturen – haben einige Autoren (wie z.B. Höhle (1982)) zu der Annahme geführt, daß
beiden der gleiche Mechanismus zugrundeliegt und sie sich lediglich im beteiligten Material
unterscheiden, genauer, hinsichtlich des Werts für ein Merkmal gebunden. Höhle (1982) führt
als Argumente für diesen Standpunkt – auch Kompositionstheorie der Affigierung genannt
– eine Reihe von Argumenten an (vgl. Höhle (1982:88ff.)):
a) Bei Komposita wie bei Derivaten flektieren nur die Zweitglieder.
b) Fugenelemente können bei beiden Wortbildungstypen zwischen die Glieder treten, vgl.
Haltungsschäden vs. haltungslos.
c) Die Daten zur Tilgung unter Koordination entsprechen sich, vgl. Herrenmäntel und
-schuhe, erkenn- und begreifbar.
d) Die Zulässigkeit von Argumentvererbung scheint bei beiden Typen weniger an der Unterscheidung
Komposition – Derivation zu hängen als an Eigenschaften der beteiligten
Morpheme.
M.E. gibt es jedoch einige gewichtige Gegenargumente. Man muß zwar konzedieren, daß,
wenn man sich auf die formalen Eigenschaften der beiden Wortbildungstypen beschränkt,
Höhles Argumentation sehr plausibel erscheint. Andererseits sind seine Argumente ausschließlich
morphologischer Natur, was, wie ich meine, der Sache nicht gerecht wird. Die
These, die ich in dieser Arbeit vertrete (und die natürlich nicht neu ist) ist die, daß das Interessante
an Wörtern nicht ihre Syntax ist, sondern ihre Interpretation. Diese ist, wie in Kapitel
5 noch ausführlich diskutiert werden wird, bei den beiden betrachteten Wortbildungsoperationen
jedoch grundverschieden. Derivation und Rektionskomposition zeigen noch eine
weitgehende Kopplung von Formations- und Interpretationsregeln, was bei der allgemeinen
Komposition nicht mehr der Fall ist.
Man könnte nun versucht sein, zur Grenzziehung zwischen Komposition und Derivation
nicht morphologische Merkmale wie �GEBUNDEN, sondern die semantische Interpretation
dieser Konstruktionstypen heranzuziehen. Affixe hätten dieser Idee zur Folge keine eigene
Semantik und ihr Beitrag bei der Wortbildung sei ein rein funktionaler. Frei vorkommende
88

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
Morpheme andererseits verfügten über das volle, unter 3.3 und 3.4 vorgestellte Inventar der
Argumentsättigung, Stereotyperschließung und Nutzung weiterer konzeptueller Relationen.
Leider ist diese Ansicht auch nicht ganz zutreffend. Es gibt zumindest ein sehr produktives
Suffix – -ist –, das als Basis Nomen nimmt und daraus Personenbezeichnungen bildet. Betrachtet
man als Basis etwa Nomen, die Musikinstrumente wie
(78) Gitarre, Horn, Flöte
denotieren, so sieht man, daß bei den entsprechenden ist-Ableitungen anscheinend auch
eine stereotype Relation, die des Spielens, zur Deutung benutzt wird. Ein Gitarrist, ist jemand,
der berufsmäßig oder gelegentlich Gitarre spielt. Stereotype Relationen können demnach
auch bei der Derivation eine Rolle spielen.
Abschließend halte ich Höhles Theorie auch unter einer syntaktischen Perspektive für nicht
ganz zutreffend, da der Wert eines Merkmals allein noch nicht für die Beschreibung der
Phänomene ausreicht, was man sieht, wenn man sich etwa fragt, warum Derivationsaffixe
immer rechts stehen müssen? Weitere Einwände, die hier nicht wiedergegeben werden können,
finden sich in Reis (1983).
3.5.2 Lexikalisierte Wortgrammatiken?
Ein Trend in der heutigen Sprachwissenschaft generativer Tradition geht in Richtung zunehmender
Lexikalisierung und Prinzipienbildung: Die Syntax wird verarmt, die Lexikonstruktur
dagegen immer reicher. Der radikalste Standpunkt wird hierbei von der Kategorialgrammatik
eingenommen, die sämtliche syntaktischen Regeln in den rekursiv aufgebauten
lexikalischen Kategorien repräsentiert und nur noch zwei syntaktische Operationen (Vorwärts-
und Rückwärtsapplikation) kennt.
Eine interessante Frage ist nun: können die Ideen und Techniken der Lexikalisierung auch
auf mögliche Wortgrammatiken angewendet werden?
Hierzu muß zunächst bestimmt werden, was Lexikalisierung eigentlich bedeutet (vgl. König
(1996:6)):
Definition 3.1 Lexikalisierter Baum:
Ein Baum T heißt lexikalisiert, wenn er mindestens ein Terminalsymbol enthält.
Definition 3.2 Lexikalisierte Grammatik:
Eine Grammatik G heißt lexikalisiert, wenn jeder ihrer lokalen Bäume 17 lexikalisiert ist.
Grammatikmodelle wie die HPSG sind nach dieser Definition lexikalisiert, da die einem
Zeichen S mit Kopf H zugeordnete SUBCAT-Liste L kategorialgrammatisch wie folgt zu interpretieren
sind: H braucht die Elemente aus L um ein S zu erzeugen.
Ist es nun sinnvoll, auch Wortgrammatiken als Kategorialgrammatiken oder im Stil der
HPSG zu definieren? Die These, die ich an dieser Stelle vertreten möchte, ist die: Es ist trivialerweise
möglich, bietet aber keinerlei Einsicht in die Natur der Wortbildung.
Zur Begründung: Wir haben gesehen, daß die Wortbildung, zumindest im Deutschen, durch
folgendes Motto charakterisiert werden kann: „Arme Syntax, reiche Semantik“. Es gibt, abgesehen
von der Derivation 18 und vielleicht der Bildung von Rektionskomposita und N-N-
Komposita mit relationalem Zweitglied praktisch keine Subkategorisierungsbeziehungen
zwischen lexikalischen Wortbestandteilen. Natürlich kann man beispielsweise für Nomen
17 Lokale Bäume sind hier Bäume, die aufgrund einer einzigen Phrasenstrukturregel gebildet werden
können.
18 Und hier kann man fragen, ob die Derivationssuffixe als eigenständige Einheiten im Lexikon eingetragen
sind und nicht vielmehr synkategorematisch in Derivationsregeln erscheinen.
89

Kapitel 3: Wortsyntax und Wortsemantik des Deutschen
alternative Subkategorisierungsrahmen annehmen, im System der HPSG etwa ein leerer
Rahmen (das Nomen steht allein) und ein Rahmen, der ein anderes Nomen enthält (für N-N-
Komposita). Dies ist aber vollkommen uninstruktiv, und das meine ich mit „trivialerweise“.
Konversionsprozesse bilden eine weitere Schwierigkeit für rein lexikalisierte Wortgrammatiken,
da wenig andere Möglichkeiten bleiben als unäre Regeln der Form X � Y zu verwenden.
Man kommt also kaum umhin, solche Wortstrukturregeln wie N � N N anzunehmen
und ansonsten soweit zu lexikalisieren, wie es sinnvoll ist.
3.5.3 Ziele
Zum Ende dieses dritten Kapitels möchte ich die Folgerungen zusammenfassen, die sich
meiner Ansicht nach aus den zuvor dargestellten Ansätzen und der daran festgemachten
Kritik ergeben.
1. Wünschenswert ist eine einheitliche Beschreibung von Flexion, Derivation und Komposition.
Im Bereich der Syntax scheint dies durch Annahme von syntaktischen Köpfen relativ
unproblematisch zu sein, wenn auch die Flexion hierbei etwas aus dem Rahmen fällt
und es neben der konkatenativen Morphologie eine Reihe von Operationen gibt, die sich
nicht auf diese Weise integrieren lassen. Eine uniforme semantische Charaktersierung zu
finden ist weitaus problematischer, da sich das Inventar der semantischen Operationen
doch in wesentlicher Weise unterscheidet. Während der semantische Beitrag von Flexion
und Derivation 19 in relativ vorhersagbarer Weise aus dem Kompositionalitätsprinzip
folgt, spielen in der Komposition Operationen wie die Relationserschließung eine Rolle,
die im eigentlichen Sinn nicht-kompositionell sind, da ja hier die Bedeutung eines komplexen
Wortes nicht ausschließlich von der Bedeutung seiner Bestandteile und der Art ihrer
Kombination festgelegt, sondern in wesentlicher Weise durch „unsichtbare“, erschlossene
Komponenten bestimmt wird, die natürlich irgendwo Teil der Semantik der Bestandteile
sind. Dieser Unterschied in der Semantik zwischen Komposition und Derivation
ist m.E. ein Hauptargument gegen die Kompositionstheorie der Affigierung, die ihr
Blickfeld zu sehr auf Parallelen in der Syntax beider Wortbildungstypen verengt.
2. Syntaktische Regeln anzunehmen ist von der Literatur nicht widerlegt. Wie gezeigt
wurde, gehen alle Ansätze der Wortsemantik von expliziten oder impliziten Wortstrukturregeln
aus. Es ist daher legitim, in einem operationalen Modell der deutschen Wortbildung
und Flexion von diesem Mittel Gebrauch zu machen, zumal es die maschinelle Verarbeitung
wesentlich erleichtert. Darüber hinaus stimme ich mit Pustejovsky (1991) 20
überein, daß die Annahme einer syntaktischen Struktur von Wörtern auch in theoretischer
Hinsicht Vorteile bringt, beispielsweise beim Erfassen von Ambiguitäten. Die Ausführungen
im letzten Abschnitt machen die Annahme wortsyntaktischer Regeln sogar
mehr oder minder zwingend.
3. Ein Computermodell der Wortbildung darf sich jedoch nicht allzusehr auf die syntaktische
Beschreibung von komplexen Wörtern konzentrieren, sondern muß sein Schwergewicht
auf den Interpretationsmechanismus legen, der zur Deutung zusammengesetzter
Wörter notwendig ist. Daß hierzu konzeptuelles Wissen und damit eine Form der Wissensrepräsentation
erforderlich ist, wurde von Meyer (1993) und auch Pustejovsky (1991,
1995) in deutlicher Weise gezeigt.
19 Von Phänomenen der Lexikalisierung (jetzt im anderen Wortsinn) soll hier abgesehen werden.
20 „[...] without an appreciation of the syntactic structure of a language, the study of lexical semantics is bound
to fail. There is no way in which meaning can be completely divorced from the structure that carries it.“
(Pustejovsky (1991:410))
90

Kapitel 4: Ein Modell eines morphologischen Analysesystems
4 Ein Modell eines morphologischen Analysesystems
Konzeptionell kann das Problem der morphologischen Analyse in zwei Teilschritte zerlegt
werden:
1. Ein erster Schritt zerlegt das möglicherweise komplexe Wort in seine bekannten, d.h. im
Lexikon verzeichneten Teile. Dieser Vorgang, im weiteren Segmentierung, Zerlegung oder
Partitionierung genannt, unterscheidet morphologische Analyseverfahren von solchen der
Satzsyntax, die mit geschriebener Sprache arbeiten. Bei letzteren genügt ein einfacher
Tokenizer, der aufgrund der einfachen operationalen Definition von Wort – ein Wort ist
alles, was zwischen Leerzeichen steht – diese Wörter auffindet.
2. Ein zweiter Schritt, der mittels einer strukturellen Analyse feststellt, in welchen konfigurationellen
Beziehungen die gefundenen Segmente stehen und wie sich die Merkmale des
Gesamtwortes aus den Merkmalen seiner Teile ergeben.
Diese Untergliederung muß jedoch nicht zwangsläufig auch zu einer Sequentialität des Verfahrens
führen, wie weiter unten deutlich wird.
Die methodologische Grundlage des hier vorgestellten Modells bilden nun zwei Grundannahmen:
• Die Segmentierungskomponente sollte so einfach und so effizient wie möglich sein; alle
restlichen Aufgaben erledigt die strukturelle Analyse.
• Soweit wie möglich sollen Techniken der Präkompilation genutzt werden, um einen
möglichst großen Teil der Analyselast in der Kompilationsphase aufzufangen.
Folgende Vorteile sollen sich aus einer derartigen Aufgabenteilung ergeben:
• Die Effizienz der Segmentierung wird durch die Einfachheit des Algorithmus gesteigert.
• Schnittstellenprobleme zwischen Segmentierungsverfahren und struktureller Analyse,
die sich aufgrund der Verwendung unterschiedlicher Formalismen ergeben können,
werden auf diese Weise vermieden 1 .
Allerdings sind auch eventuelle Nachteile in Kauf zu nehmen:
• Parsing ist im allgemeinen Fall komplexitätstheoretisch aufwendiger als das Erkennen
von regulären Sprachen.
• Parsverfahren für natürliche Sprachen neigen im allgemeinen zur Übergenerierung.
Zum weiteren Aufbau dieses Kapitels: Abschnitt 4.2 geht auf die Funktionsweise des segmentierenden
Automaten ein, während Abschnitt 4.3 sich dem verwendeten Parsverfahren
widmet. Zunächst kommt aber die Organisation des Lexikons zur Sprache.
1 Eine andere Möglichkeit der Vermeidung solcher Schnittstellenprobleme besteht darin, die
Analyseautomaten im gleichen Formalismus zu repräsentieren wie die Wortgrammatik. Vgl. dazu
beispielsweise die Arbeiten von Krieger et al. (1993).
91

Kapitel 4: Ein Modell eines morphologischen Analysesystems
4.1 Die Organisation des Lexikons
Bevor die Automatenkonzeption des Modells diskutiert wird, muß zunächst noch geklärt
werden, was sinnvollerweise im Lexikon zu verzeichnen ist. Zu unterscheiden ist hier die
Makrostruktur eines Lexikons von seiner Mikrostruktur. Erstere bezeichnet die äußere Organisationsform
des Lexikons, was also aufgenommen wird und in welcher Form, wohingegen
Mikrostruktur die Informationen und Attribute meint, die zu den einzelnen Einträgen verzeichnet
sind. Die Mikrostruktur ist erst Gegenstand des folgenden Kapitels, in dem Typenhierarchie
und Typisierungsspezifikationen dargelegt werden.
Unter makrostruktureller Sichtweise enthält das Lexikon Objekte, die Paradigmen bzw.
Lemmata verwandt sind, jedoch nicht vollkommen unter diese Begriffe fallen, und die hier
(Eisenberg (1998) folgend) morphologische Paradigmen genannt werden. Diese enthalten unter
einem Namen, der sich aus einer maximal unmarkierten Stammform ergibt und der als
Hauptschlüssel in das Lexikon dient, u.U. eine Reihe weiterer, alternativer Stämme, die (wie
bei regulären Lemmata auch) semantisch zusammenhängen und zu denen die Merkmale
notiert sind, die ihnen selbst zukommen ebenso wie die Anforderungen, die sie an die wortsyntaktische
Umgebung stellen. Bei unregelmäßigen Verben wären hier z.B. die allomorphen
Stämme verzeichnet. Diese Stämme dienen wiederum als Unterschlüssel innerhalb des
morphologischen Paradigmas. Ein zusammengesetzter Schlüssel wie z.B. werf/warf bezeichnet
also eindeutig die Merkmale, die dem Stamm warf im Lexikon und Lemma von werf(en)
zugeordnet sind. Der Unterschied zum normalen Paradigma ist der, daß dieses ja vollständige
Wortformen und nicht nur Stämme enthält, diese Wortformen und ihre Merkmale hier
jedoch erst durch die Analyse bestimmt werden, um die Probleme zu großer Paradigmentabellen
etc. zu vermeiden. Bei den Elementen nichtflektierender Wortklassen ist das reduzierte
Paradigma natürlich trivial, da es nur einen Eintrag enthält. Dadurch, daß das Lexikon
Paradigmen enthält und nicht nur eine Auflistung einzelner Stammformen ist, wird es möglich,
paradigmatische Beziehungen zwischen Stämmen zu repräsentieren. Davon getrennt ist
jedoch die Indexstruktur, die zur morphologischen Analyse verwendet wird und in Form
eines Automaten vorliegt, der in Abschnitt 4.2 genau beschrieben wird.
Unter einer anderen Perspektive betrachtet, enthält das Lexikon Listeme im Sinne von Williams/Di
Scuillo (1987); siehe auch Kapitel 3. Listeme sind danach all das, was man im Verlauf
des Erwerbs einer Sprache an Vokabular erlernen muß, also neben Wörtern beispielsweise
auch idiomatische Wendungen u.ä.
Hier wird unter Listem folgendes verstanden:
• Inhaltstragende Simplexwörter und ihre allomorphen Stämme
• Funktionswörter
• Flexionsaffixe
• Derivationsaffixe
• Zusammengesetzte Wörter, die semantisch verdunkelt, also nicht mehr kompositionell
sind
• Fugenelemente
Zu jedem Element dieser Klassen werden dann die für die Analyse notwendigen Eigenschaften
in Form von Merkmalsstrukturen notiert.
Nachfolgend werden noch einige Begriffe erläutert, die im weiteren Verlauf der Arbeit eine
Rolle spielen:
92

Kapitel 4: Ein Modell eines morphologischen Analysesystems
Ein Morphem – in üblicher strukturalistischer Weise als kleinste bedeutungstragende Einheit
definiert – kann bei gleichbleibender Bedeutung 2 eine Reihe verschiedener Oberflächenrealisationen,
die sog. (Allo)Morphe, aufweisen, was auch als Allomorphie bezeichnet wird. Unter
Basismorph wird im weiteren ein Stellvertreter aus der Menge der Allomorphe verstanden,
der das Morphem benennt, wozu das kürzeste bzw. dasjenige Allomorph ausgewählt wird,
welches die vergleichsweise allgemeinste Merkmalsbestimmung aufweist.
4.2 Der segmentierende Automat
Der Segmentierungsalgorithmus muß neben seiner Hauptaufgabe – dem effizienten Zerlegen
eines Wortes – noch eine Reihe von weiteren Problemen lösen:
1. Eine Reihe von zusammengesetzten Wörtern wie Staubecken, Wachstube, herzeigen etc.
weist mehr als eine Segmentierung auf. Dies ist z.T. natürlich ein Problem der gewählten
Repräsentationsebene – die orthographische Repräsentation ist ärmer als die phonetische
–, stellt sich jedoch auch auf letzterer. Das Problem ist im übrigen keineswegs marginal,
sondern ein Standardproblem jedes Ansatzes der morphologischen Analyse. Es ist
manchmal überraschend, welche sinnvollen und unsinnigen Wortanalysen ein gänzlich
mechanisches Verfahren erzeugt 3 ; dies ist durchaus parallel zu sehen mit dem Phänomen
der sog. attachment ambiguities, die sich aufgrund alternativer Anbindungsmöglichkeiten
von Adjunktpräpositionalphrasen ergeben. Ein menschlicher Leser ist sich dieser Ambiguitäten
selten bewußt, da er sie semantisch und pragmatisch auflöst, ein vollständiger
Parser jedoch bringt sie ausnahmslos an den Tag.
2. Komplexe Wörter können Teile enthalten, die nicht im Lexikon aufgeführt sind. Dies
sollte nicht zum Abbruch der Analyse führen und auch nicht die Erkennung der bekannten
Wortteile beeinträchtigen.
3. Morphkonkatenation führt häufig zu phonetischen Änderungen an den Morphgrenzen,
die sich auch orthographisch niederschlagen; so wird beispielsweise bei der Präteritumsbildung
von schwachen Verben auf –chn ein e nach dem Stamm eingefügt: rechn + t ⇒
rechnet. Solche Änderungen beschränken sich nicht ausschließlich auf Morphgrenzen,
sondern können sich, wie z.B. bei der Pluralumlautung von Nomen, ausschließlich beim
Stammvokal bemerkbar machen.
Der nächste Abschnitt stellt ein Automatenmodell vor, das sich für jeden dieser Problembereiche
um eine Lösung bemüht.
4.2.1 Das Automatenmodell
Bei der Konzeption der Teilkomponente, die die Segmentierung eines möglicherweise komplexen
Wortes in seine Bestandteile vornimmt, waren folgende Kriterien ausschlaggebend:
1. Das Analysemodell muß eine Trennung zwischen den verarbeiteten Daten (den Morphen
bzw. Morphemen der zu analysierenden Sprache) und dem Algorithmus, der die
Analyse durchführt, gewährleisten. Auch wenn nicht die Forderung erhoben werden
soll, daß das Verfahren sich für alle natürlichen Sprachen eignet, so sollte es zumindest
möglich sein, Sprachen, die dem Deutschen hinsichtlich Wortbildung und Flexion ähnlich
sind, durch Austausch der Daten (also des Lexikons) zu analysieren.
2 Dieses Kriterium ist nicht unproblematisch, da es von der „Trennschärfe“ des Bedeutungsbegriffs
abhängt, etwa weil die Flexionskategorie „Plural“ Einfluß auf das Denotat eines Nomens nimmt.
3 Beispielsweise die Zerlegung von Rinderbraten in Rind+erb+rat-en.
93

Kapitel 4: Ein Modell eines morphologischen Analysesystems
2. Grundlage der Segmentierung soll ein wohlverstandenes Automatenmodell sein.
3. Sämtliche mögliche Segmentierungen eines komplexen Wortes sollen gefunden werden.
4. Die Segmentierung soll effizient, d.h. deterministisch und in linearer Zeit durchgeführt
werden.
5. Das Verfahren soll robust sein, d.h. im Fall fehlender Information – also bei Antreffen
unbekannter Wortteile – die Analyse nicht scheitern lassen, sondern konstruktiv fortsetzen.
6. Alle verfügbaren Informationen – wortsyntaktische und wortsemantische ebenso wie
graphematisch/phonetische – sollen so früh wie möglich dazu verwendet werden, den
Analysedurchlauf zu steuern und Alternativen, die letztendlich fehlschlagen, auszusondern.
Kriterium 1 schließt zunächst einmal Verfahren aus, die, wie die in Kapitel 1 beschriebenen
Lemmatisierungsansätze der siebziger Jahre, zu analysierende Daten in Form von Spezifikationen
des Kontrolflusses fest in ein Programm „hineinverdrahten“. Wie bereits gesagt,
verhindert eine solche Konzeption die Portierung eines Analysemoduls von einer Sprache in
eine andere und verbirgt die evtl. vorhandenen Gemeinsamkeiten zwischen den Analyseverfahren
verwandter Sprachen.
Kriterium 2 läßt darüber hinaus nur Verfahren zu, die vollständig auf einem der bekannten
Automatenmodelle basieren. Die Einhaltung dieses Kriterium hat einige Vorteile. Zum einen
lassen sich präzise Aussagen über die Zeitkomplexität und die Kapazität des Verfahrens
treffen, zum anderen bieten Automatenmodelle, insbesondere endliche Automaten, die
Möglichkeit der Anbindung an die im Bereich der morphologischen Analyse überaus erfolgreiche
Two-Level-Morphology. Durch dieses Kriterium werden also zumindest teilweise prozedurale
Ansätze wie der von Finkler/Neumann (1986), bei dem die Wortzerlegung durch
einzelsprachliche Regeln vorgenommen wird (Abtrennung des Präfixes ge- beim Partizip II
etc.), ausgeschlossen 4 .
Kriterium 3 ist selbstverständlich. Kriterium 4 wendet sich gegen Verfahren, die bei der
Segmentierung auf allzu naive Algorithmen bzw. Heuristiken zurückgreifen, wie dies z.B.
Daelemans (1987) tut. Die Frage ist, warum man, wenn man schon über ein Lexikon mit den
Morphemen der zu behandelnden Sprache verfügt, trotzdem ein komplexes Wort in alle
möglichen Zerlegungen segmentieren muß? M.a.W.: Bei der Zerlegung sollte dieses Lexikon
schon aktiv miteinbezogen und nicht nur – gewissermaßen passiv – zum Nachschlagen der
vorgeschlagenen Segmente herangezogen werden.
Kriterium 5 ist in realen sprachverarbeitenden Anwendungen überaus wichtig, da man –
auch wenn man die Wortbildung einmal ganz außer Acht läßt – kaum hoffen kann, ein vollständiges
Morphemlexikon einsetzen zu können.
Aus dem letzten Kriterium schließlich folgt, daß das Verfahren inkrementell ist, demnach
keine Unterteilung in sequentiell angeordnete Analysestufen stattfindet, beispielsweise erst
Segmentierung, dann (wort–)syntaktische Analyse und zuletzt Interpretation.
Das hier vorgestellte Analysemodell erfüllt m.E. diese Kriterien. Die Grundidee ist, hier einer
Idee von Aho/Corasick (1975) folgend – nämlich die der parallelen Schlüsselwortsuche in
größeren Texten –, daß man die Suche nach im Lexikon verzeichneten Wortbestandteilen in
einem komplexen Wort als ein solches paralleles Suchen nach Schlüsselworten auffaßt. Die
Schlüsselworte sind dabei die verschiedenen Segmente des Wortes, das, worin gesucht wird,
ist kein (evtl. sehr großer) Text, sondern das zu zerlegende Wort. Es ergibt sich jedoch
4 Der andere Teil der Konzeption von Finkler/Neumann (1986) – die Suche in den Endungsbäumen –
entspricht durchaus diesem Kriterium, da solche Bäume im Grunde deterministische, um eine
Ausgabefunktion erweiterte endliche Automaten sind.
94

Kapitel 4: Ein Modell eines morphologischen Analysesystems
hierbei das Problem, daß das Verfahren von Aho/Corasick nicht garantiert, daß die Segmente
das Gesamtwort partitionieren; es ist vielmehr möglich, daß Segmente sich überlappen,
dies ist ja geradezu der prototypische Fall der Anwendung dieses Automatentyps.
Formal ist der segmentierende Automat durch ein 7-Tupel beschrieben.
Die ersten fünf Tupelkomponenten sind wie beim (deterministischen) endlichen
Automaten definiert:
Σ dem Automatenalphabet (hier also aus den Symbolen der Zielsprache Deutsch
{ a,...,z,ä,ö,ü,ß,-} bestehend)
S eine Menge von Zuständen
Q0 q0 ∈ S, dem Anfangszustand des Automaten
goto eine (totale) Übergangsfunktion S × Σ � S ∪ { fail }; der Funktionswert ist , fail für
alle Symbole aus Σ, für die kein Übergang definiert ist (entspricht der δ -Funktion
eines endlichen Automaten)
F F ⊆ S, der Menge der Endzustände des Automaten
Hinzu kommen zwei weitere Funktionen:
ƒ die sog. failure-Funktion S � S
Σ* Σ*
output die Ausgabefunktion oS : � 2 ;
×
die erste Komponente in einem 2-Tupel in output(s) ist der Name des
morphologischen Paradigmas, die zweite enthält einen Schlüssel in dieses Paradigma.
Bei trivialen Paradigmen ohne Allomorphie ist die zweite Komponente ε.
Die nachfolgende Abbildung zeigt einen Beispielautomaten nach dem Einfügen der Lexeme
tausch- 5 , Tausch, Stau, Staub, staun-, Becken, Ecke, –s– (Fugenelement) und -n (Flexiv). Unterschiede
hinsichtlich Groß- und Kleinschreibung werden hierbei nicht berücksichtigt, da sie
nicht signifikant sind: Einerseits werden normalerweise klein geschriebene Wörter am Satzanfang
groß geschrieben, während das Umgekehrte bei Wörtern/Stämmen gilt, die innerhalb
von komplexen Wörtern stehen.
5 Um das Beispiel einfach zu halten, wird darauf verzichtet, in die Ausgabefunktion ein Schlüsselpaar
aufzunehmen; es wird lediglich das im Automaten repräsentierte Morph angegeben.
95

a) Die Übergangsfunktion goto
Kapitel 4: Ein Modell eines morphologischen Analysesystems
s 1 2 3 4 5 6 7 8 9 10 11
f(s) 0 0 0 7 0 0 0 1 2 3 13
s 12 13 14 15 16 17 18 19 20 21 22 23
f(s) 23 0 19 20 21 22 23 0 0 0 19 0
b) Die failure-Funktion
s 6 7 10 11 12
output(s) {Tausch, tausch} {s} {Stau} {Staub} {staun, n}
s 17 18 22 23
output(s) {Ecke} {Becken, n} {Ecke} { n}
c) Die Ausgabefunktion (∅ für alle nicht aufgeführten Zustände)
Abb. 4.1: Der Beispielautomat
Die Übergangsfunktion goto realisiert, wie man aus Abb. 4.1 ersehen kann, im wesentlichen
eine Trie-Indexstruktur, mit der Ausnahme, daß für alle Symbole, für die es aus q0 (im Beispielfall
Zustand 0) keinen Übergang in einen anderen Zustand gibt, ein zyklischer Übergang
nach q0 existiert. Dieser Übergang stellt sicher, daß in jedem Operationszyklus des
Automaten (s.u.) ein Symbol konsumiert wird, was für die Effizienz des Verfahrens von Bedeutung
ist.
Die failure-Funktion ist so konstruiert, daß im Falle einer Sackgasse bei der Analyse nicht
ganz von vorn begonnen werden muß, sondern in einen Zustand übergewechselt werden
kann, der einen möglicherweise erfolgreich fortsetzbaren Teil der bisherigen Analyse reflektiert.
96

Kapitel 4: Ein Modell eines morphologischen Analysesystems
Beispiel 4.1:
Die Zeichenfolge Wohnungstausch soll analysiert werden. Nach dem Finden des Segments
Wohnung (dies ist im Automaten nicht gezeigt), befindet sich der Automat wieder im Zustand
0 und folgt der Teilkette stau bis zum Zustand 10. Dieser Zustand weist für das nächste
Symbol (s) keinen Übergang auf, woraufhin die failure-Funktion konsultiert wird, die als
Ergebnis f(10) den Zustand 3 liefert. Der Automat befindet sich nun in einem Zustand, den er
auch erreicht hätte, wenn er vom Zustand 0 ausgehend die Zeichenkette tau gelesen hätte.
Die failure-Funktion kodiert m.a.W., welche Suffixe von Schlüsselwörtern (tau von Stau in
Beispiel 4.1) wiederum Präfixe anderer Schlüsselwörter (tau von tausch) sind. Hierdurch muß
jedes Zeichen in der Tat nur einmal gelesen werden.
Die Ausgabefunktion output weist jedem Zustand eine möglicherweise leere Menge von
Tripeln der Form zu, mit der intendierten Bedeutung, daß sich von den Wortpositionen
i bis j ein Segment erstreckt, welches einen Verweis σ ins Lexikon darstellt.
Der Algorithmus, der die im Lexikon verzeichneten Segmente eines Wortes findet und der
veränderten Ausgabefunktion angepaßt ist, ist nachstehend wiedergegeben. Ein Operationszyklus
ist hierbei ein einmaliger Durchlauf der for-Schleife, umfaßt demnach einen „erfolgreichen“
goto-Übergang und eine Anzahl (möglicherweise null) failure-Übergänge.
Algorithmus 4.1: Suche nach Wortsegmenten
Eingabe: Die zu analysierende Zeichenkette a1a2 ... an
Ausgabe: Eine Menge von Tripeln der Form N × Σ* × N, beispielsweise , mit
der Bedeutung, daß im Wort ein Segment mit Verweis staub von der Wortposition
1 bis zur Position 5 gefunden wurde.
Verfahren begin
result := ∅
state := 0
for i := 1 until n do begin
while goto(state, ai) = fail do
state := f(state)
state := goto(state, ai)
if output(state) ≠ ∅ then begin
for each s ∈ output(state) do
{*1*} result := result ∪
end
end
return result
end
Die Algorithmen zur Konstruktion der Übergangs-, Ausgabe- und failure-Funktion sind in
Anhang A zu finden.
Der Schlüssel zur effizienten Lösung des Problems der ambigen Zerlegungen ist in erster
Linie das Zusammenspiel von Ausgabefunktion und failure-Funktion. Bei der Konstruktion
der Ausgabefunktion (siehe Anhang A) findet eine Präkompilation möglicher Ambiguitäten
statt, welche sich anhand des Zustands 18 im obigen Beispiel exemplifizieren läßt. Die Wert
von output(18) ist {Becken,n}, was soviel bedeutet wie, daß in Zustand 18 bei Wortposition i
ein Segment mit Verweis -n von i bis i und ein Segment mit Verweis Becken von i – 5 bis i
gefunden wurde. Die Ausgabefunktion enthält diese beiden Zeichenketten, da -n ein echtes
97

Kapitel 4: Ein Modell eines morphologischen Analysesystems
Suffix von Becken ist. Allgemeiner gefaßt enthält die Ausgabefunktion für einen Zustand s
neben dem Eintrag σ, der von s charakterisiert wird (s.u.) auch alle echten Suffixe von σ.
Beispiel 4.2: Analyse des Wortes „Staubecken“
Durchlaufene
Zustandsfolge:
Ausgegebene
Segmente:
0 7 8 9 10 11 13
(=f(11))
14 15 16 17 18
↓ ↓ ↓ ↓ ↓
s Stau Staub Ecke Becken,n
Aho/Corasick (1975) haben gezeigt, daß bei einer Wortlänge von n höchstens 2n Zustände 6
durchlaufen werden, d.h. das Durchlaufen der Automatenzustände ist von der Ordnung
O(n). Die aufwendigste Operation des Algorithmus 4.1 ist die mit { *1* } gekennzeichnete
Zeile. Im schlechtesten Fall muß die Ausgabefunktion für einen Zustand Verweise für alle in
den Automaten eingefügten Morpheme ausgeben, d.h. der Algorithmus hat hierfür einen
Zeitbedarf, der linear proportional zur Summe der Längen aller eingefügten Verweise ist
(Aho/Corasick (1975), Theorem 3), wobei zu beachten ist, daß die Komplexität dieser Ausgabe
nicht von n, der Länge des zu analysierenden Wortes abhängt. Dieser schlechteste Fall
ist im Fall der Anwendung des Automaten für die morphologische Analyse sehr unwahrscheinlich
(dies hieße nämlich, daß es einen Zustand s gibt, der eine Zeichenkette z charakterisiert,
die alle Lexeme des Deutschen als Suffixe enthält).
Eine weitere Frage ist noch zu klären: Ein Kriterium für die Konzeption des Analysemodells
war, es auf einem der bekannten Automatenmodelle zu basieren, vorzugsweise auf dem
Modell endlicher Automaten. Die failure-Funktion des segmentierenden Automaten scheint
nun aus diesem Rahmen herauszufallen. Dies ist jedoch nicht der Fall, da es ohne weiteres
möglich ist, den Automaten mit seiner failure-Funktion in einen deterministischen endlichen
Automaten mit Ausgabefunktion umzuwandeln. Der entsprechende Algorithmus hierfür ist
in Anhang A wiedergegeben. Der Grund, warum diese Determinisierung des Segmentierers
nicht durchgeführt wird, ist der, daß sich dadurch die Anzahl der Zustandsübergänge stark
erhöhen kann. Dies ist ein Umstand, der für das ursprüngliche Problem der Suche mit einer
relativen kleinen Menge von Schlüsselwörtern in einem größeren Text ohne Relevanz ist,
beim Problem von sehr vielen Schlüsselwörtern (in der Größenordnung einiger zehntausend)
jedoch deutlich zu Buche schlagen kann. Beispiel 4.3 veranschaulicht die deterministische
Version des Automaten aus Abb. 4.1. Die Determinisierung kommt durch Ausrechnen
des Gesamteffekts der failure-Funktion zustande.
Beispiel 4.3: Der Automat aus Abb. 4.1 als deterministischer Automat
Die zu einer Relation umgewandelte δ-Funktion des deterministischen Automaten weist bei
einem Alphabet S={ a-z, ä, ö, ü, ß, - } 744 Tupel auf, davon führen 132 zu Zuständen ungleich
0. Demgegenüber enthalten goto- und failure-Funktion des Beispielautomaten zusammen 72
Tupel, also ca. 1/10 davon. Die Ausgabefunktion ist in beiden Fällen gleich.
6 Diese Zahl setzt sich zusammen aus n goto–Übergängen und höchstens n Aufrufen der failure–
Funktion, da für jeden Zustand s der Zustand f(s) dem Startzustand „näher“ ist als s selbst.
98

Kapitel 4: Ein Modell eines morphologischen Analysesystems
Ein Problem des Ansatzes scheint zu sein, daß komplexe Worte w in Ketten ασβ partitioniert
werden, wobei σ ein im Lexikon verzeichnetes Morphem ist, α jedoch nicht im Lexikon vorkommt
(β ∈ Σ*), beispielsweise die Zerlegung von Staub in S und taub, wobei S kein Lexikoneintrag
zugeordnet ist. Was hier jedoch wie ein Problem des Algorithmus aussieht, erweist
sich als Vorteil, wenn man annimmt, daß es sich bei α um ein zulässiges Morphem der
zu analysierenden Sprache handelt, welches lediglich im verwendeten Lexikon nicht verzeichnet
ist. Unbekannt sind in diesem Sinne also alle Segmente eines Wortes, die von keiner
Partitionierung des Wortes erfaßt werden. Dieses Identifizieren von nicht im Lexikon verzeichneten
Segmenten ist wesentlich für das mitverfolgte Ziel, auch Wörter mit unbekannten
Teilen zu analysieren und wird durch den im nächsten Abschnitt beschriebenen Wortstrukturparser
geleistet.
4.3 Wortstrukturparsing
Der Parser – als zweiter Teilschritt des hier vorgestellten Analyseverfahrens – erzeugt aus
den gefundenen Wortsegmentierungen die von der Wortgrammatik definierten Wortstrukturen.
Zwei Möglichkeiten sind denkbar, diesen Parser in den Analysevorgang zu integrieren:
1. der üblichen Konzeption der Compilerkonstruktion folgend hat der Parser die Hauptkontrolle
und ruft den Segmentierer auf, sobald der Parser ein neues Token in seine
Analyse zu integrieren hat.
2. der Segmentierer hat die Kontrolle über die Analyse und übermittelt sukzessiv gefundene
Token an den Parser, der damit angefangene Analysen fortzusetzen versucht.
Beide Grundstrategien sind mit einer gewünschten Inkrementalität des Gesamtverfahrens
zunächst einmal vereinbar. Allerdings stellt sich bei Möglichkeit 1 das nicht einfach zu lösende
Problem, daß der Segmentierer aufgrund seiner parallelen Operationsweise nicht immer
nur ein Token zurückgibt, sondern möglicherweise auch mehrere, die in unterschiedliche
Strukturbäume zu integrieren sind. So erscheint es zweckmäßiger, Zuflucht zu Möglichkeit
2 zu nehmen, der zumal noch der Reiz des Unüblichen anhaftet.
Allerdings schränkt diese Entscheidung die anwendbaren Parsstrategien ein. Da nun der
Segmentierer den Parser steuert – abweichend also von Standardverfahren in vergleichbaren
Problembereichen wie dem Compiling von Programmiersprachen – können nicht mehr alle
Parsverfahren eingesetzt werden. Beispielsweise impliziert eine ausschließlich hypothesengetriebene
Strategie, wie sie das Top-Down-Parsing charakterisiert, daß der Parser immer
dann den Scanner zur Rückgabe eines neuen Symbols auffordert, wenn ersterer Regeln angewendet
hat, die auf der rechten Regelseite Terminalsymbole enthalten. Sollen Parser und
Scanner bezüglich der Steuerung im umgekehrten Verhältnis stehen, kommt nur ein wenigstens
teilweise datengetriebenes (Bottom-up) Verfahren in Frage. Hierbei erzeugt der Scanner/Segmentierer
ein neues Symbol, was im Zuge des Versuchs, dieses zu integrieren, zu
rekursiv sich fortsetzenden Reduktionen führen kann, die schließlich im Erfolgsfalle beim
Startsymbol enden.
Geeignete Parsverfahren, die den hier gestellten Erfordernissen – zumindest teilweise Bottom-up-Strategie,
Zugriff auf Zustandsinformationen und inkrementelle Vorgehensweise –
entsprechen, sind Chart-Parsing und das auf der LR(k)-Technik beruhende Verfahren von
Tomita (vgl. Tomita (1987)). Allerdings müßten auf den ersten Blick beide Verfahren aufgrund
des prinzipiell nichtdeterministischen Charakters des Zerlegungsprozesses modifiziert
werden, beispielsweise, indem jeder Zerlegungsalternative ein separater Parser zugeordnet
wird. Da alternative Zerlegungen jedoch häufig gemeinsame Segmente an den glei-
99

Kapitel 4: Ein Modell eines morphologischen Analysesystems
chen Wortpositionen aufweisen, entsteht hieraus indes ein Mehraufwand, der jedoch durch
Anwendung der Grundidee des Chart-Parsings vermieden werden kann. Die Effizienz des
Chart- bzw. Earley-Parsings ergibt sich schließlich in erster Linie daraus, daß über bereits
analysierte Konstituenten Buch geführt wird. Verwendet man nun einen gemeinsamen Chart
für alle Zerlegungsalternativen, so werden Wortteile, die in mehr als einer Segmentierung
vorhanden sind, auch nur einmal analysiert. Hierzu sind jedoch leichte Änderungen des
ursprünglichen Chart-Parsing-Algorithmus nötig, die Gegenstand des folgenden Abschnitts
sind.
4.3.1 Das Parsverfahren
Wie zuvor erwähnt, wird die strukturelle Analyse durch einen Bottom-Up-Chart-Parser (der
genau genommen ein Left-Corner-Parser mit Speicherung der Teilresultate ist) geleistet, der
den Zerlegungen auf der Basis einer typisierten Unifikationsgrammatik, wie sie in Kapitel 2
beschrieben wurde, Strukturen zuordnet.
Wie bei allen Chart-Parsern lassen sich drei Grundoperationen – Shift, Expand und Complete
– ausmachen, die jeweils auf eine zentrale Funktion Closure() zurückgreifen, die abhängig
vom Status der Kante (aktiv bzw. passiv) die weiteren Schritte (Expansion oder Kombination)
bestimmt. Zur Handhabung strukturierter Kategorien werden die üblichen Erweiterungen
vorgenommen. Die Darstellungsform der Algorithmen lehnt sich an die in Naumann/Langer
(1994:252ff.) an. Um den Besonderheiten des Wortstrukturparsings gerecht zu
werden, wurde vor allem die Shift()-Funktion modifiziert.
Eine Kante ist gegeben durch ein 4-Tupel
< i, j, A → α • β, Condition >
wobei i und j die Anfangs- bzw. Endpositionen des bereits analysierten Teils der Konstituente
und A→ α β eine Regel der Unifikationsgrammatik ist, von der α bereits erkannt wurde.
Da im verwendeten Grammatikformalismus (vgl. Kapitel 2) Regeln mit Bedingungen
attribuiert werden können, die einerseits die Anwendbarkeit einer Regel prüfen und
andererseits Variablenbindungen vornehmen, wird in der letzten Komponente des Tupels
ein Verweis auf die mit der Regel A→ α β verknüpfte Bedingung gespeichert. Diese Bedingungen,
die en detail erst im nächsten Kapitel besprochen werden, dienen dazu, allgemeine
Aufbauprinzipien deutscher Wortstrukturen nichtredundant in die Analyse mit einzubeziehen.
100

Kapitel 4: Ein Modell eines morphologischen Analysesystems
Algorithmus 4.2: Inkrementelles, Left-Corner-Chart-Parsing
Eingabe: Ein Wortsegment s=
Daten: Ein Chart Chart, vor Beginn der Analyse ist Chart = ∅
Eine Unifikationsgrammatik G
Ein als zweistellige Relation Lex = Σ* × Desc gegebenes Lexikon
Ausgabe: Ein aktualisierter Chart
Verfahren procedure Shift()
begin
Chart := Chart ∪ UnknownSegments(i)
for each ∈ Lex (B is a lexical category) do
Closure()
end;
procedure Closure(k: )
begin
if passive_edge(k) then begin
k =
/* apply Condition to the completed production */
k’ := Evaluate()
if k’ = ? then
return
end
else k’ := k
Result := ∅
if ¬∃e ∈ Chart such that e subsumes k’ then begin
/* make a copy of the edge */
k’’ := copy_edge(k’)
/* add the copy to the Chart */
Chart := Chart ∪ { k’’ }
if passive_edge(k’’) then begin
Expand(k’’)
Complete(k’’)
end
end
end;
procedure Expand()
begin
for each ∈ R do begin
A* := A t A’
if A* ≠ ? then
Closure()
end
end;
procedure Complete():
begin
for each ∈ Chart do begin
A* := A t A’
if A* ≠ ? then
Closure()
end
end;
101

Kapitel 4: Ein Modell eines morphologischen Analysesystems
Interessanterweise muß das Standardverfahren des Chart-Parsings nicht geändert werden,
um mit ambigen Zerlegungen umgehen zu können. Die Funktion Complete() bedient sich
nur des Kriteriums, daß sich ein Segment, welches zur Erweiterung einer aktiven Kante untersucht
wird, unmittelbar anschließt an die von der Mutterkategorie dieser Kante dominierte
Folge von Terminalsymbolen. Ob daneben noch andere, überlappende Segmente existieren,
spielt hierbei keine Rolle.
Die Funktion Shift() erhält ein durch den Segmentierer identifiziertes Wortsegment7 , das in den aktuellen Chart integriert werden soll. Bevor dies jedoch geschieht,
wird eine Funktion UnknownSegments() aufgerufen, die versucht, ausgehend von der Position
des gefundenen Segments eventuell nötige Segmente vom Typ „unbekannt“ einzusetzen,
die es erlauben, auch dann eine Analyse für das komplexe Wort zu finden, wenn nicht
alle Teile im Listemlexikon verzeichnet sind. Diese Funktion wird weiter unten näher erläutert.
Closure() testet eine übergebene Kante zunächst daraufhin, ob sie passiv
ist. Ist das der Fall, so wird eine evtl. für sie definierte Bedingung ausgewertet, die, falls
sie scheitert, zur Aussonderung der Kante führt, andernfalls jedoch Einfluß auf Variablenbindungen
und -koreferenzen innerhalb der Merkmalsstrukturen in der Kante haben kann.
Eine Einschränkung gegenüber den im Grammatikformalismus möglichen Bedingungen
liegt darin, daß sie mit einer Kante selbst und nicht mit einzelnen Positionen innerhalb einer
Kante verknüpft sind. Somit werden solche Bedingungen erst dann ausgewertet, wenn eine
passive Kante dem Chart hinzugefügt wird, m.a.W. die zugrundeliegende Regel vollständig
abgearbeitet wurde. Eine andere Vorgehensweise wäre durchaus möglich, wenn auch aufwendiger
und für die zu verarbeitende Grammatik, die im wesentlichen binäre Regeln enthält,
nicht besonders sinnvoll.
Gelingt anschließend der Subsumptionstest, der bei Unifikationsgrammatiken das Kriterium
der kategorialen Identität ersetzt, so fügt der Parser eine Kopie dieser Kante dem Chart
hinzu und prüft dann (erneut), ob die Kante passiv ist. Kann dies positiv entschieden werden,
so wird durch Expand() versucht, Regeln zu finden, die das Symbol auf der linken Regelseite
als linke Ecke aufweisen. Expand() ist damit verantwortlich für den Aufbau „höherer“
Strukturen.
Complete() schließlich versucht, zu einer passiven Kante solche aktive zu finden, die die passive
Kante integrieren können. Complete() kann zu nicht-lexikalischen passiven Kanten führen,
die dann via Expand() den Strukturaufbau in Richtung des Startsymbols vorantreiben.
Um Strukturen effizient im Chart zu repräsentieren und sie später aus dem Chart zu rekonstruieren,
bedient man sich der üblichen Techniken des structure sharings und local ambiguity
packings (vgl. hierzu beispielsweise Naumann/Langer (1994: 140f, 202f)). Parsergebnisse
werden
als 6-Tupel repräsentiert.
Beispiel 4.4:
Ein Chart-Eintrag
repräsentiert eine passive Kante mit Mutterkategorie complex_stem 8 und zwei Töchtern der
Kategorie simple_stem. Diese Töchter, zusammen mit den Positionsinformationen, verweisen
auf andere Kanten im Chart und werden verwendet, um aus dem Chart Strukturbäume
zu generieren.
7 Der Anfangsindex des Segments wird um eins vermindert, da beim Chart-Parsing die
Symbolzwischenräume und nicht die Symbole selbst gezählt werden.
8 Die Hierarchie der morphologischen Typen ist Gegenstand des nächsten Kapitels.
102

Kapitel 4: Ein Modell eines morphologischen Analysesystems
Beispiel 4.5 verdeutlicht das Zusammenspiel von Segmentierer und Parser anhand eines
Wortes mit mehr als einer Zerlegung.
Beispiel 4.5: Strukturanalyse von „Staubecken“.
Zur Vereinfachung des Beispiels wird angenommen, daß die Zerlegung 4a) aus Beispiel 4.2,
die ein unbekanntes Segment „b“ enthält, nicht in die Strukturanalyse gelangt (vgl. auch
Abschnitt 4.3.2). Der Analyse zugrundegelegt wird eine stark idealisierte Grammatik mit den
beiden Regeln
N → N N und N → N Naf
wobei ein Nichtterminal X die Merkmalsstruktur [SYN:HEAD:CAT:X] abkürzt.
Gefundene Segmente Hinzugefügte Kanten Operationen
103
Shift
Expand
Complete
Shift
Expand
Complete
Shift
Expand
Complete
Expand
Shift
Expand
Complete
Expand
Shift
Complete

Kapitel 4: Ein Modell eines morphologischen Analysesystems
Die Hauptfunktion des Parsers ist durch folgende Funktion Parse() gegeben:
Eingabe Das zu analysierende Wort Word
Ausgabe Eine Menge von Analysen
Datenstrukturen
Eine Wortgrammatik WordGrammar
Eine Chart-Datenstruktur Chart
Ein Segmentierer Segmentizer
Verfahren function parse(Word:):
begin
Chart.Init_Chart
% convert Word into a list of atoms, e.g. 'Hi' becomes ['H',i]
Symbollist := atom_to_atomlist(Word)
% shift the found segments into the chart
Segmentizer.Insert_segments_into_chart(Symbollist,Word)
% check whether it's necessary to insert "unknown"-segments
% after the last lexical segment
Chart.Complete_Chart(Word),
% find all edges spanning the whole word
return(Chart.Generate_Structures(WordGrammar.Startcat,|Word|)).
end
Die Funktion Insert_segments_into_chart() ist im wesentlichen durch Algorithmus 4.1 gegeben;
lediglich die durch {*1} markierte Zeile wird durch einen Shift()-Aufruf für das Segment
(s.o.) ersetzt. Die Funktion Complete_Chart() fügt weitere "unknown"-Segmente in den Chart
ein, für den Fall, daß das zuletzt gefundene Segment kein Suffix des zu analysierenden
Wortes ist. Generate_Structures() schließlich erzeugt alle möglichen Analysen aus dem Chart.
Eine Prolog-Implementierung dieses Verfahrens befindet sich in Anhang C.
4.3.2 Behandlung unbekannter Segmente
Die Grundidee, Strukturanalyse eines Wortes auch dann fortzuführen, wenn Teile von ihm
nicht im Lexikon aufgeführt sind, besteht darin, diese Wortteile als „unbekannt“ zu markieren,
sie mit einer unterspezifizierten grammatischen Kategorie zu versehen und sie dann
während des Wortstrukturparsings wie „normale“ lexikalische Segmente zu behandeln.
Aufgrund der Nichtdirektionalität des gewählten Grammatikformalismus können diese
speziellen Kanten dann mit Hilfe ihres Kontextes im Wort, der angewandten grammatischen
Regeln und Prinzipien weiter instantiiert werden, so daß sie, wenn diese Instantiierung ein
bestimmtes Maß erreicht hat, in einen speziellen Teil des Lexikons, der Morphemhypothesen
enthält, aufgenommen werden können.
Wie im nächsten, der Wortgrammatik gewidmeten Kapitel noch näher ausgeführt wird, sind
im Lexikon alle Elemente der offenen Klassen, also der Klassen, die in der Hauptsache an
der Wortbildung beteiligt sind, mit der morphologischen Kategorie simple_stem markiert, so
daß auch unbekannte Wortteile dieser Kategorie zugeordnet werden. Der Grund für die
Wahl gerade dieser Kategorie liegt natürlich darin, daß sich alle anderen Wortbildungskategorien
wie Präfixe, Suffixe und Flexive ohne großen Aufwand vollständig im Lexikon erfassen
lassen.
104

Kapitel 4: Ein Modell eines morphologischen Analysesystems
Zunächst soll aber definiert werden, was unter einer Segmentierung verstanden werden soll:
Definition 4.1: (Vollständige) Segmentierung
Eine Segmentierung Ω einer Zeichenkette w ist eine Zerlegung s1s2...sk = w (k ≥ 1). Eine Segmentierung
bzgl. eines Lexikons Lex = Σ* × Desc heißt vollständig, wenn für alle si gilt:
∃E ∈ Lex (abgekürzt im folgenden mit si ∈ Lex). Ein Segment si heißt unbekannt bzgl.
einer Segmentierung Ω = s1s2...sk, wenn
a) si ∉ Lex
b) i = 1 oder si-1 ∈ Lex
c) i = k oder si+1 ∈ Lex
d) si keinen Teilstring z ∈ Lex enthält.
Für „unbekannt“-Segmente soll im folgenden die Kurzformen U-Segment bzw. U-Kante
verwendet werden; für im Lexikon enthaltene Wortteile entsprechend L-Segment (L-Kante).
Bedingungen b) und c) stellen sicher, daß U-Segmente entweder an den Wortenden auftreten
oder an im Lexikon verzeichnete Segmente angrenzen. Bedingung d) soll gewährleisten, daß
nicht "unnötig" lange Segmente als "unbekannt" postuliert werden, beispielsweise ein
Kompositum AB, wenn A und B im Lexikon aufgeführt sind, AB jedoch nicht.
Segmente für unbekannte Wortteile werden in den Chart eingetragen, nachdem ein weiteres
Wortsegment gefunden wurde, das sich nicht an alle bereits bestehenden Segmentierungen
im Chart anschließen läßt:
Endpunkte bereits Neu gefundenes
bestehender Segmentierungen Wortsegment
Abb. 4.2: Einfügen neuer Wortsegmente
U-Segmente dienen also dazu, die „Lücken“ zwischen im Lexikon aufgeführten Wortteilen
zu schließen und werden nach folgendem Verfahren eingefügt:
105

Kapitel 4: Ein Modell eines morphologischen Analysesystems
Algorithmus 4.3: Einfügen von im Lexikon nicht verzeichneter Wortsegmente 9
Eingabe: Die Anfangsposition p des zuletzt gefundenen Wortsegment
Ausgabe: Eine Menge von „unknown“- Kanten
Daten: Das zu analysierende Wort w = a1a2...ak
Verfahren
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
function UnknownSegments():
begin
Q = { p }; Result = ∅; done = false
Ordne alle Kanten k mit end(k) < p in bzgl. end(k) absteigender Reihenfolge.
while ¬done
k sei eine Kante mit end(k) < p;
wenn es einen Pfad von end(k) zu einem s ∈ Q gibt
dann done := true
sonst
U_Segment := < end(k), unknown(ak+1...ap), p >
wenn U_Segment alle heuristischen Tests erfolgreich passiert
dann
Result := Result ∪ { U_Segment }
Q := Q ∪ { end(k) }
return(Result)
end
Der Algorithmus prüft also ausgehend von der Anfangsposition des gerade eingefügten
Wortsegments alle Segmente, die davor enden. Dies passiert solange, wie es keinen Pfad
vom Ende des gerade betrachteten Segments zu einem der bereits verarbeiteten gibt, deren
Endpositionen in der Menge Q gespeichert werden.
Die Behauptung ist nun, daß jede Segmentierung, die durch Algorithmus 4.3 um U-Segmente
ergänzt wurde, die Bedingungen von Definition 4.1 erfüllt. Darüber hinaus muß gezeigt
werden, daß das Gesamtverfahren alle Segmentierungen herstellt, die Definition 4.1
Genüge leisten.
Zu zeigen ist daher folgendes:
a) Algorithmus 4.3 erzeugt keine aufeinanderfolgenden U-Segmente U1 und U2 mit
start(U2) = end(U1).
b) es wird kein U-Segment eingefügt, so daß ap+1...aq ein L-Segment
enthält.
c) Algorithmus 4.3 ist vollständig, erzeugt also alle möglichen Segmentierungen nach Def.
4.1.
Zu a): Angenommen, Algorithmus 4.3 versucht, eine U-Kante zwischen k‘ und n einzufügen.
Position k‘ ist demnach unverbunden mit n und allen Endpunkten von Kanten zwischen k‘
und n. Das Segment von n zu n‘ sei das gerade einzufügende L-Segment (d.h. p=n) und die
Kante von k zu k‘ sei ebenfalls eine U-Kante.
(1)
k k‘ n n‘
9 start(k) und end(k) sind Funktionen, die zu einer gegebenen Kante k jeweils deren Start- bzw. End-
punkt zurückgeben.
106

Kapitel 4: Ein Modell eines morphologischen Analysesystems
Die Kante von k nach k‘ kann keine U-Kante sein. Wäre sie es, dann hätte der Algorithmus
zuvor eine L-Kante von k‘ zu einer Position l mit k‘< l ≤ n eingefügt, da U-Kanten immer vor
den gerade gefundenen L-Segmenten eingefügt werden. Dies widerspricht aber der Annahme,
daß es keinen Pfad von k‘ zu einer Position l zwischen k‘ und n gibt, so daß Algorithmus
4.3 die Zeilen 9-13 nicht erreicht hätte. Demnach ist die Kante von k nach k‘ eine L-
Kante.
Zu b): es wird kein U-Segment eingefügt, so daß ap+1...aq ein L-Segment
enthält. Angenommen, eine gerade eingefügte U-Kante U von k bis k‘ enthielte ein L-
Segment L von n zu n‘. In Abhängigkeit von der Position von L bzgl. U ergeben sich vier
Fälle: a) n = k, n‘= k‘ b) n = k, n‘ < k‘ c) n > k, n‘ = k‘ und d) n > k, n‘ < k‘. Alle Möglichkeiten
lassen sich mit dem gleichen Argument wie eben ausschließen, so daß L keine Teilkette von
U sein kann.
Zu c), Vollständigkeit: es reicht aus, folgenden Grenzfall zu betrachten; die anderen folgen
aus der Transitivität der „verbunden“-Relation. Angenommen der Chart enthielte zwei L-
Kanten L1 = (k , k‘) und L2 = (k‘‘, k‘‘‘) (k‘ < k‘‘) . L2 sei das zuletzt gefundene Wortsegment, es
gibt keine U-Kante von k‘ nach k‘‘ und kein weiteres L-Segment zwischen L1 und L2:
(2)
k k‘ n k‘‘ k‘‘‘
Wenn Algorithmus 4.3 keine U-Kante zwischen k‘ und k‘‘ eingefügt hat, dann muß sich dazwischen
ein Knoten n mit einer Kante (n, k‘‘) befinden, da das Verfahren beim ersten mit k‘‘
über einen Pfad verbundenen Knoten (also n) anhält. Diese Kante (n, k‘‘) kann keine L-Kante
sein, da zwischen L1 und L2 laut Annahme keine weitere L-Kante „interveniert“. Angenommen
also, sie wäre also eine U-Kante. Dann muß es aber noch eine weitere L-Kante k‘ – n
geben, für die die U-Kante (n, k‘‘) eingefügt wurde, als p im Algorithmus 4.3 gleich k‘‘ war –
ein weiterer Widerspruch zu der Annahme, daß sich zwischen L1 und L2 keine L-Kanten befinden.
Hierdurch ist gezeigt worden, daß es in Algorithmus 4.3 ausreicht, das Einfügen von U-
Kanten beim ersten „verbundenen“ Knoten zu beenden.
4.3.2.1 Verfeinerungen
Algorithmus 4.3 stellt zwar u.U. durch U-Segmente „aufgefüllte“ Segmentierungen her, behandelt
aber alle L-Segmente formal gleich, d.h. beachtet nicht, ob es sich bei L-Segmenten,
für die eine U-Kante eingeführt wird, um Stämme oder Affixe handelt. Hierdurch kann es in
manchen Fällen zum Einfügen nicht angemessener U-Kanten kommen.
Beispiel 4.5:
Das Wort Baustein soll analysiert werden, wobei Bau und das Fugenelement s im Lexikon
verzeichnet sind, Stein jedoch nicht. Vor der Komplettierung des Charts durch
Complete_Chart() in der Funktion Parse() enthält der Chart die partielle Segmentierung
Eine U-Kante wird eingefügt, was hier jedoch nicht gewünscht ist.
107

Kapitel 4: Ein Modell eines morphologischen Analysesystems
Der Grund hierfür ist natürlich, daß das Fugenelement s zufällig ein Präfix des eigentlich als
unbekannt anzusetzenden Wortteils stein ist. Darüber hinaus kann der Fall eintreten, daß
Kandidaten für U-Kanten, die nicht den weiter unten dargelegten heuristischen Tests Genüge
tun, erst gar nicht in den Chart eingefügt werden, mit dem Ergebnis, daß die gesamte
Analyse durch den Chartparser scheitert.
Es ist demnach wünschenswert, zwischen Affixen und Stämmen eine Gewichtung vorzunehmen.
Hierzu ist eine Änderung an Definition 4.1 d) vorzunehmen:
(3)
si keinen Teilstring z ∈ Lex enthält, so daß die z zugeordnete Beschreibung Desc von
simple_stem subsumiert wird.
Algorithmus 4.3 ist dann entsprechend so anzupassen, daß er auf der Suche nach Anschlußpunkten
alle Kategorien bis auf solche vom Typ simple_stem „überspringt“.
Weiterhin kann man Heuristiken einsetzen, um die Anzahl der eingefügten U-Kanten zu
minimieren; schließlich bedeutet jede solche Kante für den Parser einen erhöhten Analyseaufwand.
Alle in Zeile 9 des Algorithmus postulierten Segmente werden daher einer zweistufigen
heuristischen Filterung unterworfen, die unplausible Kandidaten zurückweist:
1. Enthält das Lexikon Elemente der geschlossenen Klassen (also Flexive, Affixe etc.) vollständig,
so kann ein unbekannter Wortteil einer der drei Hauptklassen zugeordnet werden,
die an der Wortbildung partizipieren – Nomen, Verben und Adjektive. Führt man
zudem eine Mindestlänge für unbekannte Teile ein - unter der Voraussetzung, daß Listeme
mit kleinerer Länge sämtlich im Lexikon verzeichnet sind, kann man das Postulieren
„zu kurzer“ Segmente vom Typ unbekannt verhindern.
2. Die Graphemstruktur unbekannter Wortteile muß natürlich den Regularitäten des Silben-
und Wortaufbaus im Deutschen unterliegen, die am besten wiederum in Form eines oder
mehrerer endlicher Automaten (oder Two-Level-Transducer) repräsentiert werden, womit
dann vorgeschlagene Segmente mit unzulässigen Konsonantenabfolgen usw. unterdrückt
werden können. Dieses Vorgehen kann natürlich nicht exakt sein, da der unbekannte
Wortteil selbst wiederum komplex sein kann, ohne daß seine Teile im Lexikon
stehen. An den Morphgrenzen zwischen diesen Teilen sind jedoch Laut- und indirekt
damit Graphemkombinationen erlaubt, die innerhalb eines Simplexwortes nicht möglich
wären. Dem könnte damit begegnet werden, daß man einen Automaten einsetzt, der den
Silbenaufbau deutscher Wörter korrekt abbildet und der ε-Übergänge oder Übergänge,
die mit Fugensymbolen etikettiert sind von seinen Endzuständen in den Startzustand besitzt.
Ein solche Automat akzeptiert somit Folgen von Simplexwörtern, deren Teile untereinander
möglicherweise durch Fugensymbole getrennt sind. Die einfachste Möglichkeit
besteht jedoch darin, eine vollständige Liste der Silben im Deutschen heranzuziehen und
damit zu überprüfen, ob das vorgeschlagene Segment aus einer Folge dieser Silben besteht.
Hierbei wird jedoch außer Acht gelassen, daß nicht alle Silben an allen Positionen
im Wort auftreten können. Eine weitere Variante, die bei der Implementierung des hier
vorgestellten Systems ebenfalls weiter verfolgt wurde, ist die, aus einem in maschinenlesbarer
Form vorliegenden Lexikon – beispielsweise der CELEX-Datenbank (Baayen et
al. (1993)) alle monomorphematischen Stämme und Wurzeln zu extrahieren und in Form
eines Tries zum Überprüfen von als unbekannt postulierten Wortsegmenten zu verwenden.
Dies engt die Hypothesen auf tatsächlich vorkommende Stämme ein, ohne daß für
jeden dieser Stämme ein voll ausdifferenzierter Lexikoneintrag vorliegen müßte. Wählt
man diesen Weg, so gibt es allerdings noch eine effizientere Alternative. Man könnte alle
Simplexwörter, für die kein Lexikoneintrag existiert, ebenso gleich in den segmentieren-
108

Kapitel 4: Ein Modell eines morphologischen Analysesystems
den Automaten einfügen, so daß der Schritt des Postulierens von „unbekannt“-Segmenten
(beinahe) gänzlich unnötig wird.
Diese Heuristiken garantieren in den meisten Fällen ein erfolgreiches Abschließen der Analyse,
da in jedem Fall zwischen dem „letzten“ Segment im Chart mit der Kategorie
simple_stem und dem gerade gefundenen Segment ein „unbekannt“-Segment eingesetzt
wird. Scheitern kann diese Strategie nur dann, wenn sich das „unbekannt“-Segment strukturell
nicht integrieren läßt, was angesichts des Aufbaus der Wortgrammatik eher unwahrscheinlich
ist.
Trotz aller Filterung legt das Verfahren doch noch ein gewissen Maß an Übergenerierung an
den Tag, die vor allem durch unplausible „unbekannt“-Segmente bedingt ist. Eine mögliche
heuristische Bewertungsfunktion von unterschiedlichen Segmentierungen könnte daher
folgendermaßen aussehen:
1. Ziehe Segmentierungen mit weniger Segmenten solchen mit mehr Segmenten vor.
2. Weisen zwei Segmentierungen die gleiche Anzahl von Segmenten auf, dann präferiere
diejenige mit der kleineren Zahl unbekannter Segmente.
Eine geringere Anzahl von Segmenten bedeutet eine Maximierung der Länge der einzelnen
Segmente und hat eine effizientere Strukturanalyse zur Folge. Zudem hat dies Vorteile bei
zusammengesetzten Lexikalisierungen (Beispiel: Geizhals), wenn alle ihre Teile im Lexikon
aufgeführt sind, da dann die lexikalisierte Lesart präferiert wird.
Die zweite Heuristik, die Präferenz von Zerlegungen mit weniger unbekannten Teilen, führt
weiterhin zur Reduzierung von Ambiguitäten, da der „unbekannt“-Segmenten zugeordnete
Lexikoneintrag (vgl. Kapitel 5) naturgemäß hochgradig unterspezifiziert ist.
Zur Erhaltung eines inkrementellen Verfahrens ist es jedoch notwendig, diese eher globalen
Kriterien einer lokalen Verwendung zugänglich zu machen. Der geeignete Platz hierfür ist
der Complete()-Schritt von Algorithmus 4.2, in dem eine passive Kante dazu verwendet wird,
aktive Kanten weiter zu vervollständigen. Hierzu muß die Reihenfolge, mit der aktive
Kanten betrachtet werden, so geändert werden, daß solche mit weniger unbekannten Segmenten
zunächst den Vorzug erhalten, um auf diese Weise ein Best-First-Suchverfahren zu
realisieren. Da Algorithmus 4.2 ansonsten eine Tiefensuche durchführt, ist garantiert, daß
solche Kanten Teil von denjenigen zuerst erzeugten Strukturen werden, die den Chart so
weit wie möglich abdecken.
Interessant sind solche Heuristiken jedoch nur, wenn man nicht an einer vollständigen Ausgabe
aller Analysen des Wortes interessiert ist.
4.4 Behandlung der Allomorphie
Das bisher entwickelte Verfahren segmentiert Wörtern effizient, bezieht dabei jedoch nur die
orthographische Ebene mit ein und verweist die Behandlung der regelmäßigen Allomorphie
10 letztendlich an das Lexikon. Dies ist natürlich aus zwei Gründen unbefriedigend:
Zum einen geht durch bloße Auflistung der Allomorphe der Regelcharakter solcher Modifikationen
verloren, zum anderen verzichtet man auf eine Informationsquelle, die bei unbekannten
Wortteilen zur Einengung der Hypothesenmenge führen könnte.
10 Hierzu gehören phonetische Änderungen wie beispielsweise Umlautung, e-Epenthese wie auch
rein orthographische Modifikationen wie ß → ss bei der Pluralbildung (z.B. Prozeß - Prozesse)
109

Kapitel 4: Ein Modell eines morphologischen Analysesystems
Ein geeigneter Kandidat zur Lösung dieses Mißstands ist die Two-Level-Morphology (s. a. Kapitel
1) in einer ihrer elaborierten Varianten, beispielsweise der von Trost (1990) - m.E. der
beste Vorschlag zur engen Kopplung von morphotaktischen und phonetischen Analysekomponenten.
Wie bereits beschrieben, arbeitet dieser Ansatz mit Regeln, die zwischen
konkreter Wortrealisierung und den zugrundeliegenden Morphemen vermitteln und in 2-
Band-Transducer umgesetzt werden. Die Neuerung von Koskenniemi (1984) gegenüber früheren
Ansätzen war die, die einzelnen Transducer aufgrund ihrer relativen Unabhängigkeit
parallel zu schalten, so daß sich schematisch folgendes Bild ergibt:
Oberflächenband
a
T T .... T
1 2 n
....
b
Lexikonband
Abb. 4.3: Parallel geschaltete Transducer
Eine Oberflächenform, d.h. eine Zeichenkette auf dem Oberflächenband, wird dann akzeptiert,
wenn alle Automaten sich nach dem Lesen der Symbolkette in einem Endzustand befinden
und dabei gleich etikettierten Übergängen gefolgt sind. Parallel geschaltete Transducer
akzeptieren damit die Schnittmenge der durch die einzelnen Automaten definierten
Sprachen. 11 Aufgrund dieses Akzeptanzkriteriums muß dafür gesorgt werden, daß Symbole,
auf die sich ein bestimmter Transducer nicht bezieht, von diesem dennoch konsumiert werden.
Im der ursprünglichen Fassung der Two-Level-Morphology (vgl. Koskenniemi (1984)) ging
mit der Segmentierung der Oberflächenform auch gleich die Anwendung eines endlichen
Zustandsmechanismus auf die Morpheme des Lexikonbands einher. Dies wurde realisiert
durch eine Unterteilung des Lexikons in Äquivalenzklassen und durch Aktivierung bzw.
Deaktivierung einzelner Lexikonabschnitte aufgrund der bereits gefundenen Segmente.
Diese auch als Folgelexikamechanismus bezeichnete Technik ist äquivalent zu einem endlichen
Automaten bzw. einer Typ-3-Grammatik, macht diese jedoch nicht explizit.
Die folgende Abbildung zeigt einen Transducer, der die e-Einfügung bei Verbstämmen, die
auf bestimmte Konsonanten enden, realisiert:
11 Ein Theorem der Theorie regulärer Relationen besagt, daß reguläre Relationen, bei denen beide
Komponenten die gleiche Länge aufweisen, abgeschlossen sind unter Schnittmengenbildung. Das
heißt, daß es prinzipiell möglich ist, alle Transducer zu einem einzigen zusammenzufassen (vgl.
Reape/Thompson (1988), Kaplan/Kay (1994)).
110

Kapitel 4: Ein Modell eines morphologischen Analysesystems
Abb. 4.4: (Vereinfachter) Transducer T1 zur Behandlung der e-Erweiterung bei Verbstämmen auf
Dental bzw. Frikativ/Nasal vor Flexiven (die Endzustände sind grau dargestellt)
Die Anwendbarkeit von Two-Level-Regeln hängt nun jedoch nicht nur von phonetischen
bzw. graphematischen Gesichtspunkten ab, sondern auch von morphosyntaktischen.
Beispiel 4.6:
Die Kette WEINTEST darf nur in der Verblesart in wein+t+st zerlegt werden; bei der Nomenlesart
muß die Segmentierung wein+test lauten. Groß- und Kleinschreibung wird, aus
bereits erwähnten Gründen, nicht als Mittel zur Disambiguierung herangezogen.
Der Notwendigkeit des Einbeziehung von grammatischer Information durch arbiträre diakritische
Symbole oder gar Merkmale auf dem Lexikonband (vgl. Karttunen et al. (1992)) zu
begegnen, erscheint sehr unelegant und schafft eine ganze Reihe von Schnittstellenproblemen,
beispielsweise zu Lexikon und Parser. Sehr viel besser ist der Ansatz von Trost, bisher
aufgebaute Strukturen im Merkmalsstrukturformat mit einer mit der Two-Level-Regel assoziierten
Filterstruktur zu unifizieren und vom Gelingen dieser Operation die Anwendung
der Regel abhängig zu machen. Im übrigen kann die Ungerichtetheit der hier verwendeten
Unifikationsoperation im Fall von unbekannten Teilen dazu dienen, die hierfür aufgebaute
partielle Merkmalsstruktur weiter zu instantiieren.
Wie kann im vorliegenden Modell sinnvoll mit regelmäßiger Allomorphie umgegangen
werden? Die Grundidee hierzu sieht folgendermaßen aus:
1. Der Segmentierer enthält nach wie vor alle Allomorphe eines Morphems, diese werden
jedoch nun durch Präprozessierung eingeführt.
2. Der Parser prüft die Zulässigkeit von Morphkombinationen.
Da der Segmentierer oberflächenorientiert arbeitet, muß er alle Allomorphe eines Morphems
enthalten. Hierdurch fällt auch eine der Hauptaufgaben weg, die üblicherweise durch Two-
Level-Automaten geleistet wird: die Reduktion einer Form auf dem Oberflächenband auf
eine Reihe von Morphemen auf dem Lexikonband.
Die morphosyntaktische Kombinierbarkeit der durch den Segmentierer gelieferten Morphe
wird mit Hilfe der diesen zugeordneten Merkmalsstrukturen und den Regeln und Prinzipien
111

Kapitel 4: Ein Modell eines morphologischen Analysesystems
der Wortgrammatik überprüft. Diese bezieht jedoch nur morphosyntaktische Merkmale,
nicht jedoch die graphematische Form der beteiligten Morphe mit ein. Hierzu muß der
Parser um einen geeigneten Mechanismus erweitert werden.
Beispiel 4.7:
Unter der Annahme, daß der Segmentierer den Verbstamm lieb und die Flexive -t- (Präteritumsaffix),
-st bzw. -est enthält, muß ausgeschlossen werden, daß das System Formen wie
*liebtst akzeptiert.
4.4.1 Kompilation der Allomorphe
Wie oben schon beschrieben enthält der segmentierende Automat alle Allomorphe der im
Lexikon repräsentierten Morpheme. Diese werden mit Hilfe von sog. Allomorphieregeln erzeugt,
die eine Verwandtschaft mit den in Kapitel 1 beschriebenen lexikalischen Regeln
aufweisen, bei denen die gegen letztere erhobenen Einwände jedoch nicht greifen. Beispielsweise
besteht das Problem der Anwendungsreihenfolge von Allomorphieregeln nicht,
da Allomorphieregeln nur auf Elemente aus dem Morphemlexikon angewendet werden, ihr
Ergebnis jedoch im Analyselexikon (Listemlexikon) gespeichert wird.
Allomorphieregeln haben folgende formale Gestalt:
FS_in ⇒ { FS_out1, FS_out2, ..., FS_outk }
Eine derartige Regel kann auf ein Morphem M angewendet werden, wenn M mit FS_in unifizierbar
ist. Das Ergebnis ist eine Menge von Einträgen, die in das Analyselexikon aufgenommen
werden. Um die Übernahme von Informationen aus FS_in in diese Lexikoneinträge
zu ermöglichen, sind Koreferenzen von Pfaden in FS_in und FS_Outi erlaubt. Allomorphieregeln
dienen zur Abdeckung folgender Fälle von regelmäßiger Allomorphie:
1. Stammumlautung bei Nomen, Verben und Adjektiven
2. Stammelision bei Verben.
Unregelmäßige Allomorphie (beispielsweise Ablaut bei starken Verben) wird einfach durch
Auflisten der verschiedenen Stämme samt ihren Merkmalsbestimmungen abgedeckt.
Abbildung 4.5 zeigt das Beispiel einer solchen (vereinfachten) Regel, die aus einem
umlautenden Nomenstämmen zwei Stammmorphe herstellt, die mit Singular bzw. Plural
markiert sind.
GRAPH: 1
SYN:
2
HEAD: CAT: N
SEM: 3
MORPH: 4 MFEAT: UMLAUT: +
GRAPH: surface ( 1 )
SYN:
2
SEM: 3
MORPH: 4
HEAD: NUM: sg
,
GRAPH: f_umlaut( 1 )
SYN:
2
SEM: 3
MORPH: 4
HEAD: NUM: pl
Abb. 4.5: Allomorphieregel zur Behandlung von Stammumlautung
112

Kapitel 4: Ein Modell eines morphologischen Analysesystems
Beispielsweise wird aus einer Merkmalsstruktur mit dem GRAPH-Wert H$aus ($ kennzeichnet
den umlautenden Vokal, der durch die Funktion f_umlaut durch seinen Umlaut ersetzt
wird) die Pluralstammform Häus-. Die Markierung dieser Form mit dem Pluralmerkmal
stellt sicher, daß sie nur mit Pluralflexiven kombiniert werden kann. Die andere Merkmalsstruktur
beschreibt die Verwendung des Morphs (im Beispiel also Haus-) im Kontext von
Flexiven mit dem Merkmal Singular. Surface ist eine Funktion, die die zur Kennzeichnung
relevanter Grapheme verwendeten diakritischen Zeichen entfernt.
4.4.2 Behandlung von morphographematischen Kombinationsbeschränkungen
Die Markierung der durch die Allomorphieregeln erzeugten Morphe mit bestimmten
Merkmalen stellt – zusammen mit den Regeln der Wortgrammatik – sicher, daß nur kompatible
Morphe miteinander kombiniert werden können. Beispielsweise erfordert die rekursive
Flexionsregel im nächsten Kapitel, daß die morphosyntaktischen Merkmale von Stamm und
Flexiv miteinander unifiziert werden. Auf diese Weise werden unzulässige Wortformen wie
*Hauser aufgrund der inkompatiblen Werte des Numerus-Merkmals ausgeschlossen.
Was die Unifikation von Merkmalsstrukturen allerdings nicht leistet, ist der Ausschluß von
in morphographematischer Hinsicht unzulässigen Morphkombinationen wie die in Beispiel
4.7 erwähnten. Dies macht daher einen weiteren Mechanismus erforderlich, für dessen Realisierung
zunächst einmal zwei grundsätzliche Möglichkeiten bestehen: Integration in die
Wortgrammatik oder Integration in den Parser.
Kombinationsbeschränkungen der genannten Art mit Hilfe der Wortgrammatik auszudrükken
ist aus mindestens drei Gründen die theoretisch befriedigendere Möglichkeit:
1. Um sie auszudrücken macht man ebenfalls von Merkmalsstrukturen und Unifikation
Gebrauch, also von den Beschreibungsmitteln, die ohnehin notwendig sind.
2. Es werden keine weiteren Automaten wie Two-Level-Transducer u.ä. mehr benötigt
3. Der einzige Ort, an dem morphographematische Regularitäten ausgedrückt werden, sind
die Allomorphieregeln. Sie werden so erweitert, daß sie die erzeugten Morphe mit den
gewünschten Beschränkungen versehen.
Da die Graphematik relativ ausdrucksarm ist, wäre es notwendig, hierzu die phonetische
Ebene mit einzubeziehen, was aber außerhalb des gesteckten Rahmens dieser Arbeit liegt.
Daß es jedoch möglich ist, phonetische und phonologische Regelmäßigkeiten mit Unifikations-
bzw. constraint-basierten Formalismen abzubilden, zeigen die Arbeiten aus dem Bereich
der computational phonology (z.B. Bird (1995)).
Die andere Option, morphographematische Kombinationsbeschränkungen zu realisieren, ist,
sie in Form von Automaten in den Parsvorgang zu integrieren. Dies könnte durch Hinzufügen
von Zustandsinformationen dieser Automaten in die Kanten des Chart-Parsers bewerkstelligt
werden, soll aber hier auch nicht weiter verfolgt werden.
4.5 Weitere Aspekte
4.5.1 Aktualisierung des Automaten
Ein Ziel des Gesamtansatzes ist, ein robustes Analyseverfahren zu entwickeln, welches mit
der notorischen Unvollständigkeit des Lexikons umgeht und daher in der Lage ist, unbekannte
Wortteile nicht nur zu ignorieren, sondern diese zu identifizieren und unter Ausnut-
113

Kapitel 4: Ein Modell eines morphologischen Analysesystems
zung von Regularitäten der unterschiedlichsten Art soviel Informationen wie möglich über
sie zu erschließen. Sobald die so erzeugten unvollständigen Lexikoneinträge eine gewisses
Maß an Spezifizität erreichen, kann man erwägen, sie in das Listemlexikon aufzunehmen,
was eine Aktualisierung des Automaten nach sich ziehen muß. Die Frage ist nun, wie aufwendig
dieser Vorgang ist, d.h. inwieweit eventuell sogar der ganze Automat davon betroffen
sein kann.
Die Aktualisierung der Übergangsfunktion goto ist unproblematisch, da hierbei höchstens so
viele neue Zustände und Übergänge erzeugt werden müssen, wie das neu einzufügende
Listem lang ist. Ist kein Präfix des neuen Listems im Automaten verzeichnet (gibt es also für
das erste Wortsymbol keinen Übergang vom Startzustand des Automaten in einen anderen,
vom Startzustand verschiedenen Zustand), so muß zudem aus der Startzustandsschleife der
Übergang für das erste Wortsymbol entfernt werden.
Die Neuanpassung der failure–Funktion ist u.U. aufwendiger. Über die Berechnung der
Funktionswerte für die neu erzeugten Zustände hinaus können auch andere failure–Werte
von einer Änderung betroffen sein. Das folgende Theorem charakterisiert die Zustände, für
die die failure–Funktion geändert werden muß. Zuvor muß jedoch noch ein Hilfsbegriff eingeführt
werden.
Definition 4.2: Charakterisierung
Ein Automatenzustand s charakterisiert eine Kette w, gdw. sich w aus der Verkettung der
Label entlang des Pfads vom Startzustand zum Zustand s ergibt. Man schreibt hierfür auch
String(s) = w.
Theorem 4.1
Das neu einzufügende Listem sei w = δβ, wobei δ (möglicherweise ε) der Teil sei, bei dem
bereits vorhandene Übergänge verfolgt werden und β≠ε derjenige sei, für den neue Automatenzustände
und -übergänge eingeführt werden müssen. Dann muß die failure-Funktion
(außer für die Zustände, die für β eingefügt wurden) für genau die Zustände s aktualisiert
werden, für die gilt:
s charakterisiert eine Folge von Symbolen αδγ (α ≠ ε) und es gibt Ketten π (möglicherweise ε),
so daß gilt: β=γπ.
Beweisskizze:
δ
α
q
β
γ π
t
δ p γ s
Es gilt (vor und nach dem Einfügen der Zustände und Übergänge für β): failure(p) = q. Da
allgemein gilt (aufgrund der Konstruktionsvorschrift von failure, siehe Anhang A): failure(δ*(r,σ))
= δ*(failure(r), σ), ist auch failure(s) = t (mit r = p und σ = γ ).
Das Zustände wie s die einzigen sind, deren failure-Funktionswerte aktualisiert werden
müssen, ist ebenfalls leicht zu sehen.
114

Kapitel 4: Ein Modell eines morphologischen Analysesystems
Beispiel 4.8:
In den Beispielautomaten aus Abb. 4.1 soll das Wort Taube eingefügt werden (δ=tau, β=be).
Dann muß der Wert der failure-Funktion von Zustand 11 (charakterisiert staub, α=s, γ=b)
aktualisiert werden.
Für jedes α müssen somit failure-Werte von höchstens |β| Zuständen verändert werden. Im
schlechtesten Fall (mit δ = ε) ist das neue Listem ein echtes Suffix jedes Pfads im Automaten,
der in einem Zustand endet, für den die Ausgabefunktion ≠ ∅ ist. Dann muß die failure–
Funktion für
|β| * Anzahl Pfade
Zustände im ursprünglichen Automaten neu berechnet werden.
Ein Problem ist, wie man die Präfixe α im Automaten findet. Hier bieten sich zwei Möglichkeiten
an, deren Wahl davon abhängt, wie häufig die Operation des Aktualisierens vorgenommen
wird:
• man verwendet entweder eine spezielle Indexstruktur oder
• benutzt den Automaten selbst, die Präfixe aufzufinden.
Bei einer Entscheidung für die letzte Möglichkeit müßte man alle Listeme im Lexikon nach
den Ketten δγ absuchen. Mit Hilfe des Mechanismus zur Identifizierung von unbekannten
Wortteilen ist es dann möglich, die verschiedenen Präfixe α zu rekonstruieren. Die Zeitkomplexität
hiervon wäre O(L), wobei L die Summe der Längen aller Listeme ist.
4.5.2 Interaktion mit dem Satzstrukturparser
Eine Morphologiekomponente ist meist nur ein Bestandteil im Zusammenhang eines größeren
sprachverarbeitenden Systems und steht normalerweise mit dem Satzstrukturparser in
enger Interaktion. Der Umstand, daß auch die Wortstrukturanalyse auf einem Merkmalsformalismus
beruht, macht es bei Wahl eines geeigneten „gemeinsamen Vokabulars“ möglich,
die Schnittstelle zwischen beiden Subsystemen allein auf die ausgetauschten Merkmalsstrukturen
zu begrenzen. Erwartungen, die ein zumindest partiell hypothesengetriebenes
Verfahren über das nächste zu analysierende Wort aufbaut, reflektieren sich in einer Instantiierung
von Merkmalen, die wiederum die morphologische Analyse steuern. Erwartet der
Satzparser beispielsweise, daß das nächste Token ein Nomen ist, so führt das zu einer entsprechenden
Instantiierung der Startkategorie des morphologischen Parsers und verhindert,
daß Lesarten mit anderer Kategorie überhaupt erzeugt werden. Besonders interessant ist
dieser Mechanismus wiederum in Verbindung mit Wörtern mit nicht im Lexikon verzeichneten
Teilen, insbesondere dann, wenn der unbekannte Teil als letzter im Wort auftritt. Aufgrund
der Rechtsköpfigkeit der Wortstrukturen kann mit den Informationsquellen, die der
Morphologiekomponente zur Verfügung stehen, eher wenig über den unbekannten Teil
inferiert werden. Erwartungen des Satzparsers über Eigenschaften des Gesamtworts gelangen
über die morphologische Startkategorie und via structure sharing zum „unbekannten“
Kopf des Wortes und führen somit zu einer Einengung der durch die morphologische Analyse
aufgestellten Hypothesen.
115

4.6 Zusammenfassung
Kapitel 4: Ein Modell eines morphologischen Analysesystems
Die nachfolgende Abbildung zeigt noch einmal die Zusammenhänge zwischen den im Verlauf
des Kapitels vorgestellten Komponenten des morphologischen Analysesystems:
Morphem-
Lexikon
Allomorphieregeln
WortMorphgrammatik
Lexikon
erzeugen
Präkompilation
verwendet
Eingabe:
Zu analysierendes
Wort
paralleler
Segmentierer
Wortsegmente
Wortstruktur-
Parser
Ausgabe:
liefert
Wortstrukturen
Abb. 4.6: Architekturskizze des Analysesystems
aktivieren
Erzeugung von
Segmenten
für unbekannte
Wortteile
Zum Abschluß dieses Kapitels soll noch ein Vergleich zu zwei anderen morphologischen
Analysesystemen gezogen werden, welche ebenfalls Segmentation, Two-Level-Morphology
und Strukturanalyse auf der Grundlage einer Unifikationsgrammatik in sich vereinen. Die
Rede ist vom LILOG/2LM-System (vgl. Schiller/Steffens (1991) und vom System von Ritchie
et al. (1992), die hinsichtlich Lexikon, Segmentierung und Analyse folgende Unterschiede
und Gemeinsamkeiten bezüglich des hier präsentierten Modells aufweisen. Zunächst zu
LILOG/2LM:
• Lexikon: LILOG/2LM verwendet zwei verschiedene Lexikontypen: ein Morph-Lexikon,
welches zu jedem Morph die für die morphologische Verarbeitung benötigten Informationen
notiert, und ein base lexicon, welches syntaktische und semantische Eigenschaften
der Grundformen festhält. Das Morph-Lexikon, welches zum Analysezeitpunkt in Form
eines Tries vorliegt, ist zudem in Abschnitte eingeteilt, die sich auf den Folgeklassenmechanismus
des Parsers beziehen. Von den Autorinnen so genannte lexical rules vermitteln
zwischen den Einträgen beider Lexika. M. E. sind diese lexikalischen Regeln doch von
anderer Art als die in Kapitel 1.2.5 kritisierten, da sie nicht neue Lexikoneinträge aus bereits
vorhandenen erzeugen, sondern lediglich die syntaktischen und semantischen In-
116

Kapitel 4: Ein Modell eines morphologischen Analysesystems
formationen für einen Eintrag des Grundformenlexikons mit denen durch die morphologische
Analyse gewonnenen mittels einer Unifikationsoperation zusammenführen. Im
Prinzip kann auf diese Regeln verzichtet werden, beispielsweise durch eine genaue Klassenbildung
und Verknüpfung von Typbedingungen (sog. recursive type constraints) mit
bestimmten Typen. Auf diese Weise können aus einer Kategorisierung sich ergebende
Implikationen für andere Merkmale und Werte (beispielsweise, daß Verben ein SUBCAT-
Merkmal aufweisen) automatisch berücksichtigt werden.
• Two-Level-Morphology: LILOG/2LM verwendet mit diakritischen Zeichen versehene
Two-Level-Regeln. Obwohl dies sicherlich effizienter ist als der Gebrauch von Filtertermen,
führt man doch neben den Merkmalsstrukturen eine weitere Beschreibungsebene
ein und handelt sich zusätzlich Probleme der Interaktion dieser beiden Ebenen ein. Dies
haben die Autorinnen auch erkannt, da sie schreiben: „We consider the implementation of
such rule filters [Filterterme, TH] a necessary extension to the architecture of LILOG/2LM.“
(Schiller/Steffens (1991:125).
• Strukturanalyse: LILOG/2LM benutzt Wortstrukturregeln auf Merkmalsstrukturbasis,
die jedoch lediglich die Flexion beschreiben. Diese Regeln werden in Form eines „Morpho-Syntax-Baums“
repräsentiert, dessen Kanten mit nichtterminalen Kategorien etikettiert
sind und die im Laufe einer Analyse potentielle Folgekategorien charakterisieren;
Abb. 4.7 veranschaulicht das.
adj_stem
verb_stem
comp_ending decl_ending
verb_prefix verb_stem
verb_fin_ending
verb_fin_ending
Abb. 4.7: Morpho-Syntax-Baum (aus Schiller/Steffens (1991:117))
Aufgrund seines endlichen Mechanismus ist ein solcher Baum jedoch nicht in der Lage,
andere als rechtsrekursive Einbettungen abzubilden, die indes zur Beschreibung von
Komposition und Derivation notwendig sind.
Das andere hier interessante Modell, das von Ritchie et al. (1992), weist folgende Charakteristika
auf:
• Lexikon: Die Autoren verwenden ein Grundformenlexikon, welches anders als bei Schiller/Steffens
(1991) nicht in einzelne Abschnitte untergliedert ist, die jeweils Morphe mit
gleicher Distribution enthalten. Beschränkungen der Morphkombination werden somit
nicht durch einen Folgeklassenmechanismus à la Koskenniemi, sondern durch eine unabhängige
Wortgrammatik festgehalten, die auch rekursive Strukturen zuläßt (s.u.). Das
zur Analyse bereitgestellte Lexikon entsteht durch einen Kompilationsschritt, bei dem
lexical rules die durch den Lexikonautor definierten partiellen Einträge ergänzen bzw.
ausmultiplizieren. Ähnlich wie bei LILOG/2LM könnten diese Regeln jedoch ersetzt
117

Kapitel 4: Ein Modell eines morphologischen Analysesystems
werden durch eine hierarchische Strukturierung der lexikalischen Kategorien auf der
Grundlage von (Default)Vererbung, rekursiven Typbeschränkungen und eines Paradigmenmechanismus,
wie er im hier beschriebenen Modell verwendet wird. Aus dem Lexikon
wird wie bei LILOG/2LM ein Trie erzeugt, der das Lexikonband der Two-Level-
Komponente bildet.
• Two-Level-Morphology: Das Modell verwendet Two-Level-Regeln, die durch einen
Compiler in spezielle nichtdeterministische Transducer übersetzt werden, die wiederum
während der Analyse von einem Interpreter benutzt werden. Da das von den Autoren
beschriebene System im Hinblick auf das Englische konzipiert ist, verwundert es nicht,
daß von Filtertermen oder äquivalenten Mechanismen kein Gebrauch gemacht wird.
• Strukturanalyse: Die strukturelle Analyse vollzieht sich bezüglich einer Reihe von Wortstrukturregeln,
denen der formalen Apparat der GPSG (vgl. Gazdar et al. (1985)) zugrundeliegt,
d.h. typisierte Merkmalsstrukturen werden nicht verwendet. Ergänzt werden
diese Regeln durch Perkolationsbeschränkungen, die Prinzipien wie das des „relativierten
Kopfs“ realisieren. Segmentierer, die Two-Level-Komponente und der Chart-Parser
arbeiten zur Vermeidung unsinniger Zerlegungen ineinander verzahnt, wobei letzterer
die anderen Komponenten steuert. Das System kommt mit ambigen Zerlegungen zurecht,
indem mit jeder dieser Zerlegungen der Zustand der Two-Level-Komponente nach der
Analyse aller ihrer Symbole verknüpft ist. Nachteile legt der Ansatz von Ritchie et al. daher
an den Tag, sobald Lexikoneinträge Disjunktionen enthalten, da diese von den Chart-
Parsern i.a. durch Überführung in disjunktive Normalform beseitigt werden, was zur Einfügung
mehrerer Chart-Kanten für ein gefundenes Morph(em) führt und damit die mit
diesem verbundenen Automatenzustände dupliziert. Da in den Chart Wortsegmente eingehen
und nicht Symbole der Oberflächenform, hat er keine lineare Struktur mehr, sondern
präsentiert sich als gerichteter azyklischer Graph, was in Ritchie et al. (1991:164) am
Beispiel von preached verdeutlicht wird.
1
pre
2
preach
ache (N)
ache (V)
4
3
ed
ed
Abb. 4.8: Chart-Struktur für preached
Für die Verarbeitung von Wörtern mit unbekannten Teilen wird schließlich keine erkennbare
Vorsorge getroffen.
Neben den genannten Abweichungen gibt es natürlich auch Gemeinsamkeiten der Modelle.
Alle drei arbeiten mit Merkmalsstrukturen und Lexika in Form von Tries und sind dadurch
gekennzeichnet, daß Steuerungsinformationen zwischen Parser und Segmentierer ausgetauscht
werden, was zu einer effizienteren Analyse führt als rein serielle Verfahren.
Das nächste Kapitel wendet sich der morphologischen Grammatik zu.
118
5

Kapitel 4: Ein Modell eines morphologischen Analysesystems
119

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
5 Eine merkmalsbasierte Beschreibung einiger Aspekte der
Morphologie im Deutschen
Der in Kapitel 4 dargelegte Analyseautomat zerlegt Wörter auf jede mögliche Weise in ihre
Bestandteile und überprüft mit Hilfe eines aus der Grammatik gewonnenen Zustandsmechanismus
bereits die Zulässigkeit der gefundenen Morph(em)abfolgen. Zerlegungen, die
diesen Filter passieren, werden – parallel zur Segmentierung – durch einen erweiterten
Chart-Parser analysiert. Dies geschieht relativ zu einer Grammatik, die in diesem Kapitel
ausführlich erörtert wird. Ihre Darstellung erfolgt gewissermaßen bottom-up, d.h. ausgehend
von den Lexikoneinträgen werden die Regeln erläutert, die diese zu immer größeren Gebilden
zusammenfügen, bis schließlich die Ebene der vollständig spezifizierten einfachen oder
komplexen Wörter erreicht wird.
Als Gegenstand einer Theorie der Wortsyntax lassen sich drei Bereiche ausmachen:
1. Kombinationsbeschränkungen: was sind zulässige Morphemkombinationen, was unzulässige?
2. Präzedenzbeschränkungen: welche Morpheme müssen vor welchen anderen zu stehen
kommen?
3. Beschränkungen über Wortstrukturen: welche Art von Wortstrukturen sind für eine semantische
Interpretation notwendig?
Viele Standardansätze zur Beschreibung von Konstituentenstrukturen verwenden kontextfreie
Grammatiken, die somit die ersten beiden oben genannten Beschränkungstypen in einem
homogenen Formalismus fest inkorporieren.
Gegen diese Ansätze ist eine Reihe von Argumenten vorgebracht worden, die letztlich zur
Entwicklung von anderen Formalismen wie GPSG und HPSG geführt haben:
• Dominanz und lineare Präzedenz allein durch starre Phrasenstrukturregeln auszudrükken
führt zum Verlust von Beschreibungsadäquatheit, da es dann nicht mehr möglich ist,
Generalisierungen über verschiedene Regeln zu formulieren.
• Damit verwandt ist der Einwand, daß diese Verschmelzung auch anderen linguistischen
Generalisierungen über Phrasenstrukturen wie X’-Schema, Kopf- und Subkategorisierungsprinzip
etc. nicht gerecht wird.
• Letztendlich führt der kontextfreie Ansatz zu einer großen Anzahl von sehr speziellen
Konstruktionsregeln, deren Zusammenhang untereinander in keiner Weise ausgedrückt
wird.
Welche Konsequenzen ergeben sich hieraus für eine Beschreibung deutscher Wortstrukturen,
deren hervorstechende Merkmale noch einmal kurz zusammengefaßt werden sollen:
• Deutsche Wortstrukturen gehorchen einem abgewandelten Kopfprinzip, wobei unklar ist,
ob dieses auch auf die Flexion ausgedehnt werden soll. Die Bestimmung des Kopfes wird
dabei nicht ausschließlich inhaltlich aufgrund gemeinsamer Merkmale zweier in einem
Dominanzverhältnis stehender Kategorien festgemacht, sondern positionell, d.h. Köpfe
von Wortstrukturen im Deutschen sind Positionskategorien. Darüber hinaus können auch
Nichtköpfe zu den Merkmalen einer Mutterkategorie beitragen, eine Tatsache, der man
durch einen Default-Mechanismus, dem Begriff des relativierten Kopfes gerecht zu werden
versucht.
• Wortstrukturregeln im Deutschen sind im wesentlichen binär verzweigend, obwohl diese
Analyse zu Problemen bei Komposita wie Lafontaine-Schröder-Konflikt führt.
119

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
• Ausschließlich formalgrammatisch bedingte Beziehungen zwischen Wortbestandteilen
sind selten und in der Literatur umstritten; am ehesten könnte man hierunter noch das
Phänomen der Argumentvererbung bei Rektionskomposita und bestimmten Derivationsvorgängen
erfassen. Ansonsten scheint die Deutung von komplexen Wörtern in wesentlicher
Weise von nichtsyntaktischen Bedingungen abzuhängen.
• Eine Zusammenfassung von Derivation und Komposition als unterschiedliche Aspekte
eines zugrundeliegenden Prinzips ist aus formalen Gründen interessant, führt jedoch zu
Problemen bei der Interpretation, die bei beiden Mechanismen unterschiedlich zu sein
scheint. Darüber hinaus müssen bei einer vereinheitlichten Betrachtung Beschränkungen
über die Abfolge von freien und gebundenen Kategorien wirksam sein.
5.1 Morphologische Typenhierarchie und Lexikon
5.1.1 Syntax
Morphologische Objekte werden syntaktisch nach einer Typenhierarchie klassifiziert, die in
der folgenden Abbildung wiedergegeben ist:
unknown_stem
simple_stem complex_stem
simple_or_complex_stem
STRUCTURE: list
linking_morph pre_syntactic_atom affix
morph_object
MORPH: morph
infl_affix derivative
morph_or_syn_object
GRAPH: list
SYN: syntax
SEM: semantics
top
suffix
prefix
syntactic_atom
sign
Abb. 5.1: Typenhierarchie zur Klassifizierung der morphologischen Kategorien
phrase
Unter einem Morph(ological) Object verstehe ich, der Terminologie von Williams/Di Sciullo
(1987) folgend, ein aus Morphemen aufgrund von produktiven Formationsregeln aufgebautes
morphologisches Gebilde mit interner Struktur. Auf der anderen Seite sind Elemente
120

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
der Kategorie syntactic_atom die primitiven X 0-Kategorien der Syntax; sie weisen keine
interne Struktur auf und besitzen nur noch Merkmale, die in der phrasalen Syntax relevant
werden können. Subtypen der Kategorie morph_object sind u.a. die Typen affix und simple_or_complex_stem;
letzterer besitzt Subtypen für einfache (simple_stem) oder zusammengesetzte
Stämme bzw. Wurzeln (complex_stem). Eine besondere Rolle kommt der Klasse
unknown_stem zu, mit der unbekannte Wortstämme klassifiziert werden.
Mit Hilfe einer Reihe von Merkmalseinführungsaxiomen werden für diese einzelnen Typen
Merkmale und für diese wiederum Werterestriktionen festgelegt, die sich an die Subtypen
weiter vererben (diese sind in Abb. 5.1 unterhalb der Typen angegeben). Der Typ
morph_or_syn_object führt die beiden Merkmale SYN und SEM ein, die sich an die Typen
phrase – syntactic_atom und morph_object vererben; letzterer führt ein weiteres Merkmal
MORPH mit Werterestriktion morph ein. Der Typ morph_object ist in der Typenhierarchie so
definiert, daß seine erste Strukturebene wie in Abb. 5.2 aussieht (die Struktur unter SEM wird
erst weiter unten näher behandelt): 1
GRAPH: list(symbol)
(FORM: symbol)
SYN:
SEM:
MORPH:
HEAD:
ARGSTR:
syntax
morph_object
semantics
MFEAT:
morph
STRUCTURE: list
head
argstr
MHEAD: mhead
mfeat
MSUBCAT: morph_subcat
Abb. 5.2: Merkmale des Typs morph_object
Die der HPSG (vgl. Pollard & Sag (1987, 1994)) nachgebildeten Merkmale SYN und SEM repräsentieren
die Worteigenschaften, die in der Phrasensyntax relevant sind. Unter SYN:HEAD:
sind daher die morphosyntaktischen Merkmale wie Person, Numerus usw. verzeichnet.
Demgegenüber befinden sich in der Struktur unter MORPH Merkmale, die nur für die
Morphologie wesentlich sind. Unterschieden wird hier zwischen morphologischen
Kopfmerkmalen (MORPH:MHEAD) – hierzu gehören Merkmale wie ±LATINATE und Angaben
zur Deklinationsklasse (bei Nomen) – und anderen morphologischen Merkmalen (MFEAT),
die keine Kopfmerkmale sind (z.B. das weiter unten erwähnte Merkmal COMPLETE). Hinzu
kommt ein Merkmal MSUBCAT zur Wiedergabe morphologischer Subkategorisierungseigenschaften,
das für die Affigierung verwendet wird. Das Merkmal GRAPH schließlich enthält
eine graphematische Repräsentation des Stammmorphems bzw. die von morph_object dominierte
Kette von Wortsegmenten. Die Struktur unter MORPH ähnelt der in Krieger (1994),
1 Die Notationskonventionen seien hier noch einmal kurz wiederholt: Typen werden fett und kursiv,
MERKMALE in Kapitälchen, Sorten kursiv und Variablen normal mit großem Anfangsbuchstaben
wiedergegeben.
121

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
anders als dort wird die Morphemkategorie jedoch nicht explizit durch ein Merkmal dargestellt,
sondern durch die Typenhierarchie wiedergegeben. Das Merkmal STRUCTURE enthält
in einer Liste die unmittelbaren Töchter von morph_object.
Allen präterminalen Kategorien wie simple_stem, infl_affix usw. kommt darüber hinaus
noch ein Merkmal FORM zu, das durch einen separaten Typ form_t eingeführt wird und die
Grundform des morphologischen Paradigmas enthält.
Syntaktische Atome auf der anderen Seite haben weder MORPH- noch STRUCTURE-Attribute,
da morphologische Merkmale wie die interne Struktur eines Wortes für die Phrasensyntax
nicht sichtbar sind (so jedenfalls die These). Die morphosyntaktischen Merkmale – in der
Terminologie von Williams/Di Sciullo (1987) das gemeinsame Vokabular von Morphologie
und Syntax – befinden sich unter SYN. Die Merkmale und Typen hierunter sind durch folgende
Axiome definiert:
(1) syntax :: HEAD: head ∧ ARGSTR: argstr
head ↔ nominal | verbal | preposition
head :: CAT: cat 2
nominal ↔ noun | adjective | pronoun | determiner
nominal :: CASE: case ∧ GENDER: gender
adjective ::DEGREE: degree ∧ DECL: decl ∧ PRED: boolean
verb → verbal
verb ↔ verb_infl_or_imp | verb_infinitive
verb_infl_or_imp ↔ verb_infl | verb_imp
verb_infinitive ↔ verb_part | verb_inf_base
verb_inf_base ↔ verb_inf | verb_zuinf
verb_part ↔ verb_partI | verb_partII
verb_infl_or_imp :: MOOD: mood
verb_infl :: TENSE: tense
preposition :: PFORM: symbol ∧ DP_CASE: case
num_t ↔ verb_infl_or_imp ∨ nominal
num_t :: NUM: num
pers_t ↔ verb_infl ∨ nominal
pers_t :: PERS: pers
cat ↔ n | v | a | p |adv | d | pn
case ↔ nom | gen | dat | acc
pers ↔ first | second | third
num ↔ sg | pl
tense ↔ pres | pret
mood ↔ ind | subjI | subjII | imp
gender ↔ masc | fem | neut
decl ↔ strong | weak | mixed
degree ↔ pos | comp | sup
2 Das Merkmal CAT ist eigentlich redundant, da es wesentlich differenzierter in der Typenhierarchie
unter head ausgedrückt wird. Es dient lediglich der besseren Anschaulichkeit.
122

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Der Typ head wird zunächst einmal disjunktiv in nominale, verbale und präpositionale
Köpfe partitioniert. Es wären hier noch weitere Disjunkte nötig, für die Zwecke der Wortgrammatik
reicht es jedoch aus, sich auf diese drei zu beschränken. Vor allem der Typ verb
wird dann in eine ganze Reihe von Subtypen zerlegt, je nachdem, ob es sich um ein flektiertes
Verb (verb_infl), ein Verbpartizip (verb_partI oder verb_partII) und dgl. handelt. Diese
Typen werden in den in Abschnitt 5.4 dargestellten Flexionsregeln verwendet. Die Verwendung
der separaten Typen num_t und pers_t, die jeweils nur das entsprechende Merkmal
einführen, macht eine Kreuzklassifikation der Typen in solche möglich, die die Merkmale
PERS(ON) bzw. NUM(ERUS) tragen und solche, die dafür nicht gekennzeichnet sind. Die Unterteilung
von case in seine vier offensichtlichen Subtypen wird in 5.4 noch etwas verfeinert.
Unter SYN:ARGSTR wird die syntaktische und morphologische Argumentstruktur eines Kopfes
festgelegt. Auch hier wird die Argumentstruktur von Verben von der von Nomen und
Adjektiven unterschieden. Folgende Axiome sind hier festgelegt:
(2) argstr ↔ verbal_argstr | nominal_argstr
argstr ::
DEFARGS: list(morph_or_syn_object) ∧
ADJUNCTS: list(morph_or_syn_object) ∧
ARGSTR_ORDER: list(morph_or_syn_object)
verbal_argstr ::
SUBJ: morph_or_syn_object_or_elist ∧
DIR_OBJ: morph_or_syn_object_or_elist ∧
INDIR_OBJ: morph_or_syn_object_or_elist ∧
PREP_OBJ: morph_or_syn_object_or_elist ∧
SENT_COMPL: morph_or_syn_object_or_elist ∧
nominal_argstr ↔ noun_argstr | adj_argstr
nominal_argstr :: RELARG: morph_or_syn_object_or_elist
adj_argstr :: INTARG: morph_or_syn_object_or_elist
morph_or_syn_object_or_elist ↔ morph_or_syn_object | elist
Zunächst einmal sind alle Werte in den verschiedenen Merkmalen zur Argumentstruktur
unterspezifiziert bzgl. der Unterscheidung Wort – Phrase, d.h. ihre Werterestriktion ist
morph_or_syn_object bzw. elist (empty list, für den Fall, daß ein Argument nicht vorhanden
ist). Diese Unterspezifikation ist notwendig, da Argumente wortintern anders realisiert
werden als wortextern, wie das Beispiel Renovierung zeigt. Das hier relationales Argument
(RELARG) genannte Objekt von Renovierung wird phrasal als Nominalphrase verwirklicht,
vgl. Renovierung der Bibliothek, wortintern jedoch als Nomen, vgl. Bibliotheksrenovierung. Beim
Übergang in die Syntax wird schließlich der Typ verbliebener, d.h. wortintern nicht realisierter
Argumente zu phrase angehoben (vgl. Abschnitt 5.4).
Allen verschiedenen Kopftypen sind drei Merkmale gemeinsam: DEFARGS, ADJUNCTS und
ARGSTR_ORDER. Default-Argumente sind (wie bei Pustejovsky (1995)) solche, die nicht unbedingt
realisiert werden müssen, die jedoch eine Thetarolle in der unterliegenden Ereignisstruktur
tragen. Bei Nomen sind dies oft durch Präpositionalphrasen ausgedrückte Subjekte,
bei Verben Instrument-PPs. Die Standardreihenfolge der verschiedenen Argumente wird
mittels des Attributs ARGSTR_ORDER festgehalten.
123

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Die Teilhierarchie unter MORPH ist folgendermaßen strukturiert:
(3) morph :: MHEAD: mhead ∧ MFEAT: mfeat ∧ MSUBCAT: morph_subcat
noun_mhead → mhead
mhead :: LATINATE: boolean
noun_mhead :: DECL_CLASS: decl_class
morph_object_or_elist ↔ morph_object | elist
mfeat ::
COMPLEX: boolean ∧ % ist die Form komplex?
COMPLETE: boolean ∧ % ist die Form flektionsmäßig vollständig ?
UMLAUT: boolean ∧ % kann der Grundvokal umgelautet werden?
DER: boolean ∧ % kann die Form für die Derivation verwendet werden?
CMP: boolean ∧ % kann die Form für die Komposition verwendet werden?
verb_mfeat → mfeat
verb_mfeat ::
SEP_VERB: boolean ∧ % handelt es sich um ein Partikelverb?
V_PARTICLE: symbol % wenn ja, dann enthält dieses Merkmal den Partikel
affix_subcat → morph_subcat
affix_subcat :: NEEDS: morph_object_or_elist
Wie oben bereits erwähnt, wird zwischen morphologischen Kopf- und Nicht-Kopfmerkmalen
unterschieden. Merkmale wie DER und CMP dienen nach Eisenberg (1998) dazu, die verschiedenen
Elemente eines morphologischen Paradigmas zu unterscheiden. Beispielsweise
ist der Stamm sprung im Paradigma von spring- mit CMP:+ markiert, da diese Form die Kompositionsstammform
ist. COMPLETE wird im Abschnitt über die Flexion näher erläutert.
Der Typ morph_subcat mit seinem hier alleinigen Subtyp affix_subcat und dem damit verbundenen
Merkmal NEEDS dient schließlich dazu, morphologische Kombinationsbeschränkungen
zwischen freien und gebundenen Morphemen zu repräsentieren. Suffixe und Präfixe
definieren unter NEEDS Anforderungen, die sie an das „subkategorisierte“ freie Morphem
stellen. Gemeinsam mit dem im nächsten Abschnitt zur Derivation festgelegten morphologischen
Subkategorisierungsprinzip dient das Merkmal auch dazu, die Vererbung von Argumenten
von der Basis an das Derivat zu ermöglichen.
5.1.2 Semantik
Die Hierarchie, die die Typen unter SEM in Abb. 5.2 strukturiert, ist ausschnittsweise in (4)
wiedergegeben.
(4) semantics ↔ nominal_semantics | verbal_semantics
semantics :: CONTENT: content
nominal_semantics :: REFARG: simple_or_dotted_type
verbal_semantics :: EXTARG: simple_type
content ↔ lexical_content | operator_content
lexical_content :: EVENTSTR: eventstr
124

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Hiernach wird die Semantik von nominalen Kategorien wie Nomen und Adjektiven auf der
einen Seite von der von Verben auf der anderen unterschieden. Erstere weisen ein sog. referentielles
Argument 3 (REFARG) auf, das anders als die unter ARGSTR definierten Argumente
semantischer Natur ist, da es der durch λ-Abstraktion gebundenen Argumentstelle in der
semantischen Repräsentation von Nomen entspricht, z.B. in λx Baum(x). Ähnlich wie das
sog. externe Argument bei Verben ist es bei Derivations- und Flexionsprozessen in systematischer
Weise mit anderen Argumenten in der Argumentstruktur korreliert, was in den entsprechenden
Abschnitten dieses Kapitels verdeutlicht wird.
Der Typ der Merkmale REFARG und EXTARG ist simple_or_dotted_type bzw. simple_type. Die
Subtypen von simple_or_dotted_type zeigt die nächste Abbildung:
uncountable
individual
simple_type
TYPE:entity
countable
group
GROUP_OF:countable
simple_or_dotted_type
dotted_type
TYPES: listof(simple_type)
TYPE_REL:listof(relations)
Abb. 5.3: Strukturierung der Wertetypen von REFARG und EXTARG
Der Typ simple_type unterteilt sich in die maximalen Typen uncountable, individual und
group. Nomen mit REFARG:uncountable beziehen sich auf Massennomina, also Stoff- und
Kollektivnomina, die dadurch gekennzeichnet sind, daß sie nicht in den Plural gesetzt werden
können, ohne ihre Singularbedeutung regelgeleitet zu verändern und die auch im Singular
ohne Artikel auftreten können. Während beispielsweise Stahl sich auf ein bestimmtes
Material bezieht, bezieht sich Stähle auf eine Menge von Stahlsorten. Demgegenüber stehen
die abzählbaren Entitäten individual und group; individual denotiert alle eindeutig individuierten
Dinge, wohingegen group Mengen solcher Dinge umfaßt; die Natur dieser ist im
Merkmal GROUP_OF festgehalten. GROUP_OF hat als Werterestriktion wiederum countable, so
daß hierdurch auch Gruppen von Gruppen möglich werden, die bei Nomen wie Gruppe
selbst, das bereits im Singular Mengen denotiert, aber auch im Zusammenhang mit den
schon angesprochenen dotted types notwendig sind. Der Plural von Gruppe sähe als Merkmalsstruktur
folgendermaßen aus:
3 REFARG wurde auch deswegen eingeführt, um die Ungenauigkeiten in Pustejovskys (1995) Konzeption
bzgl. des referentiellen Arguments zu beseitigen.
125

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
TYPE: 1 entity
TYPE: 1
TYPE: 1
GROUP_OF: GROUP_OF:
individual
group
group
Abb. 5.4: Plural von „Gruppe“
Aufgrund der Existenz des Typs individual kann jeder Merkmalsterm vom Typ group mittels
der Äquivalenz 8 (Kapitel 2) vollständig typisiert werden.
Es gibt andere Möglichkeiten, Gruppen und Individuen in Beziehung zu setzen: Link (1991)
und Carpenter (1997) rekonstruieren Gruppen als Subtypen von Individuen, was folgendermaßen
axiomatisiert werden könnte:
(5) individual → simple_type
simple_type :: TYPE: entity
group → individual
group :: GROUP_OF: individual
Merkmalsterme vom Typ group könnten auch nach dieser Hierarchie vollständig typisiert
werden, da keine appropriateness loop (vgl. Kapitel 2) vorliegt.
Der Hauptgrund für die Wahl der anderen, oben beschriebenen Methode der Gruppenbildung
liegt aber woanders. Eine methodische Leitlinie bei der Konstruktion der Wortgrammatik
war, soweit wie möglich vom Mittel der Unterspezifikation Gebrauch zu machen. Beinahe
alle vorgenommenen Typisierungen erfolgen auf disjunktive Art und Weise, d.h. ein
Supertyp definiert seine Subtypen aufgrund einer Disjunktion. Andere Vorgehensweisen
sind hier möglich, vgl. auch Carpenter (1992: Kap. 2), und in Fällen wie der Rekonstruktion
des Kasussystems (s. Abschnitt 5.4) wurde auch von der konjunktiven Konstruktion Gebrauch
gemacht. Disjunktive Typen machen es möglich, Generalisierungen über Supertypen
zu formulieren, die sich qua Vererbung automatisch auch auf deren Subtypen erstrecken; die
Typen countable oder morph_or_syn_object sind nur zwei Beispiele hierfür.
Unterspezifikation des referentiellen Arguments wird u.a. in den Lexikoneinträgen von Individuennomen
benutzt, also Nomen, die Mengen von Individuen im Singular und Mengen
von Mengen von Individuen im Plural denotieren. Im Lexikon ist ihr referentielles Argument
jedoch lediglich mit countable (unter)spezifiziert, wie das Beispiel in Abb. 5.5 zeigt 4 :
4 Alle im weiteren Verlauf dargestellten Merkmalsstrukturen sind direkt aus der Ausgabe der in CUF
implementierten morphologischen Grammatik entnommen. Die CUF-Terme wurden mit Hilfe der
selbstgeschriebenen Prolog-Bibliotkek cuf2clig in das Eingabeformat des CLIG-Graphers transformiert
(Konrad (1995, 1997)), der die Postscript-Ausgabe der graphischen Strukturen ermöglichte.
126

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
FORM: Messer
SYN:
SEM:
HEAD:
ARGSTR:
syn
CAT: n
GENDER: neut
noun
RELARG:
DEFARGS:
ARGSTR_ORDER:
noun_argstr
REFARG: TYPE: knife
countable
nominal_semantics
MORPH: morph
simple_stem
Abb. 5.5: Lexikoneintrag von „Messer“
Die Typanhebung von countable zu individual bzw. group wird erst später während der
Flexion durch das Hinzutreten des Numerus-Merkmals ausgelöst, was ausführlich in 5.4.2
dargestellt wird.
Fast ebenso wichtig wie Unterspezifikation ist jedoch das Kriterium der Unterscheidbarkeit
von Typen. Beachtenswert ist, daß individual und group im System (5) durch Unifikation
(Konjunktion mit einem anderen Merkmalsterm) nicht mehr zu unterscheiden sind. Es zeigt
sich jedoch (wiederum muß ich auf Abschnitt 5.4.2 verweisen), daß Flexionsprozesse diese
Differenzierung notwendig machen. Im System (5) könnte die Frage, welchen Subtyp von
countable ein Merkmalsterm X aufweist, nicht durch Konjunktion mit GROUP_OF:entity (X ∧
GROUP_OF:entity) beantwortet werden, da dies auch für individiual gelingen würde. Diese
Frage könnte nur durch einen Subsumptionstest entschieden werden (ein Term ist vom Typ
group, wenn er von group subsumiert wird), der aber in den meisten Formalismen nicht zur
Verfügung steht, nicht zuletzt deshalb, weil er schlecht mit der Semantik von konjunktiven
Termen in Einklang zu bringen ist. Ich werde hierauf nochmals in Kapitel 6 zu sprechen
kommen.
Die hier gewählte Mengenrekonstruktion erlaubt die angesprochene Unterscheidung, da der
Term individual ∧ group inkonsistent ist, d.h. jeder Merkmalsterm ist, falls er nicht mit
countable unterspezifiziert ist, entweder vom Typ individual oder vom Typ group, aber
nicht beides.
Der Typ dotted_type, der schon in Kapitel 3.4 angesprochen wurde, dient dazu, die Polysemie
von Nomen wie Museum, aber auch Brot usw. zu repräsentieren, die je nach Satzkontext
mit verschiedenen Begriffen in Verbindung gebracht werden können. Diese verschiedenen
Konzepte – simple types in der Terminologie des Systems in Abb. 5.3 – werden im Merkmal
TYPES in Form einer Liste repräsentiert, da ich nicht die Einschränkung von Pustejovsky
(1995) auf genau zwei Typen, die zusammen ein sog. lexical conceptual paradigm bilden, machen
wollte. Möglicherweise bieten diese Paradigmen ein größeres Erklärungspotential; ich
habe diese Idee jedoch nicht weiterverfolgt.
Das Merkmal TYPE_REL(ATIONS) ersetzt das uneinheitlich verwendete FORMAL-Merkmal in
Pustejovsky (1995) und dient dazu, die Beziehungen zwischen den einzelnen Subkonzepten
unter TYPES in Form einer Liste von Relationen zu fassen. Nachfolgend ist ein Teil des Lexikoneintrags
von Museum wiedergegeben:
127

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
FORM: Museum
SYN:
HEAD:
ARGSTR:
syn
SEM: REFARG:
CAT: n
GENDER: neut
noun
RELARG:
DEFARGS:
ARGSTR_ORDER:
noun_argstr
TYPES:
TYPE_REL:
dotted_type
nominal_semantics
MORPH: morph
simple_stem
1
2
3
5
TYPE: institution
countable
TYPE: building
countable
TYPE: 4 human
GROUP_OF:
group
TYPE: 4
countable
TYPE: 6 physical_entity
GROUP_OF:
group
TYPE: 6
countable
RELCONST: contains
RELARGS: 2 ,1
relation
RELCONST: work_for
RELARGS: 3 ,1
relation
RELCONST: exhibits
RELARGS: 1 ,5
relation
Abb. 5.6: Lexikoneintrag von „Museum“
Interessant ist u.U., daß REFARG in (4) mit simple_or_dotted_type typisiert ist, EXTARG jedoch
lediglich mit simple_type. Möglicherweise gibt es im Deutschen keine Verben mit der Nomen
wie Museum vergleichbaren polysemen Referenz.
Lexikalische Kategorien weisen neben dem externen bzw. referentiellen Argument auch eine
im weitesten Sinne zu verstehende Ereignisstruktur auf, deren Typisierungsaxiome in (6)
dargestellt sind:
(6) event ↔ activity | state
eventstr ↔ activity_eventstr ∨ state_eventstr
activity_eventstr ::
EVENT: activity
state_eventstr ::
STATE: state
128

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
transition_eventstr ↔ activity_eventstr ∧ state_eventstr
transition_eventstr ↔ achievement | accomplishment
transition_eventstr ::
EVENTRESTR: eventrestr ∧
EVENTHEAD: event
Der in Abschnitt 3.4.1 beschriebenen Klassifikation der Aktionsarten folgend wird die Ereignisstruktur
eines Lexems (hier nicht-partitionierend 5 ) in die Subtypen activity_eventstr
und state_eventstr unterteilt, die jeweils ein Merkmal EVENT bzw. STATE zur genaueren Angabe
der Subereignisse aufweisen. Accomplishment- und achievement-Ereignisse sind im Gegensatz
dazu zusammengesetzte Ereignisse, d.h. bestehen aus einer Aktivität und einem sich
daran anschließenden Zustand. Das Merkmal EVENTRESTR gibt die zeitliche Anordnung von
Ereignis und Zustand an; EVENTHEAD hält fest, welches Teilereignis fokussiert ist (vgl. hierzu
auch Pustejovsky (1995:67ff). Zur Illustration ist in Abb. 5.7 der Lexikoneintrag für retten
angegeben, dem u.a. entnommen werden kann, daß die Ereignisstruktur von retten aus zwei
geordneten Teilereignissen besteht: einem Ereignis des Rettens mit den Rollen Agens, Thema
und Instrument und einem Zustand, wo das Thema des erstens Ereignisses Argument eines
Prädikats gerettet ist. Ereignisnominalisierungen wie Rettung können im übrigen auch genau
diese beiden Sachverhalte ausdrücken.
In Abb. 5.7 sieht man weiterhin, wie die Partizipanten der Ereignisse mit Elementen aus der
syntaktischen Argumentstruktur verknüpft sind. Jede Ereignisrolle hat eine Selektionsbeschränkung
(SEL_RESTR), die mit dem referentiellen Argument der jeweiligen NP oder PP aus
der Argumentstruktur koindiziert ist. Die Rolle Instrument, vgl.
(7) Der Parkwächter rettete die Kinder mit einem Seil aus dem Wasser
kann hier durch ein Default-Argument wiedergegeben werden. Als Thetarollen habe ich die
Standard-Rollen verwendet, die in einigen Fällen allerdings durch Subtyp-Bildung dem jeweiligen
Ereignistyp angepaßt wurden (diese Rollen heißen in Dowty (1989) individuelle
thematische Rollen und sind jeweils verbspezifisch; das Verb geben hätte beispielsweise eine
Rolle Geber usw.). Die Annahme von Thetarollen ist natürlich nicht unproblematisch, wenn
von ihnen das syntaktische und semantische Verhalten von Lexemen abhängig gemacht
wird. Im Rahmen des hier dargelegten Systems haben sie allerdings fast immer nur argumentindizierende
Funktion (vgl. Dowty (1989)).
Das listenwertige Merkmal ARGSTR_ORDER schließlich enthält noch so etwas wie eine kanonische
Reihenfolge der Elemente aus der Argumentstruktur.
In den bisher gezeigten Merkmalsstrukturen erschienen weitere Typen wie human, institution,
relation usw., die einer Konzepthierarchie entstammen, deren allgemeinster Typ entity
ist. Diese weitere Hierarchie soll die verwendeten Begriffe ordnen und dient vor allem dazu,
Generalisierungen über Selektionsbeschränkungen, wie sie bei der Komposition benutzt
werden, auszudrücken. Ein Teil dieser Hierarchie ist wiederum in (8) auf S. 131 wiedergegeben.
5 Unter Typenpartitionierung werden Typaxiome der Form t ↔ t1 | t2 | ... | tn verstanden. Der Typ t
wird demnach in paarweise inkonsistente Subtypen zerlegt. Dies ist bei Typenaxiomen der Form t ↔
t1 ∨ t2 ∨ ... ∨ tn nicht der Fall, d.h. die Schnittmengen der Denotate zweier Subtypen müssen nicht leer
sein (vgl. auch Kap. 2). Im Beispielfall darf keine Typenpartitionierung vorgenommen werden, da der
Typ transition_eventstr ein gemeinsamer Subtyp von activity_eventstr und state_eventstr ist.
129

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
FORM: rett
SYN:
SEM:
HEAD:
ARGSTR:
syn
CAT: v
verb
EXTARG: 2
SUBJ: 1
DIR_OBJ: 3
INDIR_OBJ:
PREP_OBJ:
SYN: HEAD:
SEM:
SENT_COMPL:
syn
CAT: n
CASE: struc_case
noun
REFARG: 2 TYPE: human
countable
nominal_semantics
morph_or_syn_object ∧ sign_elist
SYN: HEAD:
SEM:
DEFARGS: 5
syn
CAT: n
CASE: struc_case
noun
REFARG: 4 TYPE: animate_ind
countable
nominal_semantics
morph_or_syn_object ∧ sign_elist
ARGSTR_ORDER: 1 ,3,5
verbal_argstr
CONTENT: EVENTSTR:
verbal_semantics
MORPH: morph
simple_stem
lexical_content
SEM: REFARG: 6 TYPE: tool
countable
nominal_semantics
morph_or_syn_object
EVENT: 7
STATE:
EVENT_TYPE: rescue
ROLES:
event
8
ROLE: agent
SEL_RESTR: 2
role
ROLE: theme
SEL_RESTR: 4
role
ROLE: instrument
SEL_RESTR: 6
role
RELCONST: rescued
RELARGS: 8
state
EVENTRESTR: event_sequence
EVENTHEAD: 7
accomplishment
Abb. 5.7: Lexikoneintrag von “retten”
130

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
(8) entity ↔ physical_entity | abstract_entity
physical_entity ↔ animate_ind | inanimate_ind
animate_ind ↔ human | nonhuman
nonhuman ↔ animal | plant
inanimate_ind ↔ matter | physical_obj
matter ↔ solid_state | liquid
solid_state ↔ metal | stone | china | paper | glass
liquid ↔ water | oil
physical_obj ↔ book | musical_instrument | tool | food | place
tool ↔ knife | cup | blade
food ↔ bread | cake
place ↔ building | room
factory → building
abstract_entity ↔ temporal | nontemporal
event → temporal
activity → event
nontemporal ↔ abstract_obj | abstract_nonobj
abstract_obj ↔ institution
abstract_nonobj ↔ information | property | relation | collection
text → information
state → relation
Diese Hierarchisierung ist nun weit davon entfernt, vollständig zu sein, sondern an die Beispiellexikoneinträge
angepaßt; sie könnte durch weitere Kreuzklassifikation auch noch genauere
Unterscheidungen zulassen. Welchen Typ man welcher Entität zuweist, ist bei genauerer
Betrachtung auch weniger wichtig als man auf den ersten Blick annehmen würde.
Entscheidender ist m.E., wie sich die Typen von Argumenten komplexer Wörter während
verschiedener Wortbildungsprozesse auf die Typen ihrer Bestandteile beziehen lassen.
Neben frei vorkommenden Lexemen enthält das Lexikon auch noch Einträge für Präfixe und
Flexions-/Derivationssuffixe; allesamt werden sie in Form einer Sorte morph/1 repräsentiert.
Bevor die morphologische Einsetzung erläutert wird, noch kurz etwas zum Aufbau der
morphologischen Grammatik. Diese besteht aus Klauseln einer dreistelligen Sorte
cat(Category, List0, List1)
die mit cat(morph_or_syn_object, list, list) -> morph_or_syn_object typisiert ist. Das erste
Argument von cat/3 ist die zu parsende Kategorie, die beiden letzten Argumente sind die
Listen, deren Differenz die von ihr dominierten Wörter ergibt. Der Funktionswert von cat/3
ist der dieser Kategorie zugeordnete Merkmalsterm.
Die morphologische Einsetzung erfolgt durch zwei Klauseln von cat/3: 6
6 Zur größeren Klarheit nochmals eine Erläuterung zu dieser Art von Sorten: bei einer rückwärtverkettenden
Beweisstrategie (wie sie beispielsweise der zur Implementierung verwendete Formalismus
CUF verwendet) wird die Variable Cat an den vollständigen Merkmalsterm des zu beweisenden Subziels
gebunden. Dieser Merkmalsterm muß mit dem aus dem Morph-Lexikon für Graph ermittelten
Merkmalsterm konsistent sein; in diesem Falle wird die normalisierte Konjunktion beider Terme
zurückgegeben.
131

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
(Regel Ia,b: morphologische Einsetzung)
cat(Cat, [Graph|L], L) ←
Cat ∧ morph(Graph)
cat(Cat, L, L) ←
Cat ∧ morph(nil)
Die erste Klausel dient zur Einsetzung von an der Wortoberfläche realisierten Kategorien,
die zweite zum Einsetzen leerer Kategorien (wie beispielsweise Flexiven), die durch der speziellen
Konstante nil gekennzeichnet sind.
5.2 Derivation
5.2.1 Syntax
Eine formale Integration von Komposition und Derivation ist aus vielen Gründen erstrebenswert,
jedoch, wie ich schon an verschiedenen Stellen versucht habe zu zeigen, nicht
ohne weiteres möglich. Vertreter dieser Idee müssen erklären, warum die meisten Derivationsaffixe
rechts vom Stamm stehen müssen, warum beispielsweise *Ungumleit (statt Umleitung)
nicht möglich ist. Ausflucht zu nehmen zu zweifelhaften Merkmalen wie POS(ITION)
(mit Werten left und right), wie dies in Krieger (1994) geschieht, ist linguistisch natürlich
nicht befriedigend und verschleiert als Pseudo-Erklärung die Angelegenheit eher. Mir ist
keine Erklärung bekannt – vielleicht gibt es auch keine, da das die Sprache erwerbende Kind
an positiven Evidenzen die richtige Unterscheidung festlegen kann – und daher nehme ich
zwei Derivationsregeln an, eine für die Präfigierung und eine für die Suffigierung:
(Regel II, Präfigierung)
cat(complex_stem ∧ Stem, L0,L2) ←
Stem ∧
true(cat(prefix, L0,L1) ∧ Prefix) ∧
true(cat(simple_or_complex_stem, L1,L2) ∧ Stem1) ∧
unified_head_features([Stem1]) ∧
morph_subcat_principle(Prefix, Stem1) ∧
GRAPH: diff(L0, L2) 7 ∧
STRUCTURE: [Prefix,Stem1]
(Regel III, Suffigierung)
cat(complex_stem ∧ Stem, L0,L3) ←
Stem ∧
true(cat(simple_or_complex_stem, L0,L1) ∧ Stem1) ∧
true(cat(linking_morph, L1,L2)) ∧
true(cat(derivative, L2,L3) ∧ Suffix) ∧
unified_head_features([Suffix]) ∧
morph_subcat_principle(Suffix, Stem1) ∧
GRAPH: diff(L0, L3) ∧
STRUCTURE: [Stem1,Suffix]
7 diff/2 ist eine Funktion, die aus den zwei Argumentlisten deren Differenz berechnet und als Liste
zurückgibt.
132

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Die Position des Affixes relativ zum Stamm ist durch die Regel selbst und eine Klassifizierung
der Derivationsaffixe in Präfixe und Suffixe gegeben. Hervorhebenswert ist, daß diese
Regeln aufgrund der Vererbungshierarchie jeweils zwei „herkömmliche“ Strukturregeln
repräsentieren, eine für zusammengesetzte Stämme und eine für Simplexstämme. Hierdurch
werden im übrigen auch strukturelle Ambiguitäten bei gleichzeitiger Prä- und Suffigierung
erzeugt. Ein Wort wie Unrettbarkeit hat hiernach die Klammerungen [Un [Rettbarkeit]] und
[unrettbar [keit]]. Beide Regeln sind darüber hinaus rekursiv, erlauben also beliebig viele Präfixe
und Suffixe . Dies scheint bei der Präfigierung auch gerechtfertigt zu sein, man denke an
Vor*version (vgl. Krieger (1994)) oder vor*letzer. Bei der Suffigierung scheint dies ausgeschlossen,
vermutlich deshalb, weil Suffixe kategorieverändernd wirken und zusätzlich
Kopfeigenschaften haben; hierdurch ist ausgeschlossen, daß sich eine Derivation selbst
„füttert“.
In beiden Regeln vererbt der jeweils am weitesten rechts stehende Wortbestandteil seine
syntaktischen und semantischen Kopfmerkmale mit der Funktion unified_head_features/1 an
die Mutterkategorie:
(9) unified_head_features(HF) ←
syn_head_features(HF) ∧
morph_head_features(HF)
syn_head_features([]) ← >
syn_head_features([SYN:HEAD: H|Rest]) ←
SYN:HEAD: H ∧ syn_head_features(Rest)
morph_head_features([]) ← >
morph_head_features([MORPH:MHEAD: H|Rest]) ←
MORPH:MHEAD: H ∧ morph_head_features(Rest)
Die Sorten syn_head_features/1 und morph_head_features/1 und sind rekursiv, da bei der Flexion
mehr als eine Kategorie zu den Kopfmerkmalen beiträgt (s.a. 5.4).
Zentraler Teil beider Affigierungsregeln ist das sog. morphologische Subkategorisierungsprinzip
(morph_subcat_principle/2). Ritchie et al. (1992), Antworth (1994) und Krieger (1994) folgend
nehme ich an, daß Affixe ihre benachbarten Stämme subkategorisieren, sie demnach in ihrer
lexikalischen Matrix Angaben zu syntaktischen und morphologischen Eigenschaften der
Stämme machen, zu denen sie treten können. Ich verwende hierzu ein Merkmal NEEDS, das
durch den Typ affix_subcat eingeführt wird.
(10) affix_subcat → morph_subcat
affix_subcat :: NEEDS: morph_object_or_elist
NEEDS hat den Wert elist, wenn eine Subkategorisierungsanforderung „gesättigt“ wurde und
ist bei frei vorkommenden Morphemen unterspezifiziert; Merkmale wie ± GEBUNDEN
erübrigen sich damit.
Die Funktion morph_subcat_principle(Affix, Stamm) in den Regeln II und III ist relativ einfach:
(11) morph_subcat_principle(MORPH:MSUBCAT:NEEDS: Stem ∧
SYN:ARGSTR: AffixSC ∧ SEM:Sem, Stem) ←
MORPH:MSUBCAT:NEEDS: elist ∧
SYN:ARGSTR: AffixSC ∧ SEM: Sem.
Die Funktion überprüft demnach, ob der Stamm den Anforderungen des Affixes entspricht
und gibt dann die syntaktische Argumentstruktur und Semantik des Affixes als Wert
zurück. Da Affixe selbst diese Eigenschaften nicht haben, kann dies nur dann korrekt sein,
133

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
wenn das Affix die Werte, die der Stamm unter SYN:ARGSTR und SEM trägt, an sich zieht und
in einer dem Affix entsprechenden Weise verändert. Dies wird im Lexikoneintrag des
Affixes festgelegt (ausführliche Beispiele folgen weiter unten).
5.2.2 Semantik
Von welcher Art ist nun der semantische Beitrag von Affixen? Traditionellerweise werden
Affixe als semantisch leere Operatoren betrachtet, die die Bedeutung des Stammes verändern.
Um dies zu repräsentieren, habe ich folgende Typenaxiome zugrundegelegt:
(12) content ↔ lexical_content | operator_content
one_place_operator_struct → operator_content
operator_content ::
OPERATOR: operator
one_place_operator_struct ::
SCOPE: content
operator ↔ one_place_operator | two_place_operator
one_place_operator ↔ op_modality | op_negation | op_abstraction |op_identity
op_modality ↔ op_possibility | op_necessity
Der semantische Beitrag eines Affixes besteht demzufolge aus einem ein- oder zweistelligen
Operator und seinem Wirkungsbereich:
(13) OPERATOR: operator
SCOPE: content
one_place_operator_struct
Da der Wert von SCOPE auf den Typ content eingeschränkt ist, der als Subtyp
operator_content aufweist, können Operatoren ineinander verschachtelt werden, was bei
Mehrfachsuffigierung (Beispiele: Unrettbarkeit, Freiheitlichkeit) auch geboten erscheint.
Suffixe wie -ung leisten noch nicht mal einen funktionalen Beitrag und scheinen bloße Nominalisierer
zu sein; bei ihnen könnte man einen Identitätsoperator annehmen. Ich habe es
jedoch vorgezogen, in diesen Fällen die OPERATOR/SCOPE-Teilstruktur ganz wegzulassen.
Betrachten wir im folgenden einige Beispiele.
5.2.2.1 -bar
Suffigierung mit -bar wurde schon in Krieger (1994) dargestellt; es wird hier der Vollständigkeit
halber in meinem Grammatiksystem wiederholt. Abb. 5.8 zeigt den Lexikoneintrag
für „bar“. Wie daraus ersichtlich, spezifiziert -bar im NEEDS-Merkmal Verben mit direktem
Objekt. Via Koindizierung 3 wird die mit diesem Objekt verknüpfte Selektionsbeschränkung
an das referentielle Argument des bar-Adjektivs vererbt und der semantische Gehalt
des Verbs ( 2 ) in den Skopus des Möglichkeitsoperators gebracht. Das Subjekt des Verbs
(genauer gesagt: sein SEM:REFARG-Wert) erscheint schließlich in der DEFARGS-Liste der Gesamtstruktur;
hier kann es durch Regel VII beispielsweise als PP mit der Präposition von
oder durch verwirklicht werden (s.a. 5.4). Die Werte von SYN:ARGSTR und SEM werden bei
Anwendung der Suffigierungsregel durch das morphologische Subkategorisierungsprinzip
vom Affix an das zusammengesetzte Adjektiv weitergereicht.
134

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
FORM: bar
SYN:
SEM:
HEAD:
ARGSTR:
syn
MORPH:
suffix
CAT: a
adjective
INTARG:
DEFARGS: 1
ARGSTR_ORDER: 1
adj_argstr
REFARG: 3 simple_or_dotted_type
CONTENT:
nominal_semantics
SYN: HEAD:
syn
CAT: p
SEM: 2 semantics
DP_CASE: ldat
PFORM: von
preposition
morph_or_syn_object
OPERATOR: op_possibility
SCOPE: 4 content
one_place_operator_struct
MSUBCAT: NEEDS:
morph
SYN:
SEM:
affix_subcat
HEAD:
ARGSTR:
syn
CAT: v
verb
CONTENT: 4
semantics
SUBJ:
DIR_OBJ:
SEM: 2
INDIR_OBJ:
PREP_OBJ:
SENT_COMPL:
verbal_argstr
morph_or_syn_object ∧ sign_elist
SEM: REFARG: 3
nominal_semantics
morph_or_syn_object ∧ sign_elist
morph_object_or_elist ∧ morph_or_syn_object
Abb. 5.8: Lexikoneintrag von „bar“.
Die Semantik eines komplexen Adjektivs wie rettbar sähe dann wie in der nächsten Abbildung
gezeigt aus (einige Details wurden ausgelassen):
SEM:
REFARG: 3
CONTENT:
TYPE: animate_ind
individual
nominal_semantics
syntactic_atom
OPERATOR: op_possibility
SCOPE: EVENTSTR:
lexical_content
one_place_operator_struct
EVENT: 4
STATE:
EVENT_TYPE: rescue
ROLES:
event
ROLE: agent
SEL_RESTR: 2
role
RELCONST: rescued
RELARGS: 5
state
accomplishment
Abb. 5.9: SEM-Wert von „rettbar“
135
,5
ROLE: instrument
ROLE: theme
SEL_RESTR: 3
role
, SEL_RESTR:
role
TYPE: tool
countable

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Logisch kann -bar so gedeutet werden, daß es die Ereignisstruktur eines Verbs in den Skopus
des Möglichkeitsoperators bringt, vgl.
(14) λx ◊ ∃e [event(e) ∧ type(e,rescue) ∧ theme(e,x)]
5.2.2.2 -ung
Wie schon mehrfach gesagt, bewirkt -ung die Nominalisierung der durch accomplishment-
Verben ausgedrückten Ereignisse. Man kann dies nachbilden, indem man die Teilereignisse
activity und state der verbalen Ereignisstruktur zu Elementen des dotted types des abgeleiteten
Nominals macht. Der (etwas vereinfachte) Lexikoneintrag von -ung, der dies zusammen
mit dem Subkategorisierungsprinzip bewerkstelligt, sieht folgendermaßen aus:
(15) morph("ung") ←
FORM:"ung" ∧
suffix ∧
SYN:HEAD:(noun ∧ CAT:n ∧ GENDER:fem) ∧
decl_class(dc_III,dc_III) ∧
MORPH:MSUBCAT:NEEDS: (
SYN:(HEAD: verb ∧
ARGSTR:(SUBJ: Subj ∧ DIR_OBJ: DirObj ∧ DEFARGS: Defargs ∧
INDIR_OBJ:[] ∧ PREP_OBJ:[] ∧ SENT_COMPL:[] )) ∧
SEM:CONTENT:EVENTSTR: (accomplishment ∧ EVENT: E1 ∧ STATE: E2 )) ∧
SEM:REFARG:(dotted_type ∧ TYPES: [countable ∧ TYPE: E1, countable ∧ TYPE: E2]) ∧
( objectivus(Subj, DirObj, Defargs) ∨
subjectivus(Subj, DirObj, Defargs) )
Nominalisierungen mit -ung können auf zwei Weisen verstanden werden: als Subjektivus
und als Objektivus (vgl. auch Eisenberg (1998)):
(16) a) die Prüfung durch Beamte des BKA ergab ...
b) die Prüfung der Beamten durch die Gauk-Behörde ergab ...
Diese beiden Lesarten, die einem übrigens auch in den korrespondierenden Rektionskomposita
wieder begegnen, werden durch die beiden Funktionen subjectivus/3 und objectivus/3
erzeugt 8 :
(17) subjectivus(SEM:SubjSem, DirObj, Defargs) ←
SYN:ARGSTR:RELARG: (Rel ∧ SEM: SubjSem) ∧
SYN:ARGSTR:DEFARGS: [] ∧
SYN:ARGSTR:ARGSTR_ORDER: [Rel]
objectivus(SEM:SubjSem, DirObj, Defargs) ←
SYN:ARGSTR:RELARG: DirObj ∧
SYN:ARGSTR:DEFARGS: append(Defargs, [Subj ∧ SEM: SubjSem]) ∧
SYN:ARGSTR:ARGSTR_ORDER: append([DirObj], [Subj])
Die erste Funktion macht die Semantik des Verbsubjekts zur Semantik des relationalen Arguments.
Die Subjektivus-Lesart läßt, anders als der Objektivus, keine Default-Argumente
zu. Die objectivus-Funktion macht das direkte Objekt des Verbs zum internen der Nominali-
8 Die Funktionen sind aus Gründen der Anschaulichkeit leicht vereinfacht.
136

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
sierung und ergänzt die Liste der Default-Argumente um das Subjekt. Die nächste Abbildung
zeigt die Subjektivus-Lesart von Prüfung.
GRAPH: prüf , ung , $
SYN:
SEM:
NUM: sg
HEAD:
noun
ARGSTR:
syn
REFARG:
RELARG: 1
DEFARGS:
SYN:
SEM:
phrase
ARGSTR_ORDER: 1
noun_argstr
TYPES:
TYPE_REL:
dotted_type
CONTENT: no_content
nominal_semantics
syntactic_atom
HEAD: noun
syn
3 TYPE:
REFARG: 2 TYPE: human
countable
nominal_semantics
individual
7 TYPE:
individual
EVENT_TYPE: check
ROLES:
4
5
6
ROLE: agent
SEL_RESTR: 2
role
ROLE: theme
SEL_RESTR:
role
ROLE: instrument
SEL_RESTR:
role
ACCESSIBLE_ROLES: 4 , 5 , 6
event
RELCONST: checked
RELARGS: 5
state
RELCONST: event_sequence
RELARGS: 3 , 7
relation
TYPE: entity
simple_type
TYPE: tool
countable
Abb. 5.10: Subjektivus-Lesart von „Prüfung“
Für suffixlose Ereignisnominalisierungen (z.B. verkaufen – Verkauf) ist ein ähnlicher Lexikoneintrag
mit einem leeren Suffix wohl am einfachsten zu realisieren.
137

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
5.2.2.3 -er
Nominalisierungen von accomplishment-Verben mit -er erzeugen beim Derivat typische
Agens-Instrument-Alternationen (vgl. Prüfer, Bohrer, Retter), sofern die Ereignisstruktur des
Verbs eine Instrument-Rolle enthält. Ist dies nicht der Fall, wie z.B. bei Renovierer, so tritt in
der Regel nur die Agens-Lesart hervor.
Aktivitätsverben wie arbeiten und laufen erlauben ebenfalls Bildungen mit -er. Allen Verbtypen
ist gemeinsam, daß das externe Argument des Verbs zum referentiellen Argument des
Nomens wird.
Der Lexikoneintrag von -er, der dies zu repräsentieren versucht, sieht so aus:
(18) morph("er") ←
FORM: "er" ∧
suffix ∧
SYN:HEAD: (noun ∧ CAT: n ∧ GENDER: masc) ∧
decl_class(dc_I,dc_II) ∧
MORPH:MSUBCAT:NEEDS: (
SYN:HEAD: verb ∧
SYN:ARGSTR:(SUBJ: Subj ∧ DIR_OBJ: DirObj ∧
INDIR_OBJ:[] ∧ DEFARGS: DefArgs) ∧
SEM: Sem) ∧
process_or_accomplishment_verb(SEM: Sem) ∧
agent_instrument(SEM: Sem, Subj, DirObj, SYN:ARGSTR:DEFARGS: DefArgs)
Die Funktion process_or_accomplishment_verb/1 prüft, ob es sich um den richtigen Verbtyp
handelt; agent_instrument/4 ist eine Funktion, die das referentielle Argument des Nomens in
Abhängigkeit vom Ereignistyp des Verbs realisiert und auf deren Wiedergabe ich hier verzichte
(der geneigte Leser kann sich deren Aussehen mittlerweile bestimmt schon vorstellen;
in Anhang C.3 findet sie sich zudem in der CUF-Implementierung dieser Grammatik).
Abb. 5.11 zeigt die er-Nominalisierung eines Aktivitätsverbs, Abb. 5.12 die eines Accomplishment-Verbs.
GRAPH: arbeit , er , $
SYN:
SEM:
HEAD: NUM: sg
noun
syn
REFARG: 1
CONTENT:
TYPE: human
individual
OPERATOR: op_possibility
SCOPE:
nominal_semantics
syntactic_atom
EVENTSTR: EVENT:
lexical_content
one_place_operator_struct
EVENT_TYPE: work
ROLES: 2
ROLE: worker
SEL_RESTR: 1
role
ACCESSIBLE_ROLES: 2
event
activity_eventstr
Abb. 5.11: Analyse von „Arbeiter“
138

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
GRAPH: prüf , er , $
SYN:
SEM:
HEAD: NUM: sg
noun
syn
REFARG: TYPES:
CONTENT:
1
2
dotted_type
nominal_semantics
syntactic_atom
TYPE: human
individual
TYPE: tool
individual
OPERATOR: op_possibility
SCOPE: EVENTSTR:
lexical_content
one_place_operator_struct
EVENT:
STATE:
EVENT_TYPE: check
ROLES:
3
4
5
ROLE: agent
SEL_RESTR: 1
role
ROLE: theme
SEL_RESTR:
role
ROLE: instrument
SEL_RESTR: 2
role
ACCESSIBLE_ROLES: 3 , 4 , 5
event
RELCONST: checked
RELARGS: 4
state
accomplishment
Abb. 5.12: Analyse von „Prüfer“
TYPE: entity
simple_type
Wie aus Abb. 5.11 ersichtlich ist, befindet sich das „Arbeitsereignis“ im Skopus eines Möglichkeitsoperators.
Der Grund dafür ist, daß ein Arbeiter üblicherweise auch dann Arbeiter
genannt wird, wenn er gerade nicht arbeitet. Weitere Verwendungen des Möglichkeitsoperators
finden sich im Abschnitt über die Komposition 5.3.2.
Die Analyse von Prüfer in Abb. 5.12 zeigt im referentiellen Argument die Alternation von
Agens und Instrument.
Die habituelle Lesart, die den er-Nominalisierungen weiterhin zukommt, wird man wohl
durch ein Bedeutungspostulat herstellen müssen.
139

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
5.2.2.4 be-
Auch wenn man sich darüber streiten kann, ob be- ein produktives Präfix ist 9 , so möchte ich
doch die von einigen Autoren (vgl. Wunderlich (1987)) festgestellte Argumentalternation im
hier verwendeten System formalisieren. (19) zeigt den Lexikoneintrag für die Variante von
be-, die zu intransitiven Verben mit Präpositionalobjekt (z.B. staunen) treten kann:
(19) morph("be") ←
FORM: "be" ∧
prefix ∧
MORPH:MSUBCAT:NEEDS: (
SYN:HEAD: verb ∧
SYN:ARGSTR:(SUBJ: (S ∧ SEM:REFARG: SubjSem) ∧
DIR_OBJ:[] ∧ INDIR_OBJ:[] ∧ SENT_COMPL:[] ∧
PREP_OBJ:SEM:PO_Sem ∧ DEFARGS: Defargs) ∧
SEM:CONTENT: Cont ) ∧
SYN:ARGSTR:(
SUBJ:S ∧
DIR_OBJ: (DO ∧ SYN:HEAD: (noun ∧ CASE: struc_case) ∧ SEM: PO_Sem) ∧
PREP_OBJ:[] ∧ INDIR_OBJ:[] ∧ SENT_COMPL:[] ∧ DEFARGS: Defargs) ∧
ARGSTR_ORDER: [S, DO] ) ∧
SEM:(EXTARG: SubjSem ∧ CONTENT: Cont)
Das be-Präfix nimmt demnach die Semantik des Präpositionalobjekts und realisiert sie als
Nominal mit strukturellem Kasus.
Allerdings legen Präfigierungsregel zusammen mit dem Lexikoneintrag (19) beträchtliche
Übergenerierung an den Tag. Möchte man diese vermeiden, so wäre es möglich, diejenigen
Verben, die mit (19) kompatibel sind, mit einem Typ be_prefixable zu versehen, und in (19)
unter MORPH:MSUBCAT:NEEDS diesen Typ mit anzugeben. Für die Wortbildung wäre dann
zwar nichts gewonnen (es wäre ja möglich, zu allen diesen Verben ihr entsprechendes be-
Verb auch gleich ins Lexikon aufzunehmen), man hätte jedoch eine regelgeleitete Beziehung
in Form einer lexikalischen Redundanzregel eingeführt, die ihren Niederschlag in der solcherart
veränderten Fassung von (19) finden würde.
5.2.2.5 Weitere Affixe
Andere in die Grammatik integrierte Affixe fallen in die gleichen Schemata wie die schon
erwähnten. Das Präfix un- subkategorisiert Nomen und Adjektive und bringt deren Semantik
in den Skopus eines Negationsoperators; -heit/keit drückt Abstraktheit durch einen Abstraktionsoperator
aus.
9 von den 165 be-Verben in Heilmanns Verb-Datenbank (1991) zeigen 20 zweiwertige und lediglich 5
dreiwertige be-Verben diese Alternation.
140

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
5.3 Komposition
5.3.1 Syntax
Für die Syntax von Komposita ist eine einzige Regel vorgesehen:
(Regel IV, Komposition)
cat(complex_stem ∧ Stem, L0,L3) ←
Stem ∧
true(cat(simple_or_complex_stem, L0,L1) ∧ Stem1) ∧
true(cat(linking_morph, L1,L2)) ∧
true(cat(simple_or_complex_stem, L2,L3) ∧ Stem2) ∧
unified_head_features([Stem2]) ∧
semantics_construction(Stem1, Stem2) ∧
GRAPH: diff(L0,L3) ∧
structure: [Stem1,Stem2]
Der Einfachheit halber wird das optionale Fugenelement linking_morph gleich zwischen
Erst- und Zweiglied gesetzt und nicht erst, wie in Fanselow (1981), eine separate Erstgliedform
konstruiert. Da nicht jedes Kompositum Fugenelemente enthält, kann linking_morph
auch als leere Kategorie realisiert werden. Möchte man auf leere Fugenelemente verzichten,
kann man noch ein zweites Schema ohne linking_morph annehmen.
Unter strukturellen Gesichtspunkten erwähnenswert ist bei Regel IV zweierlei:
1) Da simple_or_complex_stem ein Supertyp sowohl von simple_stem als auch von
complex_stem ist, können diese Konstituenten auf der rechten Seite von Regel IV einfach
oder selbst wiederum strukturiert sein. Regel IV repräsentiert demnach vier verschiedene
Wortstrukturregeln. Die Mutterkategorie ist jedoch in jedem Fall vom Typ complex_stem,
weist daher auch ein STRUCTURE-Merkmal auf, welches in Listenform (außer
linking_morph) die unmittelbaren Konstituenten enthält.
2) Regel IV führt Ambiguitäten ein und erlaubt somit, eine Kette von mehr als zwei Morphemen
auf unterschiedliche Weise zu strukturieren. Rein strukturell induzierte Präferenzen
hierfür scheinen zumindest für die deutsche Komposition nicht zu existieren.
Die Funktion unified_head_features/1 stellt die Merkmalsperkolation zwischen der am
weitesten rechts stehenden Tochterkategorie und der Mutter her.
Die Interaktion zwischen Schemata und Typenhierarchie gewährleistet noch einen weiteren
Punkt. Das Deutsche zeigt keine Binnenflexion, d.h. Komposita und Derivate können Flexionsaffixe
nur ganz außen enthalten. Gegenbeispiele hierzu wie Müttergenesungswerk oder
Professorenclub sind nur scheinbare, wie schon vielfach nachgewiesen wurde. Als Erstglieder
kommen beispielsweise auch Formen vor, die nicht im Paradigma des entsprechenden
Stamms (wie bei Navigationsoffizier 10 ) vorkommen. Darüber hinaus wird die vom Beispiel
Professorenclub nahegelegte Erklärung, daß hier aus semantischen Gründen eine Erstgliedsform
im Plural notwendig ist – die Mehrheit der Clubs haben schließlich mehr als ein Mitglied
– durch Professorengattin widerlegt, es sei denn, Polygamie wäre erlaubt. Fanselow
(1984) nimmt daher sogar an, daß Erstglieder von Komposita für das Merkmal Plural nicht
10 Die folgenden Beispiele sind aus Fanselow (1985).
141

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
markiert sind. Die vermeintliche Binnenflexion läßt sich sicher besser aus Mechanismen der
Prosodie und Allomorphie erklären, die durch die Einfügung von Fugenelementen ausgelöst
wird.
Zum Ausschluß von Binnenflexion muß demnach sichergestellt werden, daß (im Sinne der
Affigierungshierarchie, vgl. 5.4) vollständig oder teilweise flektierte Kategorien nicht wiederum
in die Wortbildungsprozesse eingehen können; m.a.W.: eine hierarchische Anordnung
der unterschiedlichen Operationen ist notwendig. Hierzu benötigt man ein formales
Kriterium, welches die Information mit sich führt, ob ein Stamm bereits flektiert ist oder
nicht. Die interne Struktur eines morphologischen Objekts kann im vorgestellten Ansatz
hierzu nicht herangezogen werden, da Flexion keine Strukturen aufbaut und sich nur in einer
zunehmenden Instantiierung der Merkmale unter SYN:HEAD bemerkbar macht. Die hier
vorliegende Spezifikation kann auch nicht zur Bestimmung von Flekiertheit verwendet
werden, da, wie unten in Abschnitt 5.4 deutlich wird, Stämme sehr unterschiedliche Merkmalsbestimmungen
tragen, um sie innerhalb ihres Paradigmas zu identifizieren. Beispielsweise
trägt der Stamm Mütter das Merkmal +PLURAL, um festzulegen, daß er nur mit pluralischen
Flexiven wie -n kombiniert werden kann, und die Bestimmung CASE:¬dat. Die Form
Müttern hingegen ist als Erstglied eines Kompositums nicht zugelassen, obwohl sie ebenfalls
für Person und Kasus markiert ist. Anders formuliert heißt das: man sieht es Stämmen nur
anhand ihrer Merkmale nicht an, ob sie flektiert sind oder nicht. Die Situation ist demnach
ähnlich zu der, in der ich für die Annahme eines Merkmals COMPLETE argumentiere (s. Abschnitt
5.4.1), um eine Unterscheidung zwischen Stammformen vornehmen zu können, die
sonst nicht zu unterscheiden wären. Eine Lösungsmöglichkeit bestünde folglich darin, ein
Merkmal INFLECTED anzunehmen, auf das das Kompositionsschema Bezug nähme. Es gibt
allerdings die hier weiter verfolgte Alternative, die ein zusätzliches Merkmal vermeidet,
allerdings um den Preis einer zusätzlichen Regel, der „Flexionsanhebungsregel“:
(Regel V, Anhebung zur Flexion)
cat(pre_syntactic_atom ∧ PSA, L0,L1) ←
PSA ∧
true(cat(simple_or_complex_stem ∧ SYN:ARGSTR: Subcat ∧ SEM: Sem, L0,L1) ∧
Stem) ∧
unified_head_features([Stem]) ∧
SYN:ARGSTR: Subcat ∧
SEM: Sem ∧
GRAPH: diff(L0,L1) ∧
STRUCTURE: [Stem]
Einfache bzw. zusammengesetzte Stämme können aufgrund von Regel V gewissermaßen
spontan zu morphologischen Objekten der Kategorie pre_syntactic_atom werden und erben
dabei die Werte des Stammes für SEM, SYN:HEAD und SYN:ARGSTR.
Der Typ pre_syntactic_atom ist nun, und das ist entscheidend, trotz der weitgehenden formalen
Übereinstimmung mit simple_or_complex_stem kein Subtyp von diesem, sondern
befindet sich an anderer Stelle in der Hierarchie von Abb. 5.1; er wird daher nicht mehr von
Regel IV erfaßt. Sobald für eine Stammform der durch Regel V vermittelte Übergang vorgenommen
wurde, kann sie somit nicht mehr in das Kompositionsschema Eingang finden.
Ableitungen, die Regel V innerhalb eines Kompositums verwenden, scheitern demzufolge,
was auch das folgende Beispiel demonstriert.
142

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Beispiel 5.1 Ableitungen für „Professorenclub“:
Inkorrekte Ableitung:
pre_syntactic_atom
syntactic_atom
simple_stem linking_morph simple_stem
Professor
en
?
club
Korrekte Ableitung:
syntactic_atom
pre_syntactic_atom
simple_stem linking_morph simple_stem
Professor
complex_stem
Die Kategorie pre_syntactic_atom ist dann ausschließlich Gegenstand der Flexionsregeln VI
und VII.
5.3.2 Semantik
Für die Behandlung der Wortsemantik wurde als (sehr) grober Rahmen der Ansatz von Pustejovsky
(1995) gewählt, der bereits in Kapitel 3.4 ausführlicher dargestellt wurde.
Nach dem Versuch einer Klassifikation der verschiedenen Kompositionsformen wird das
Verhalten der Elemente jeder Klasse exemplarisch an jeweils einem Beispiel untersucht.
Eine mögliche Klassifikation (sie folgt in den Grundzügen Boase-Beier et al. (1984), fügt jedoch
die m.E. notwendige Klasse der konzeptuell interpretierten Komposita hinzu) könnte
folgendermaßen aussehen:
1. Relationale Komposita: Komposita, die eine Relation im Erst- oder Zweitglied enthalten,
wobei das jeweils andere Glied eine Argumentstelle dieser Relation füllt.
2. Stereotyp-Komposita: Komposita, bei denen das Erst- oder Zweitglied eine über das Weltwissen
zugängliche Relation bereitstellt, die als Stereotyp bezeichnet wird und eng mit
dem korrespondiert, was bei Pustejovsky (1995) als telische Rolle und bei Meyer (1993) als
Zweck-Operator χ bezeichnet wird.
3. Komposita mit konzeptueller Relation: Als konzeptuelle Relationen werden solche bezeichnet,
die nicht direkt aus den an der Komposition beteiligten Kategorien erschlossen werden,
sondern vielmehr aus Eigenschaften des konzeptuellen Typs oder Supertyps des betreffenden
Wortbestandteils.
4. Kontextabhängige Komposita: Hiermit sind Komposita gemeint, deren Interpretation ohne
Informationen aus dem Kontext, in dem das Komposition steht, nicht möglich ist.
Intuitiv betrachtet nimmt die Kompositionalität von 1 bis 4 ab, dies hängt natürlich von einer
genaueren Definition des Begriffs ab. Komposita des vierten Typs sind sicherlich nichtkompositionell
zu nennen, da sie ohne Kontext nicht zu deuten sind. Dieser Typ wird an
dieser Stelle deswegen auch nicht weiterverfolgt.
Die Aufzählung dieser vier Arten läßt sich auch als Hierarchie ansehen, bei der – von oben
nach unten betrachtet – lexikalisch-grammatische Faktoren bei der Interpretation immer
weniger ins Gewicht fallen.
Die hier betrachteten Klassen 1 bis 3 lassen sich vor dem Hintergrund des gewählten formalen
Rahmens noch weiter unterteilen, so daß sich folgende Feingliederung ergibt:
143
en
club

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Relationale Komposita: • Rektionskomposita mit deverbalem Zweitglied
• Komposita mit einem relationalem Nomen als Zweitglied
• V-N-Komposita
Stereotyp-Komposita: • N-N-Komposita, bei denen ein Konzepttyp des Erstglieds
eine Argumentstelle in der stereotypen Rolle des Zweit-
Komposita mit
konzeptueller Relation:
Tabelle 5.1: Klassifikation der Kompositionstypen
glieds besetzt (oder umgekehrt)
• N-N-Komposita, bei denen die Teilbedeutungen durch
eine Relation in Beziehung gesetzt werden, die sich aus
der Konzepthierarchie ergibt.
Genaugenommen sind Stereotyp-Komposita natürlich ein Spezialfall der konzeptuell interpretierten.
Sie werden dennoch als eigene Klasse geführt, weil ihre stereotype Relation „salienter“
ist als die Relationen der „Konzeptkomposita“.
Entsprechend dieser Einteilung ist die Funktion semantics_construction/2 in Regel IV folgendermaßen
definiert:
(20) semantics_construction(Stem1, Stem2) ←
argument_saturation(Stem1, Stem2)
semantics_construction(Stem2, Stem1) ←
stereotypical_relation(Stem1, Stem2)
semantics_construction(Stem1,Stem2) ←
conceptual_relation(Stem1, Stem2)
Die nächsten drei Teilabschnitte werden alle genannten Interpretationsmöglichkeiten genauer
untersuchen.
5.3.2.1 Interpretation von relationalen Komposita
Relationale Komposita im weiteren Sinne sind, wie oben schon gesagt, solche, die einen relationalen
Bestandteil (Verb, Nomen, Präposition) im Erst- oder Zweitglied enthalten. Im
engeren Sinne werden damit nur Interpretationen bezeichnet, bei denen ein Bestandteil auch
tatsächlich eine Argumentstelle der Relation füllt. Relationale Komposita (im weiteren Sinn)
haben fast immer auch nichtrelationale Lesarten, bei denen Relationsstellen beispielsweise
existentiell gebunden werden, vgl. z.B. (21) 11
(21) a) Wiesenverkauf (= Verkauf von Wiesen ⇒ relationale Lesart)
b) Wiesenverkauf (= Verkauf von etwas auf der Wiese ⇒ nichtrelationale Lesart)
Die Lesart (21b) käme nach der Gliederung in Tabelle 5.1 mit Hilfe einer konzeptuellen Relation
zustande: Verkauf kann ein Ereignis bezeichnen, Ereignisse finden an Orten statt, eine
Wiese ist ein Ort; die konzeptuelle Relation wäre demnach etwa: findet_statt(Ereignis, Ort).
Der relationale Teil muß nicht unbedingt das Zweitglied sein, wie die Beispiele Schwimmente
und Sprechvogel zeigen. Die gebundene Argumentstelle muß auch nicht immer ein Objekt des
deverbalen Zweitglieds sein, wie Kindergeschrei zeigt.
Die Interpretation wird durch zwei Klauseln der Funktion
argument_saturation(SemanticArgument, SemanticFunctor)
geleistet: (22) betrifft relationale Nomen als Zweitglieder, während sich (23) auf Verben an
zweiter Position bezieht.
11 Einige Beispiele stammen aus Boase-Beier et al. (1984).
144

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
(22) argument_saturation( SYN:HEAD: noun ∧ SEM:REFARG: TypeOfArgument,
SYN:HEAD: noun ∧
SYN:ARGSTR: (noun_argstr ∧ RELARG:SEM:REFARG: TypeOfHead ∧
DEFARGS: Defargs) ∧
SEM:(REFARG: Ref ∧ CONTENT: Cont) ←
selectional_restrictions_fullfilled(TypeOfHead, TypeOfArgument) ∧
SEM:REFARG: Ref ∧
SYN:ARGSTR:(RELARG:[] ∧ DEFARGS: Defargs ∧ ARGSTR_ORDER:[]) ∧
SEM:CONTENT: Cont
(23) argument_saturation( SYN:HEAD: noun ∧ SEM:REFARG: TypeOfArgument,
SYN:HEAD: verb ∧
SYN:ARGSTR: (verbal_argstr ∧ SUBJ: Subj ∧
DIR_OBJ:SEM:REFARG: SelRestrOfHead ∧
INDIR_OBJ:[] ∧ PREP_OBJ:[] ∧ SENT_COMPL:[] ∧
DEFARGS: Defargs) ∧
SEM:CONTENT: Cont) ←
selectional_restrictions_fullfilled(SelRestrOfHead, TypeOfArgument) ∧
SYN:ARGSTR:(SUBJ: Subj ∧ DIR_OBJ:[] ∧ INDIR_OBJ:[] ∧ PREP_OBJ:[] ∧ SENT_COMPL:[] ∧
DEFARGS:[] ∧ ARGSTR_ORDER:[]) ∧
SEM:CONTENT:(OPERATOR: op_possibility ∧ SCOPE: Cont)
In (22) wie (23) wird geprüft, ob der Typ des referentiellen Arguments des semantischen
Arguments mit dem Typ in der offenen Argumentstelle des semantischen Funktors kompatibel
ist 12 . Dies leistet die Funktion selectional_restrictions_fullfilled/2, die durch zwei Klauseln
gegeben ist:
(24)
a) selectional_restrictions_fullfilled(Type, simple_type ∧ Type) ← >
b) selectional_restrictions_fullfilled(Type, dotted_type ∧ TYPES:TypeList) ←
member(Type,TypeList)
Die Klauseln in (24) unterscheiden, ob der semantische Typ des Arguments ein simple_type
oder ein dotted_type nach der Typenhierarchie aus Abb. 5.3 ist. Durch den Typ simple_type
bleibt das Erstglied hinsichtlich der doppelten Dichotomie Individuum – Gruppe und zählbar –
nicht zählbar unterspezifiziert, wie bereits in Fanselow (1984) vorgeschlagen wurde. Zur Demonstration
zeigt Abb. 5.13 die dem Wort Messerfan zugeordnete Merkmalsstruktur: ein
Messerfan kann ein Fan eines einzelnen Messers (vielleicht des speziellen Messers, welches
Rambo bei sich trägt) oder einer Menge von Messern sein. Aufgrund der Numerus-Unmarkiertheit
des Erstglieds 13 besteht m.E. auch kein Unterschied in der Interpretation von Buchfan
und Bücherfan. Allerdings gibt es Numerus-Festlegungen für das Erstglied, die sich aufgrund
des Weltwissens ergeben, wie z.B. bei Dorfbürgermeister.
Abb. 5.14 auf Seite 147 zeigt am Beispiel des Wortes Messerprüfer die Anwendung von (23).
Aufgrund der derivationellen Eigenschaften von -er ist dem referentiellen Argument des
Zweitglieds Prüfer ein dotted type zugeordnet, der die Alternation zwischen Personenbezeichnung
und Instrument ausdrückt. In der Ereignisstruktur des Kompositums füllt das
12 Die Bezeichnungen semantisches Argument und semantischer Funktor beziehen sich auf die Parameter
der Funktion argument_saturation/2.
13 Für Numerus spezifizierte Erstglieder sind durch die „Flexionsanhebungsregel“ V ausgeschlossen.
145

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Erstglied Messer die thematische Rolle Thema. Warum die Ereignisstruktur im Skopus des
Möglichkeitsoperators steht, wird weiter unten erläutert.
GRAPH: messer , fan , $
SYN:
SEM:
HEAD:
ARGSTR:
syn
CAT: n
NUM: sg
CASE: acc ∨ dat∨ nom
GENDER: masc
noun
REFARG: 1
CONTENT:
RELARG:
DEFARGS:
ARGSTR_ORDER:
noun_argstr
TYPE: human
individual
nominal_semantics
syntactic_atom
EVENTSTR: STATE:
lexical_content
RELCONST: fan_of
RELARGS:
state
state_eventstr
1
TYPE: knife
countable
Abb. 5.13: Analyse von „Messerfan“
Anders liegt der Fall bei einem semantischen Argument mit einem dotted type (24b). Hier
wird geprüft, ob unter den den dotted type konstituierenden einfachen Typen ein Element ist,
welches mit der Selektionsbeschränkung der zu schließenden Relationenposition kompatibel
ist. Dies ist erforderlich, da sich die Typenbeschränkung nicht auf den gesamten zusammengesetzten
Typ des semantischen Arguments beziehen muß. Betrachten wir zwei Beispiele:
Buch und Museum haben als referentielle Argumente jeweils zusammengesetzte Typen
(dotted types): bei Buch gibt es eine Alternation zwischen physikalischem Objekt und den
Informationen des Buchinhalts, bei Museum u.a. die Lesarten „Gebäude“ und „Institution“.
Während Buchfan als „Fan von bestimmten Gegenständen“ und „Fan von Buchinhalten“
interpretiert werden kann, erlaubt Museumsrenovierung nur die Deutung, daß hierbei ein
Gebäude renoviert wurde; die andere Möglichkeit ist aufgrund der Selektionsbeschränkungen,
die renovieren seinem direkten Objekt auferlegt, ausgeschlossen. Genau dieser Sachverhalt
wird durch (24b) ausgedrückt.
Bei allen Komposita, die aufgrund der in Tabelle 5.1 aufgeführten Interpretationsvarianten
zustande kommen, handelt es sich um Determinativkomposita. In den Interpretationsfunktionen
(22) und (23) – wie auch bei den anderen, die in diesem Abschnitt noch vorgestellt
werden – wird dies durch Vererbung des referentiellen Arguments vom Zweitglied auf die
Mutterkategorie erzielt; Abb. 5.13 verdeutlicht auch dies 14 .
14 Als Platzgründen ist das STRUCTURE-Merkmal in allen hier abgebildeten Merkmalsstrukturen unter-
drückt.
146

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
(22) und (23) führen übrigens zusammen mit der Derivations- und Kompositionsregel eine
strukturelle Ambiguität bei deverbalen relationalen Komposita ein. Präterminalfolgen der
Form N + V + Suffix werden als [[N + V] + Suffix] oder als [N + [V + Suffix]] strukturiert.
Interessanterweise sind – abgesehen von den strukturellen Unterschieden – die Merkmalsstrukturen
der Wurzelkategorien gleich; ich habe es vorgezogen, mich nicht für eine der
Strukturen zu entscheiden.
GRAPH: messer , prüf , er , $
SYN:
SEM:
HEAD: NUM: sg
noun
syn
REFARG: TYPES:
CONTENT:
1
2
dotted_type
nominal_semantics
syntactic_atom
TYPE: human
individual
TYPE: tool
individual
OPERATOR: op_possibility
SCOPE: EVENTSTR:
lexical_content
one_place_operator_struct
EVENT:
STATE:
EVENT_TYPE: check
ROLES:
3
4
5
ROLE: agent
SEL_RESTR: 1
role
ROLE: theme
SEL_RESTR:
role
ROLE: instrument
SEL_RESTR: 2
role
ACCESSIBLE_ROLES: 3 , 4 , 5
event
RELCONST: checked
RELARGS: 4
state
accomplishment
Abb. 5.14: Analyse von „Messerprüfer“
TYPE: knife
countable
Wie sind nun V-N-Komposita wie Hackmesser, Horchgerät, Frankiermaschine 15 zu interpretieren?
Ich habe sie unter die relationalen Komposita subsumiert, da auch ihre Deutung etwas
mit der Argumentstruktur – genauer gesagt: der Ereignisstruktur – eines Lexems zu tun hat.
Die Differenz zu den zuvor genannten relationalen Komposita besteht jedoch darin, daß
diese Argumentstruktur vom Erstglied des zusammengesetzten Wortes stammt und der Typ
des semantischen Funktors des Zweitglieds meist ein Werkzeug oder Instrument charakterisiert,
zumindest dann, wenn dieser Typ sich auf ein Artefakt bezieht. M.a.W.: der Unterschied
zu den anderen Typen der relationalen Interpretation besteht darin, daß das referenti-
15 Die Beispiele stammen aus der CELEX-Datenbank, die immerhin über 1200 einfache V-N-Komposita
verzeichnet, die allerdings nicht immer richtig klassifiziert wurden.
147

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
elle Argument des Gesamtworts vom Zweitglied stammt, der semantische Funktor jedoch
vom Erstglied.
Wie kann die Bedeutung von V-N-Komposita umschrieben werden? Eine Paraphrase ist
meiner Ansicht nach die NP „ein N, mit dem es möglich ist, zu V-en“. Eine Frankiermaschine
wäre demnach eine Maschine, mit der es möglich ist, etwas zu frankieren. Wenn diese Analyse
korrekt ist, dann sieht der dritte Fall von argument_saturation/2 folgendermaßen aus:
(25) argument_saturation( SYN:HEAD: verb ∧ SEM:CONTENT: (Content ∧ EVENTSTR: Eventstr),
SYN:HEAD: noun ∧ SYN:ARGSTR: (noun_argstr ∧ RELARG:[]) ∧
SEM:REFARG: Ref) ←
true(role(Eventstr) ∧ Ref) ∧
SEM:REFARG:Ref ∧
SYN:ARGSTR: (RELARG:[] ∧ DEFARGS:[] ∧ ARGSTR_ORDER:[]) ∧
SEM:CONTENT: (OPERATOR: op_possibility ∧ SCOPE: Content)
Die Funktion überprüft mit Hilfe der Sorte role/1, die nichtdeterministisch eine Rolle aus der
Ereignisstruktur des Verbs zurückgibt, ob deren Selektionsbeschränkungen mit denen des
referentiellen Arguments des Zweitglieds kompatibel sind. Es sind hierbei prinzipiell alle
Rollen zulässig, wie die Beispiele Animiermädchen (Agens) und Ausziehtisch (Thema) zeigen.
Bei den V-N-Komposita, die in der CELEX-Datenbank verzeichnet sind, ist allerdings die
Instrument-Rolle die am häufigsten verwendete. Abb. 5.15 zeigt die Analyse von „Hackmesser“:
GRAPH: hack , messer , $
SYN:
SEM:
HEAD: noun
syn
REFARG: 1
CONTENT:
TYPE: knife
individual
OPERATOR: op_possibility
SCOPE:
nominal_semantics
syntactic_atom
EVENTSTR: EVENT:
lexical_content
one_place_operator_struct
EVENT_TYPE: hack
ROLES:
event
activity_eventstr
ROLE: agent
SEL_RESTR:
role
ROLE: theme
SEL_RESTR:
role
ROLE: instrument
SEL_RESTR: 1
role
TYPE: human
countable
Abb. 5.15: Analyse von „Hackmesser“
TYPE: physical_entity
simple_type
Diese Form der semantischen Analyse ist demnach analog zur Derivation mit -bar und -er .
Im nächsten Abschnitt werde ich dafür argumentieren, daß es neben diesen „konstruktiven“
Verwendungen des Möglichkeitsoperators auch einen „lexikalischen Möglichkeitsoperator“
gibt.
148

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
5.3.2.2 Interpretation von Stereotyp-Komposita
Es ist meiner Ansicht nach schwerlich zu bestreiten, daß manche Lexeme wie Fabrik eine
Interpretation mit einer stereotypen Relation geradezu aufdrängen. Die CELEX-Datenbank
verzeichnet im Falle von Fabrik sechs zusammengesetzte Bildungen – Munitionsfabrik, Papierfabrik,
Schokoladenfabrik, Strumpffabrik, Textilfabrik, Tuchfabrik – und alle haben eine deutlich
bevorzugte Lesart, bei der Erst- und Zweitglied über eine Relation produzieren miteinander
in Verbindung gesetzt werden. In welcher Weise ist diese Relation, die bei Meyer (1993)
Purpose-Operator und bei Pustejovsky (1995) telische Rolle heißt, in einem Lexem repräsentiert?
Es wäre nun relativ einfach, hierfür ein Merkmal PURPOSE anzunehmen und es an geeigneter
Stelle unter SEM zu plazieren. Allerdings scheint die Angelegenheit einen weiteren
Gedanken wert zu sein. Stereotype Relation bedeutet meiner Ansicht nach so etwas wie eine
lexikalisch verankerte Möglichkeit. In Hinblick auf das Beispiel Fabrik heißt das, daß es möglich
ist, daß eine Fabrik etwas produziert. Sie muß dies nicht tun, auch eine stillgelegte Fabrik ist
vermutlich nach common sense Verständnis immer noch eine Fabrik. Ich repräsentiere daher
die stereotype Relation als eine lexikalisch verankerte Ereignisrelation, die im Skopus des
Möglichkeitsoperators steht. Abb. 5.16 zeigt die SEM:CONTENT-Teilstruktur von Fabrik.
OPERATOR: op_possibility
SCOPE:
EVENTSTR: EVENT:
lexical_content
one_place_operator_struct
EVENT_TYPE: produce
ROLES:
3
4
ROLE: worker
SEL_RESTR:
role
ROLE: produced
SEL_RESTR:
role
ACCESSIBLE_ROLES: 3 , 4
event
activity_eventstr
TYPE: human
countable
TYPE: physical_entity
simple_type
Abb. 5.16 : SEM:CONTENT-Substruktur von „Fabrik“
Das Merkmal ACCESSIBLE_ROLES hält die noch ungebundenen thematischen Rollen in der
Ereignisstruktur in Form einer Liste fest. Dieser Mechanismus entspricht in etwa einer
λ-Abstraktion über die Rollen der Ereignisrelation und hält daher fest, welche Rollen noch
gebunden werden können. Notwendig ist dies, um Komposita wie *Messermesserfabrik
auszuschließen, bei denen eine Rolle mehrfach gebunden wurde.
Eine weitere Überlegung rechtfertigt diese Analyse von stereotyper Relation zumindest in
Rahmen des hier gewählten Typsystems. Meyer und Pustejovsky folgend gehe ich davon
aus, daß nur Artefakte über eine solche stereotype Relation verfügen. Man kann sich nun
fragen, ob es Wortbildungsmechanismen gibt, die Einfluß auf die Struktur unter
SEM:CONTENT haben und die möglicherweise mit der Verwendung dieser Substruktur als
Träger der stereotypen Relation in Konflikt geraten können. Determinativkomposition kann
nicht diesen Effekt haben, da der Wert von SEM:CONTENT entweder vom Erstglied oder vom
Zweitglied an das Kompositum übergeht. Derivation mit nominalisierenden Suffixen schafft
im allgemeinen Nomen, die Ereignisse oder Personenbezeichnungen und nicht Artefakte
bezeichnen. Wenn dies doch geschieht, z.B. bei der er-Ableitung von prüfen mit der Instrument-Lesart,
dann übernimmt das Derivat die Ereignisstruktur des Verbs, die sich ebenfalls
149

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
im Skopus des Möglichkeitsoperators befindet. M.a.W.: die Interpretation von deverbalen
relationalen Komposita und Stereotyp-Komposita erfolgt in sehr ähnlicher Weise. Nachfolgend
ist die Interpretationsregel für Stereotyp-Komposita unter diesen Annahmen wiedergegeben:
(26) stereotypical_relation( SYN:HEAD:noun ∧ SEM:REFARG: RefargOfArg,
SYN:HEAD:noun ∧ SEM:REFARG: Ref ∧
SEM:CONTENT:( OPERATOR: OP ∧ SCOPE:EVENTSTR:EVENT: (
EVENT_TYPE: EventType ∧ ROLES: Roles ∧
ACCESSIBLE_ROLES: AccessibleRoles )) ∧
SYN:ARGSTR: Argstr ∧ SEM:CONTENT: Cont) ←
delete(SEL_RESTR: SelectionRestrictionsOfRole, AccessibleRoles, RestRoles) ∧
selectional_restrictions_fullfilled(SelectionRestrictionsOfRole, RefargOfArg) ∧
SYN:ARGSTR: Argstr ∧ SEM:REFARG: Ref ∧
SEM:CONTENT:( OPERATOR: OP ∧ SCOPE:EVENTSTR:EVENT: (
EVENT_TYPE: EventType ∧
ROLES: Roles ∧
ACCESSIBLE_ROLES: RestRoles) )
Der zweite Parameter von stereotypical_relation/2 ist dem Teil des Kompositums zugeordnet,
aus dem die Relation erschlossen wird. Deren noch zugängliche Rollen werden bestimmt
und dann geprüft, ob eine dieser Rollen mit den Selektionsbeschränkungen, die für das referentielle
Argument des semantischen Arguments gelten, kompatibel ist; dies erfolgt durch
die in (24) wiedergegebene Funktion selectional_restrictions_fullfilled/2. delete/3 ist wie member/2
definiert, nur daß, nachdem eine passende Rolle gefunden wurde, alle übrigen Rollen
im letzten Argument (RestRoles) zurückgegeben werden. Diese verbleibenden Rollen werden
dann die neuen zugänglichen Rollen des N-N-Kompositums unter ACCESSIBLE_ROLES.
Alle übrigen semantischen Eigenschaften des Zweitglieds werden durch (26) an das Kompositum
vererbt. Die nächste Abbildung zeigt die Analyse von Messerfabrik:
SEM:
REFARG: TYPES:
dotted_type
1
TYPE: factory
individual
TYPE: 2 human
TYPE: 2
GROUP_OF:
individual
group
OPERATOR: op_possibility
ROLES:
EVENT:
EVENTSTR:
CONTENT: SCOPE:
nominal_semantics
syntactic_atom
lexical_content
one_place_operator_struct
EVENT_TYPE: produce
3
ROLE: worker
SEL_RESTR: 1
role
ROLE: produced
SEL_RESTR:
role
ACCESSIBLE_ROLES: 3
event
activity_eventstr
TYPE: knife
countable
Abb. 5.17: SEM-Wert von „Messerfabrik“
150

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
In Abb. 5.17 sieht man, wie die produced-Rolle durch das referentielle Argument von Messer
gefüllt worden ist. Das Numerus-Merkmal bleibt in der üblichen Weise unterspezifiziert. Die
Substruktur unter TYPE: knife ist noch umfangreicher, wie der nächste Abschnitt zeigt.
5.3.2.3 Interpretation von Komposita mit konzeptueller Relation
Die hier vorgeschlagene Klasse der konzeptuell interpretierten Komposita deckt sich nicht
mit der in Boase-Beier et al. (1984) so genannten Klasse der »Komposita mit Grundrelation«.
Als Grundrelationen werden dort Relationen wie LOC(AL), AUS, UND und ÄHN(LICH)
bezeichnet. Meiner Ansicht nach muß man hier differenzieren: Relationen wie LOC und
AUS hängen mit den durch Lexeme ausgedrückten Konzepten und deren Superkonzepten
zusammen, während UND und ÄHN sich möglicherweise aus dem Interpretationsapparat
selbst ergeben, weil schwer vorstellbar ist, daß unser Weltwissen Informationen darüber
enthält, welche Dinge welchen anderen Dingen ähneln; hier scheinen vielmehr Inferenzprozesse
vorzuliegen.
Die konzeptuell gesteuerte Interpretation von Wiesenverkauf in seiner nicht relationalen Lesart
»Verkauf von etwas auf einer Wiese« ergibt sich meiner Ansicht nach aus folgendem
Mechanismus:
• Verkauf als Ereignisnominalisierung weist event als Konzepttyp auf;
• Mit dem Typ event ist eine Relation takes_place_at(place) verknüpft ;
• Der Konzepttyp von Wiese erfüllt die Beschränkungen für das Argument dieser Relation.
Wie kann man derartige Interpretationsmechanismen im gewählten formalen Rahmen
nachbilden? Da hier konzeptuelles Wissen im Spiel ist, muß man eine Möglichkeit finden,
dieses Wissen auch zu repräsentieren. Als natürlicher Ort hierfür bietet sich die schon benutzte
Konzepthierarchie an, die die durch die Lexeme ausgedrückten Begriffe in grober
Weise vorstrukturiert. Durch Einführung weiterer Merkmale können feinkörnigere Differenzierungen
erzielt werden, wie (27) zeigt:
(27) physical_entity ::
PHYSICAL_STATE: physical_state ∧
CONSISTS_OF: list ∧
HAS_PARTS: list
temporal ::
TAKES_PLACE_AT: place
Eine Instanz von physical_entity hat demnach Attribute für den Aggregatzustand, für das
Material und die Teile, aus denen es besteht; eine Instanz des Typs temporal, der Supertyp
von event und activity ist, weist ein Merkmal für den Ort auf, an dem der zeitliche Ablauf
stattfindet.
Allerdings sind aussagenlogische Typsysteme nicht stark genug, um die Art von Wissensrepräsentation
zu ermöglichen, die benötigt wird. Diese Typsysteme dürfen keine Variablen
enthalten und auch keine Sorten, die aber gerade benötigt würden, um Relationen zu repräsentieren.
Die Lösung für dieses Problem sind sog. rekursive Typenconstraints (vgl. Carpenter
(1992)), bei denen ein Typ mit einem beliebigen Merkmalsterm versehen werden kann:
(28) Const: AtomType � Desc
Const ist demnach eine Funktion, die einem atomaren Typ σ einen Merkmalsterm φ der Beschreibungslogik
zuordnet. Die intendierte Bedeutung davon ist, daß jede Instanz von σ mit
φ unifizierbar sein muß. Die nächste Abbildung zeigt Const(knife):
151

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
(29) knife ∧
PHYSICAL_STATE: solid ∧
CONSISTS_OF: [uncountable ∧ TYPE: metal] ∧
HAS_PARTS: [individual ∧ TYPE: blade]
In (29) wird ausgesagt, daß ein Messer von festem Aggregatzustand ist, aus Metall besteht
und eine Klinge als Teil besitzt. In der Terminologie der Wissensrepräsentation sind dies
Default-Eigenschaften (vgl. Reimer (1991)).
Die Interpretation konzeptueller Komposita würde dann auf diese Eigenschaften zurückgreifen.
Das Wort Stahlmesser könnte entweder mit dem CONSISTS_OF-Merkmal von knife
oder mit dem gleichen Merkmal von Const(blade) interpretiert werden, d.h. als ein »Messer
aus Stahl« oder als ein »Messer mit einer Klinge aus Stahl« 16 .
Allerdings muß unter diesen Voraussetzungen die Interpretationsregel Informationen darüber
haben, welche Merkmale mit einem Typ verknüpft sind, denn die Merkmale der verschiedenen
Typen können natürlich unterschiedlich sein. Die Merkmale von Instanzen von
temporal aus (27) und physical_entity sind beispielsweise disjunkt.
Abhilfe schafft hier ein weiteres Merkmal SUBCONCEPTS, das beim obersten Typ der Konzepthierarchie
(entity) eingeführt wird und für jeden Typ festhält, welche Merkmale für eine
konzeptuelle Interpretation zur Verfügung stehen. (29) sieht dann wie folgt aus:
(30) knife ∧
PHYSICAL_STATE: solid ∧
CONSISTS_OF: [uncountable ∧ TYPE: metal ∧ Metal] ∧
HAS_PARTS: [individual ∧ TYPE: blade ∧ Blade] ∧
SUBCONCEPTS: [Metal, Blade]
Der nächste Ausschnitt zeigt noch das Typenconstraint von temporal:
(31) temporal ∧
TAKES_PLACE_AT: [individual ∧ TYPE: place ∧ Place] ∧
SUBCONCEPTS: [Place]
Da Typenconstraints in dieser Art und Weise in der Beschreibungslogik nicht integriert sind,
werden sie mittels einer Sorte concept/1 realisiert.
Unter Voraussetzung dieser Festlegungen ist die Interpretationsregel für „Konzeptkomposita“
nun relativ einfach, da sie lediglich auf das für alle Konzepttypen einheitliche
SUBCONCEPTS-Attribut zurückgreifen muß:
(32) conceptual_relation( SYN:HEAD: noun ∧ SEM:REFARG: RefArgOfArg,
SYN:HEAD: noun ∧ SEM:REFARG: RefArgOfFunctor ∧
SYN:ARGSTR: Argstr ∧ SEM:CONTENT: Cont) ←
SEM:REFARG: type_relation(type_concept(RefArgOfArg),
type_concept(RefArgOfFunctor)) ∧
SYN:ARGSTR: Argstr ∧
SEM:CONTENT: Cont
Die Funktion type_relation/2 in (32) konstruiert das referentielle Argument des N-N-Kompositums,
indem sie versucht, den Konzepttyp des Erstglieds mit einer Argumentstelle einer
16 Typen, die in Constraints verwendet werden (wie hier blade) können auch wiederum Typen-
constraints zugeordnet sein.
152

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
konzeptuellen Relation des Zweitglieds in Übereinstimmung zu bringen. Da sowohl Erstglied
als auch Zweitglied einfache oder zusammengesetzte Typen haben können, müssen
vier Fälle unterschieden werden, die durch die nichtdeterministische Sorte type_concept/1
abgedeckt werden. type_concept/1 extrahiert aus zusammengesetzten Typen die Teiltypen
und ist in (33) wiedergegeben:
(33) type_concept(simple_type ∧ Simple_type ∧ TYPE: Type) ←
Simple_type ∧
TYPE: concept(Type)
type_concept(dotted_type ∧ TYPES: TypeList) ←
member(Simple_type ∧ TYPE: Type, TypeList) ∧
Simple_type ∧ TYPE: concept(Type)
Type_concept/1 greift auf die Typenconstraints zurück, die in Form von concept/1 vorliegen
und wie (30) oder (31) aussehen. Die Funktion type_relation/2 vereinfacht sich damit zu (34):
(34) type_relation( simple_type ∧ ArgType,
Simple_Type ∧ TYPE:SUBCONCEPTS: ConceptList) ←
member(ArgType, ConceptList) ∧
Simple_Type
Die Sorte type_relation/2 versucht demnach den Konzepttyp des Arguments in der
SUBCONCEPTS-Liste des semantischen Funktors zu finden und instantiiert die entsprechende
Argumentposition dabei mit diesem Konzepttyp.
Ein Nebeneffekt des Typenconstraint-Mechanismus ist, daß sich mit ihm auf einfache Weise
die beispielsweise von Meyer (1993) vorgeschlagene Relationensuche in Superkonzepten
nachbilden läßt. Da ein Typ wie knife auch mit allen seinen Supertypen wie entity, physical_entity,
tool etc. kompatibel ist 17 , können auch deren (allgemeinere) Typenconstraints zur
Interpretation herangezogen werden. Man muß dazu nur dafür sorgen, daß spezifischere
Typen vor weniger spezifischen Typen ausgewertet werden, was sich allerdings nur unter
Kenntnis der Beweisstrategie und dementsprechender Anordnung der Klauseln von concept/1
erzielen läßt.
Die nächsten beiden Abbildungen demonstrieren die beschriebenen Techniken. Abb. 5.18
zeigt die Merkmalsstruktur von Stahlmesser in der Deutung »Messer aus Stahl«, während
Abb. 5.19 die Analyse von Fabrikverkauf in der nicht-relationalen Lesart (z.B. »Fabrikverkauf
von Gummibärchen«) wiedergibt. Letztere Analyse kommt dadurch zustande, daß Verkauf
eine affixlose Ereignisnominalisierung ist und mit seinem (zusammengesetzten) referentiellen
Argument auf ein Ereignis (vom Typ event) bzw. einen Zustand referiert. Event ist nun
ein Subtyp von temporal, mit dem das in (31) wiedergegebene Constraint verbunden ist.
Dessen Merkmal TAKES_PLACE_AT wird schließlich zur Interpretation benutzt, da factory ein
Subtyp von place ist. Eine Vorkehrung zur Vermeidung doppelter „Belegungen“ von Relationsargumenten
wie in *Stahlstahlmesser“ ist übrigens aus Darstellungsgründen in diesem
Mechanismus nicht realisiert. Etwas derartiges ist jedoch nötig, da es sich hierbei um keine
pragmatische Einschränkung der Art handelt, daß hier ein Sachverhalt doppelt ausgedrückt
würde; dies kann an der Nicht-Akzeptabilität von *Stahlmetallmesser und *Stahlsteinmesser
abgelesen werden. Jede Argumentstelle einer konzeptuellen Relation kann anscheinend nur
durch ein Argument gebunden werden.
17 vgl. den Ausschnitt der Typenhierarchie in (8).
153

5.3.3 Fazit
Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
GRAPH: stahl , messer , $
SYN:
SEM:
NUM: sg
HEAD:
noun
ARGSTR: RELARG:
noun_argstr
syn
REFARG: 1 TYPE:
CONTENT:
individual
PHYSICAL_STATE: hard
CONSISTS_OF:
HAS_PARTS:
knife
OPERATOR: op_possibility
SCOPE:
nominal_semantics
syntactic_atom
EVENTSTR: EVENT:
lexical_content
one_place_operator_struct
TYPE:
PHYSICAL_STATE: hard
steel
uncountable
TYPE: blade
individual
EVENT_TYPE: cut
ROLES:
2
3
4
ROLE: agent
SEL_RESTR:
role
ROLE: patient
SEL_RESTR:
role
ROLE: instrument
SEL_RESTR: 1
role
ACCESSIBLE_ROLES: 2 , 3 , 4
activity
activity_eventstr
TYPE: human
countable
TYPE: PHYSICAL_STATE: soft
physical_entity
simple_type
Abb. 5.18: Analyse von „Stahlmesser“
Die bei der Komposition wirksamen Interpretationsmechanismen ähneln denen im Ansatz
von Fanselow (vgl. 3.3.2), stehen aber auch im Gegensatz zu diesem. Die Deutung ist nicht
vollkommen frei, sondern bezieht frühzeitig die Kategorien der beteiligten Stämme mit ein,
da diese gewisse Interpretationen zumindest nahelegen. So wird versucht, N-N-Komposita
mit deverbalem Kopf und V-N-Komposita durch Argumentbindung zu interpretieren, während
bei N-N-Komposita mit nominalen Kopf stereotype und konzeptuelle Relationen herangezogen
werden. Eine Gemeinsamkeit mit Fanselows Ansatz ist jedoch, daß sich die Interpretationsalternativen
überlappen, also durchaus mehrere Deutungen für ein Kompositum
erzeugt werden können. Die Frage ist, wie die unterschiedliche Plausibilität der einzelnen
Interpretationen in deduktiv ausgerichteten Formalismen ausgedrückt werden kann.
Dies ist nun nicht ohne weiteres möglich, da die einzelnen Lösungen eines Parsingproblems
voneinander unabhängig sind. Man kann lediglich Einfluß auf die Reihenfolge nehmen, in
der die Lösungen gefunden werden.
154

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
GRAPH: fabrik , verkauf , $ , $
NUM: sg
HEAD:
noun
SYN:
ARGSTR: RELARG:
SEM:
SEM:
syn
noun_argstr
REFARG: TYPE:
individual
HEAD: noun
SYN:
syn
phrase
EVENT_TYPE: sell
ROLES:
REFARG: 1 TYPE: entity
simple_type
nominal_semantics
2
3
4
ROLE: agent
SEL_RESTR:
role
ROLE: theme
SEL_RESTR: 1
role
ROLE: goal
SEL_RESTR:
role
TAKES_PLACE_AT:
TYPE: human
countable
TYPE: human
countable
TYPE: factory
individual
ACCESSIBLE_ROLES: 2 , 3 , 4
activity
CONTENT: no_content
nominal_semantics
syntactic_atom
Abb. 5.19: Eine Lesart von „Fabrikverkauf“
Die semantische Interpretation durch semantics_construction/2 geht immer davon aus, daß
der semantische Funktor – sei es nun die Ereignisstruktur eines Verbs, eine stereotype oder
konzeptuelle Relation – immer mit dem Zweitglied zusammenfällt. Sollen auch Relationen
aus dem Erstglied verwendet werden, dann müssen die entsprechenden Interpretationsfunktionen
leicht verändert werden. Diese Änderung betrifft in erster Linie die Tatsache, daß
in diesen Fällen referentielles Argument und semantischer Funktor nicht mehr aus dem
gleichen Kompositumsteil herstammen.
Zum Schluß: ein noch nicht ganz gelöstes Problem betrifft die Position einer evtl. vorhandenen
stereotypen Relation im Gesamtsystem. Wie man an (30) erkennen kann, befindet sie
sich nicht unter den konzeptuellen Eigenschaften eines Typs, sondern unter SEM:CONTENT im
Skopus des Möglichkeitsoperators. Dafür gibt es zwei Gründe: Zum einen hat sie m.E. einen
anderen Status als die konzeptuellen Relationen. Während diese in einem gewissen Sinne
mehr oder weniger notwendige Konzepteigenschaften widerspiegeln (ein Messer hat
prototypisch eine Klinge etc.), hat die stereotype Relation den Charakter einer bloßen Möglichkeit:
ein Messer würde sicher auch dann Messer genannt werden, wenn es noch niemals
zum Schneiden verwendet worden ist. Der andere Grund hängt mit den zusammengesetzten,
polysemen Typen zusammen. Wenn Fabrik z.B. die Typen Gebäude und Belegschaft hat
und beiden Konzepten jeweils eine eigene stereotype Relation zukommt, dann müßte der
155

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
polyseme Typ „Fabrik“ über beide Relationen verfügen. Da Fabrik m.E. aber nur eine solche
Relation hat – die des Produzierens (die nicht mit den Typen Gebäude und Belegschaft assoziiert
ist) – muß sie außerhalb der Konzepthierarchie, d.h. beim Lexem Fabrik definiert sein.
5.4 Flexion
5.4.1 Syntax
Die größte Herausforderung für eine Wortsyntax (nicht Wortsemantik) des Deutschen ist
meiner Ansicht nach die Abbildung der Kombinationsbeschränkungen, die durch die Flexionsparadigmen
gegeben sind. Diese Paradigmen sind ein konzeptionell einfaches Mittel,
Beziehungen zwischen unterschiedlichen Formen eines Wortes herzustellen, lassen sich jedoch
auf keine einfache Weise für die Lösung des Analyseproblems heranziehen. Computerlinguistische
Ansätze, wie beispielsweise der von Krieger et al. (1993), die Paradigmen in
einem merkmalsbasierten Formalismus rekonstruieren, machen keine Angaben darüber,
welche Rolle Paradigmen bei der Analyse spielen könnten. Dies ist natürlich unbefriedigend,
da sich die Computerlinguistik auch um die operationale Interpretation ihrer Konstrukte
kümmern sollte.
Eine Möglichkeit zur Nutzbarmachung von Paradigmen für die Zwecke der morphologischen
Analyse besteht darin, sie als etwas zu verstehen, aus dem mit Hilfe eines Zwischenschritts
eine invertierte Relation konstruiert werden kann, die einzelnen Morphen eine
Menge alternativer Merkmalsbündel zuweist. Allen Formen gemeinsame Merkmale, beispielsweise
die für Semantik und Argumentstruktur, werden auf diese Weise nur einmal
spezifiziert, durch den Zwischenschritt jedoch an alle Elemente der erzeugten Relation weitergegeben.
Beispiel 5.2:
Aus dem Präsens-Indikativ-Paradigma der regelmäßigen Verben
kann folgende Relation gewonnen werden:
sg pl
1 e en
2 st t
3 t en
Flexiv Merkmale
e { }
st { }
t { , }
en { , }
Dieses an sich triviale Verfahren kompliziert sich lediglich dann, wenn Paradigmenzellen,
beispielsweise beim Präteritumsparadigma der unregelmäßigen Verben, keine phonetisch
realisierten Affixe enthalten. Hier könnten dann phonetisch leere Flexive angenommen werden,
mit denen Chart-Parser ohne größere Schwierigkeiten zurechtkommen würde. Darüber
hinaus ist es möglich, durch Annahme einiger Beschränkungen, die weiter unten erläutert
werden, die Überspezifikation der Flexionsaffixe wieder zu beseitigen.
156

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Durch Einführung dieses Umformungsschritts behält man Paradigmen als organisationsstiftende
Elemente neben den eigentlichen Lexikoneinträgen bei, kann sie jedoch aus der
eigentlichen Analyse heraushalten, die nur auf die invertierte Relation Bezug nimmt.
Nun müssen die Kombinationsbeschränkungen, die die zum Ausgangspunkt genommenen
generalisierten Paradigmen ausdrücken, in einer „Flexionsgrammatik“ realisiert werden.
Hierfür kontextfreie Regeln anzusetzen führt letztlich zu einer Vielzahl von Konstruktionsregeln
und setzt darüber hinaus eine sehr genaue Klassifizierung der einzelnen Flexive voraus,
auf die sich diese Regeln beziehen. Konzeptionell einfacher ist es, diese Kombinationsbeschränkungen
in das Lexikon zu verlagern, die Klassifikation der Flexive so weit wie
möglich implizit mit Hilfe ohnehin notwendiger Merkmale vorzunehmen und zusätzlich nur
eine einzige, allerdings übergenerierende Regel anzunehmen, die jedoch durch drei Bedingungen
wieder eingeschränkt wird:
(Regel VI’, 1. Fassung)
cat(pre_syntactic_atom ∧ PSA, L0, L2) ←
PSA ∧
true(cat(pre_syntactic_atom, L0, L1)) ∧
true(cat(infl_affix, L1, L2)) ∧
GRAPH: diff(L0, L2)
Im übrigen weist der Typ pre_syntactic_atom, wie morph_object und seine Subtypen und
anders als syntactic_atom, noch ein MORPH-Merkmal auf. Wie syntactic_atom jedoch enthält
er kein STRUCTURE-Attribut mehr, da ich – abweichend von Autoren wie Trost (1990) –
nicht annehme, daß die Operation der Flexion Strukturen aufbaut. Diese wären m.E. semantisch
nicht mehr deutbar und damit schwindet die letzte Motivation für Wortstrukturen.
In der dargelegten Form erlaubt diese rekursive Regel (zusammen mit der Terminierungsregel
V), beliebig viele Flexionsaffixe an einen möglicherweise komplexen Stamm o.ä. anzuhängen.
Im Deutschen heißt beliebig jedoch höchstens zwei, beispielsweise bei der Bildung
der Präteritumsformen der regelmäßigen Verben wie lieb-t-en, so daß diese Rekursion drastisch
eingeschränkt werden muß. Dies leisten folgende drei Beschränkungen:
(35)
i. Nur vollständig spezifizierte Wortformen können als syntaktische Atome fungieren,
d.h. X 0
-Elemente von maximalen Projektionen bilden.
ii. Die Einführung von Merkmalen wird durch die transitive Hülle einer irreflexiven
Relation < festgelegt, die durch folgende Elemente gegeben ist und eine partielle Ordnung
definiert (s. a. Wunderlich (1992)):
Kategorie < Tempus Kategorie < Komparation
Komparation < Kasus Tempus < Modus
Modus < Numerus Numerus < Person
Person < Kasus
Ein Affix F darf demzufolge nur dann zu pre_syntactic_atom hinzutreten, wenn F für
ein Merkmal B spezifiziert ist, so daß es in pre_syntactic_atom ein Merkmal A gibt,
für das gilt: A < B.
Diese Definition fordert also nicht, daß alle hinzukommenden Merkmale „neu“ sind,
sondern daß lediglich eines der Merkmale des Affixes F noch nicht vorhanden war.
Der Sinn dieser Lockerung der ursprünglichen Fassung in Wunderlich (1992) wird
weiter unten deutlich werden.
iii. Die Merkmale von pre_syntactic_atom und infl_affix müssen miteinander unifiziert
werden können, d.h. die Merkmalswerte müssen kompatibel sein.
157

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Bedingung 35 i) verhindert, daß noch nicht vollständig spezifizierte morphologische Objekte
syntaktisch wirksam werden. Wie weiter unten erläutert wird, kann dies durch einen Filter
sichergestellt werden, der im technischen Sinn die Typenmaximalität einer typisierten Merkmalsstruktur
überprüft.
Bedingung 35 ii) gewährleistet, daß die Rekursion nach endlich vielen Schritten endet, da
das Inventar der Morphologie nur endlich viele Merkmale enthält und jeder Affigierungsschritt
mindestens ein solches Merkmal einführt und aufgrund der Irreflexivität der Relation
kein Merkmal hinzutreten lassen darf, welches bereits vorhanden war; dies gilt natürlich nur
dann, wenn nicht gleichzeitig auch ein neues Merkmal eingeführt wird. Die Position des Flexionsaffixes
(rechts außen) ist bereits durch Regel VI’ festgelegt.
Bedingung 35 iii) schließt sich widersprechende Merkmale aus –35 ii) läßt diese ja zunächst
zu – und beantwortet auch die Frage, welches der beiden Elemente den Kopf des komplexen
morphologischen Objekts bildet: keines von beiden. Beide Elemente tragen, ähnlich wie bei
der Definition des relativierten Kopfs, zum Endergebnis bei. Zu beachten ist jedoch, daß die
vorgenommene Unifikation keine Defaults und Prioritäten annimmt und daher auch scheitern
kann. Bedingung 35 iii) ist darüber hinaus entscheidend für die „richtige“ Zuordnung
von Stämmen und Flexiven, was weiter unten deutlich wird.
Bedingungen 35 ii) und 35 iii) können mit den zwei Funktionen affix_order_constraint/2 und
unified_head_features/1 realisiert werden:
(Regel VI’’, 2. Version)
cat(pre_syntactic_atom ∧ SYN:ARGSTR:AS ∧ SEM:Sem ∧ PSA, L0, L2) ←
PSA ∧
true(cat(pre_syntactic_atom, L0, L1) ∧ SYN:ARGSTR:AS ∧ SEM:Sem ∧ PSA1) ∧
true(cat(infl_affix, L1, L2) ∧ Infl) ∧
affix_order_constraint(PSA1, Infl) ∧
unified_head_features([PSA1, Infl]) ∧
GRAPH: diff(L0, L2)
Regel VI’’ hält fest, daß die syntaktischen Kopfmerkmale des Flexivs mit den Kopfmerkmalen
des Flexionsaffixes kompatibel sein müssen, was in natürliche Weise durch typisierte
Unifikation definiert werden kann.
Unifizierbarkeit ist auch das Kriterium für die Merkmale unter MHEAD (diese werden von
unified_head_features/1 mit erfaßt, vgl. S. 133), die in der Syntax keine Rolle spielen, jedoch
zur Wiedergabe bestimmter Kombinationsbeschränkungen herangezogen werden müssen.
Beispielsweise werden hier für Nomen und die Nomen eigenen Flexionsaffixe die entsprechenden
Deklinationsklassen angegeben. Die Merkmale unter MORPH:MHEAD sind zwar arbiträre
Klassenmerkmale im Sinne von Wunderlich (1992), es ist jedoch schwer zu sehen, wie
man ohne sie auskommen könnte. Dies muß auch kein Widerspruch zu Wunderlich sein, da
es ihm um die Beschreibung produktiver Paradigmen geht, im Rahmen einer einigermaßen
vollständigen morphologischen Beschreibung der deutschen Flexion jedoch auch nicht länger
produktive Muster berücksichtigt werden müssen.
Im übrigen zeigt sich in dieser Regel eine Reihenfolgeabhängigkeit der Funktionen
affix_order_constraint/2 und unified_head_features/1; affix_order_constraint/2 muß vor der Unifikationsoperation
evaluiert werden, nach der Unifikation der Kopfmerkmale kann die
Funktion nicht mehr erfüllt werden, da dann PSA1 und Infl identisch sind. Die tieferliegende
Ursache dafür ist, daß affix_order_constraint/2 auf einem nicht-monotonen Subsumptionstest
beruht. Tests auf Merkmalsinstantiierungen sind daher nicht ohne weiteres in einen
monotonen Formalismus integrierbar.
158

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Neben der Überprüfung der Kompatibilität der Kopfmerkmale sorgt Regel VI‘‘ noch für die
Vererbung der Argumentstruktur und der Semantik des linken Wortbestandteils an die
nächsthöhere Kategorie.
Bedingung 35 i) schließlich muß als Filter beim Übergang von der Morphologie zur Syntax
(m.a.W. beim Übergang von pre_syntactic_atom zu syntactic_atom) wirksam werden, so
daß eine vollständige Merkmalsspezifikation sichergestellt ist. Vollständigkeit bestimmt sich
hier relativ zum Typ der Merkmalsstruktur am Ende des Pfades SYN:HEAD und korrespondiert
mit dem Begriff der Typenmaximalität einer Merkmalsstruktur. Dieser Übergang wird
durch folgende Regel abgebildet:
(Regel VII’, vorläufig)
cat(syntactic_atom ∧ SA, L0, L1) ←
SA ∧
true(cat(pre_syntactic_atom, L0, L1) ∧ PSA) ∧
type_maximal(value_of_syn_head(PSA)) ∧
syn_head_features([PSA]) ∧
arg_structure_realisation(PSA) ∧
GRAPH: diff(L0, L1)
Die Funktion arg_structure_realisation/1 schließlich realisiert die syntaktische und semantische
Argumentstruktur und wird unter 5.4.2 näher ausgeführt
Der folgende Abschnitt wird sich konkret mit den Merkmalsbestimmungen für verbale
Wortformen befassen, um die Grundidee des Ansatzes klarer zu machen. Leider wird sich
hier auch zeigen, daß die Regeln VI’’ und VII‘‘ noch nicht in ihren jeweils letzten Fassungen
vorliegen.
5.4.1.1 Merkmalsbasierte Flexion am Beispiel der Verbflexion
Da Verben im Deutschen die umfangreichsten Flexionsparadigmen aufweisen und darüber
hinaus bei der Flexion unterschiedliche Grade an Regularität an den Tag legen, stellen sie die
größten Anforderungen an die Spezifikation der Kombinationsbeschränkungen, die für
Stammform und Flexiv gelten. Diese Kombinationsbeschränkungen sind im wesentlichen
durch die Unifizierbarkeit der Kopfmerkmale und durch die Affigierungshierarchie gegeben.
Hierzu müssen sowohl Flexionsaffixe als auch Stammformen in geeigneter Weise mit
Merkmalen und Merkmalswerten versehen werden, wobei zwei Zielvorstellungen zugrunde
liegen:
1. Die Merkmalsspezifikation für Stämme und Affixe soll minimal sein, d.h. nach Möglichkeit
sollen nur Merkmale verwendet werden, die man aus unabhängigen Gründen ohnehin
benötigt. Ähnliches gilt für die Stärke der verwendeten Mechanismen. Vom Mittel der
Unterspezifikation soll daneben, wenn immer möglich, Gebrauch gemacht werden.
2. Das Analyseverfahren soll natürlich ein Entscheidungsverfahren sein: es soll alle zulässigen
Formen erfolgreich analysieren und die nicht zulässigen zurückweisen.
Konkret auf die Verbflexion bezogen sollte zudem die sehr große Ähnlichkeit der Paradigmen
für die regelmäßige und unregelmäßige Flexion – die Flexionsendungen sind nahezu
die gleichen – ohne Rückgriff auf ein Klassenmerkmal hierfür ausgedrückt werden. Des
weiteren sollen auch Regelmäßigkeiten innerhalb der Paradigmen (beispielsweise bei der 1.
und 3. Pers. Plural) ausgenutzt werden.
Tabelle 5.2 zeigt zunächst die Verbflexionsaffixe samt ihren Merkmalsbestimmungen (nach
Duden (1984)).
159

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Verbflexiv Merkmalsspezifikation unter SYN:HEAD:
-e verb_infl ∧ CAT:v ∧ ((PERS:1 ∧ NUM:sg ∧ TENSE:pres ∧ MOOD:ind ) ∨
(PERS:(1∨3)∧NUM:sg∧TENSE:pres∧MOOD:subjI)∨(PERS:(1∨3)∧NUM:sg ∧ TENSE:pret))
-(e)st verb_infl ∧ CAT:v ∧ PERS:2 ∧ NUM:sg ∧ MOOD:(ind ∨ subjII)
-(e)t verb_infl ∧ CAT:v ∧ TENSE:pres ∧ MOOD:ind ∧
((PERS:2 ∧ NUM:pl) ∨ (PERS:3 ∧ NUM:sg))
-et verb_infl ∧ CAT:v ∧ PERS:2 ∧ NUM:pl ∧ TENSE:pret
-est verb_infl ∧ CAT:v ∧ PERS:2 ∧ NUM:sg ∧ TENSE:pres ∧ MOOD:subjI
-et verb_infl ∧ CAT:v ∧ PERS:2 ∧ NUM:pl ∧ TENSE:pres ∧ MOOD:subjI
-∅ verb_infl ∧ CAT:v ∧ PERS:(1 ∨ 3) ∧ NUM:sg ∧ TENSE:pret
-(e)n verb_infl ∧ CAT:v ∧ PERS: (1 ∨ 3) ∧ NUM:pl
-∅- verb_infl ∧ CAT:v ∧ MOOD:(ind ∨ subjI)
-(e)t- verb_infl ∧ CAT:v ∧ TENSE:pret ∧ MOOD:(ind ∨ subjII)
-(e)n verb_inf_base ∧ CAT:v
-(e)nd verb_partI ∧ CAT:v
-(e)t verb_partII ∧ CAT:v
-(e) verb_imp ∧ CAT:v ∧ NUM:sg
-(e)t verb_imp ∧ CAT:v ∧ NUM:pl
Tabelle 5.2: Merkmalsspezifikation der Verbflexionsaffixe
Die Merkmalsspezifikationen in Tabelle 5.2 sind auf ein Zusammenspiel mit den Flexionsregeln
VI’’ und VII’ ausgerichtet. Zu beachten ist ferner, daß auch phonetisch leere Endungen
verzeichnet sind, da sie zur Einfachheit des Gesamtsystems beitragen.
Wie sehen nun diese Merkmalsbelegungen für die Stammformen aus und wie stellt man die
Zuordnungen zwischen konkreten Stämmen und ihren Merkmalen her?
Zunächst müssen dazu die Stammformen klassifiziert werden 18 , was sich bei Verben durch
Partitionierung aller verschiedenen Verbparadigmen in diejenigen Teilparadigmen ergibt,
die jeweils die gleiche Stammform verwenden. Tabelle 5.3 zeigt, welche verschiedenen
Stammformen hierbei unterschieden werden können und welche Spezifikation hinsichtlich
der SYN:HEAD-Merkmale diese Formen tragen.
Diese Bestimmungen, die durch eine Sorte vform/1 repräsentiert werden, sind recht komplex,
jedoch notwendig, um dem kontingenten Aufbau der Verbparadigmen im Deutschen
gerecht zu werden. Vform(0) bezieht sich dabei auf regelmäßige Verben, deren Stammform
allein mit CAT:v markiert ist und die entweder nur ein Flexiv oder das Präteritumsaffix -t-
mit nachfolgenden Flexiv zu sich nimmt. Die anderen Formen 1 bis 7 partitionieren das Paradigma
der unregelmäßigen Verben in Teilparadigmen, bei denen jeweils die gleiche Stammform
zur Anwendung kommt. Vform(4) beispielsweise definiert das Präteritums-Teilparadigma
der unregelmäßigen Verben. Abb. 5.20 zeigt diese Klassifikation für die Formen 1 bis
7 in graphischer Form (ähnliche Darstellungen für die romanischen Sprachen finden sich übrigens
in Holl (1988)).
18 Diese Klassifikation verwendet (mit einer Ausnahme des unten besprochenen Merkmals
MORPH:MFEAT:COMPLETE) zunächst nur Flexionsmerkmale, die man ohnedies voraussetzt.
160

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Sorte Merkmalsbestimmung unter SYN:HEAD
Farbe in
Abb. 5.3
vform(0) verb ∧ CAT:v
vform(1) verb ∧ CAT:v ∧ ((NUM:pl ∧TENSE:pres ) ∨ (TENSE:pres∧MOOD:subjI) ∨ >)
vform(2) MORPH:MFEAT:COMPLETE: minus ∧
CAT:v ∧ PERS:1 ∧ NUM:sg ∧ TENSE:pres ∧ MOOD: ind
vform(3) MORPH:MFEAT:COMPLETE: minus ∧
verb ∧ CAT:v ∧ PERS: (2 ∨ 3) ∧ NUM:sg ∧ TENSE:pres ∧ MOOD:ind
vform(4) verb ∧ CAT:v ∧ TENSE:pret ∧ MOOD:ind
vform(5) verb ∧ CAT:v ∧ TENSE:pret ∧ MOOD:subjII
vform(6) verb_partII ∧ CAT:v
vform(7) verb_imp ∧ CAT:v ∧ MOOD:imp
/
Tabelle 5.3: Klassifikation und Merkmalsspezifikation der verschiedenen Verbstammformen
1
sg 2
3
1
pl 2
3
pres pret
ind subjI ind subjII
inf partI partII imp sg imp pl
Abb. 5.20: Graphische Darstellung der Formenklassifikation
Es zeigt sich jedoch ein generelles Problem, das sich veranschaulichen läßt am Beispiel von
vform(3), die für die Formen im 2/3. Pers. Sing. Präs. Ind. verantwortlich ist und bei einigen
unregelmäßigen Verben wie beispielsweise werfen mit einem eigenen Stamm verknüpft wird
(wirf). Stämme dieser Art sind bereits mit allen Merkmalsausprägungen versehen, die für
morphologische Objekte dieses Typs vorgesehen sind; im Sinne der Flexionsregel VI'’ sind
sie daher maximal. Diese Maximalität ist notwendig, damit unzulässige Formen wie z.B.
*wirfe (unzulässige Kombination des Stamms mit dem Affix -e, welches als 1. Pers. markiert
ist) ausgeschlossen werden können. Nichtsdestoweniger können jedoch noch die Endungen -
st bzw. -t zur Bildung vollständiger Verbformen (z.B. wirfst) hinzutreten.
Unter der Prämisse, daß sowohl Merkmalsbestimmungen als auch Kombinationsbeschränkungen
ohne Rückgriff auf arbiträre Klassenmerkmale beschrieben werden sollen, läßt sich
das Problem auch aus einer allgemeineren Perspektive betrachten – einer Perspektive, die
Bezug nimmt auf den mehrdimensionalen Charakter von Paradigmen. Der informelle Gedankengang
zum Nachweis der Notwendigkeit willkürlicher Klassenmerkmale für die
deutsche Verbmorphologie unter den genannten Voraussetzungen sieht folgendermaßen
aus:
161

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Sollen Kombinationsbeschränkungen mit Hilfe einer Menge M von Merkmalen, die aus unabhängigen
Gründen benötigt werden, festgehalten werden, so muß man hierfür mindestens
ein Merkmal F verwenden, das natürlich aus M stammen muß. Dies setzt jedoch voraus, daß
F noch nicht für andere Zwecke eingesetzt wurde, denn ein Merkmal kann nicht gleichzeitig
zwei unterschiedliche Sachverhalte repräsentieren. Faßt man nun Paradigmen als
mehrdimensionale Tabellen auf, so muß ein solches Merkmal (unter Ausnutzung der
Möglichkeit der Unterspezifikation) dann nicht angegeben werden, wenn die Stammformen
entlang der durch F eröffneten Dimension die gleichen Kombinationsbeschränkungen aufweisen.
Sobald eine Stammform jedoch nur bestimmte Zellen in dieser Dimension belegt,
müssen alle zur Verfügung stehenden Merkmale (d.h. alle Merkmale, die das Paradigma
konstituieren) zur Beschreibung dieser Zellen eingesetzt werden, was kein Merkmal mehr
freiläßt, um Kombinationsbeschränkungen zu repräsentieren. Dies ist nun an verschiedenen
Stellen im Paradigma der unregelmäßigen Verben der Fall, beispielsweise im gerade genannten
Fall.
Zur Lösung dieses Problems muß man also weitere Merkmale annehmen. Die Frage ist nur,
auf welche Weise dies geschehen soll. Eine naheliegende Möglichkeit ist die Einführung von
Subkategorisierungslisten, in denen für jede Stammform die Eigenschaften der nachfolgenden
Flexive festgehalten werden, oder – dazu äquivalent – eine kategorialgrammatische
Notation, die zwischen Eingabe- und Ausgabespezifikation (ähnlich wie in der Konzeption
von Wunderlich (1992)) unterscheidet. Subkategorisierungslisten sind nun eine sehr generelle
Methode, die Voll- bzw. Unvollständigkeit von Kategorien zu charakterisieren und es
bleibt fraglich, ob man einen so starken Mechanismus, der immerhin Gebrauch von rekursiven
Merkmalsstrukturen macht und daher auch Phänomene beschreiben könnte, die nicht
auftreten, überhaupt benötigt. Mir scheint ein zusätzliches Merkmal ±COMPLETE angemessener,
welches genau den Sachverhalt ausdrückt, daß eine Stammform zwar bereits vollständig
spezifiziert ist, sie dennoch noch Affixe zu sich nimmt. Dieses Merkmal, das im Regelfall
unterspezifiziert bleibt, ist zugegebenermaßen rein stipulativ (jedoch auch nicht mehr als
Subkategorisierungslisten), hat jedoch den Vorteil, daß die Merkmalsbestimmungen für
Stämme und Affixe weiterhin ohne die die Komplexität beträchtlich erweiternde morphologische
Subkategorisierungslisten auskommen und der prinzipielle Charakter der Flexionsregeln
VI‘‘ und VII‘ gewahrt bleibt, die nun in ihrer jeweils letzten Fassung wiedergegeben
werden.
(Regel VI, Endfassung)
cat(pre_syntactic_atom ∧ SYN:ARGSTR:AS ∧ SEM:Sem ∧ PSA, L0, L2) ←
PSA ∧
true(cat(pre_syntactic_atom, L0, L1) ∧ SYN:ARGSTR:AS ∧ SEM:Sem ∧ PSA1) ∧
true(cat(infl_affix, L1, L2) ∧ Infl) ∧
affix_order_constraint(value_of_complete_path(PSA1), PSA1, IA) ∧
unified_head_features([PSA1, Infl]) ∧
GRAPH: diff(L0, L2)
Der Bedingungsteil für die Flexionsregel ist komplexer geworden und ist so beschaffen, daß
der Merkmalswert COMPLETE:minus nur ein einziges Mal verwendet werden kann. Dies leistet
eine neue Funktion affix_order_constraint/3, die als erstes Argument den Wert des Pfades
MORPH:MFEAT:COMPLETE erhält, und folgendermaßen definiert ist:
(36) affix_order_constraint(plus, PSA, IA) ← affix_order_constraint(PSA, IA)
affix_order_constraint(Value, PSA, IA) ← subsumes(minus, Value)
162

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
(36) besagt, daß im Falle von COMPLETE: minus auf den Test mit affix_order_constraint/2 verzichtet
wird. Dies muß durch die (Meta-)Operation eines Subsumptionstest festgestellt werden,
da die Unifikation auch mit einem unterspezifizierten COMPLETE-Wert erfolgreich wäre.
(Regel VII)
cat(syntactic_atom ∧ SA, L0, L1) ←
SA ∧
true(cat(pre_syntactic_atom, L0, L1) ∧ MORPH:MFEAT:COMPLETE: plus ∧ PSA) ∧
type_maximal(value_of_syn_head(PSA)) ∧
syn_head_features([PSA]) ∧
arg_structure_realisation(PSA) ∧
GRAPH: diff(L0, L1)
Neben dem Test auf Typenmaximalität wird geprüft, ob das Merkmal COMPLETE mit dem
Wert plus unifizierbar ist. Da der Wert nie explizit auf plus gesetzt wird und daher boolean
sein muß, ist dies entweder aufgrund der Unterspezifikation im Morph-Lexikon oder durch
mindestens einmalige Anwendung von Regel VI der Fall.
Bei Regel VII werden schließlich nur noch die syntaktischen Kopfmerkmale an
syntactic_atom vererbt, da dieser Typ per Definition über keine morphologischen Merkmale
mehr verfügt.
Im letzten Schritt werden nun konkrete Verbstämme mit den Formsorten aus Tabelle 5.3 (die
als Abkürzung für die Beschreibung rechts davon aufzufassen sind), in Beziehung gesetzt.
Ist eine konkrete Verbstammform für mehrere Teilparadigmen einschlägig, so wird dies
durch Disjunktion ausgedrückt. Beispiel 5.3 veranschaulicht diese Zuordnung anhand von
Verben mit unterschiedlichem Flexionsverhalten.
Beispiel 5.3:
Das Verb werfen weist die Maximalanzahl unterschiedlicher Stämme im Deutschen auf (Ablaut,
e/i-Wechsel und Umlaut im Konjunktiv). Wie Wunderlich (1992) betrachte ich das Partizip-II-Suffix
-en als nicht mehr produktiv, so daß es dem Stamm zugerechnet werden kann.
Die Zuordnung von Stämmen und Formsorten zeigt folgende Tabelle:
werf wirf warf würf worfen
vform(1) ∨ vform(2) vform(3) ∨ vform(7) vform(4) vform(5) vform(6)
Umlaut im Präs. Sing. der 2./3. Person zeigt das Verb tragen. Abweichend von werfen wird
diese Stammform jedoch nicht für den Imperativ Sing. verwendet, so daß sich folgende Zuordnung
ergibt:
trag träg trug trüg tragen
vform(1) ∨ vform(2) ∨ vform(7) vform(3) vform(4) vform(5) vform(6)
Das Verb schreiben besitzt drei verschiedene Stämme: schreib, schrieb und schrieben. Als
Merkmalsbestimmungen ergeben sich demnach:
schreib schrieb schrieben
vform(1) ∨ vform(2) ∨ vform(3) ∨ vform(7) vform(4) ∨ vform(5) vform(6)
163

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Regelmäßiges Verben wie lieben werden einfach der Funktion vform(0) zugeordnet. Suppletive
Paradigmen wie die von sein und haben erfaßt man am besten in Form von einer Reihe
von Vollformeinträgen.
Beispiele 5.4 und 5.5 verdeutlichen nun, wie die Merkmalsspezifikationen der Verbflexive
und Verbstämme unter Vermittlung der Flexionsregeln miteinander interagieren. Da das
morphologische Analyseproblem als Entscheidungsproblem aufgefaßt wird, muß neben der
Generierung der „richtigen“ Wortformen auch die Erzeugung von unzulässigen verhindert
werden.
Beispiel 5.4: Zulässige Wortformen:
1) Analyse von lachen
Die Unifikation der Merkmale unter SYN:HEAD von lach- und -en ergibt folgende Merkmalsstrukturen:
a) b) c)
CAT: v
PERS:
NUM:
TENSE: pres
MOOD:
verb_infl
1 ∨ 3
pl
ind ∨ subjI
CAT: v
PERS:
NUM:
TENSE: tense
MOOD:
verb_infl
1 ∨ 3
pl
mood
Struktur b) wird durch die Maximalitätsbedingung ausgefiltert.
2) Analyse von lachten:
Hierfür wird folgende wohlgeformte Struktur erzeugt:
pre_syntactic_atom
pre_syntactic_atom
simple_or_complex_stem
lach
CAT: v
verbal
syntactic_atom
pre_syntactic_atom
infl_affix
t
TENSE: pret
MOOD: ind ∨ subjII
verb_infl
infl_affix
en
PERS: 1 ∨ 3
NUM: pl
verb_infl
CAT: v
verb_inf_base
Die SYN:HEAD-Merkmale von syntactic_atom ergeben sich durch Unifikation der drei angegebenen
Merkmalsstrukturen.
3) Analyse von werfe/wirfst:
Aufgrund der Spezifikation von werf/wirf mit COMPLETE:minus kann das Flexiv hinzutreten.
164

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Beispiel 5.5: ausgeschlossene Verbformen:
Verbform Ausschlußgrund
*lachenen Die Merkmale des zweiten en-Flexivs erfüllen die Funktion
affix_order_constraint/3 nicht, da seine Werte bei pre_syntactic_atom bereits
spezifiziert sind.
*lachent Die Merkmale, die das Präteritumsaffix -t- hinzufügen könnte, liegen in der
Affigierungshierarchie vor den Merkmalen Person und Numerus
*wirfe Die Unifikation der SYN:HEAD-Merkmale von Stamm und Flexiv scheitert
*werf Der Stamm werf ist mit vform(1) ∨ vform(2) klassifiziert. vform(1) ist nicht vollständig
bzgl. der für verb_infl definierten Merkmale und verfällt somit dem
Maximalitätsfilter.
vform(2) trägt das Merkmal COMPLETE: minus und macht daher die Anwendung
von Regel VII unmöglich.
*werfte Die Unifikation der HEAD-Merkmale von Stamm (TENSE:pres) und Flexiv
(TENSE:pret) scheitert.
*warfte Das Affix -t- kann nur Merkmale hinzufügen, die am Stamm bereits spezifiziert
sind.
*geworfent der Stamm worfen ist schon mit allen notwendigen Merkmalen versehen; das
Partizip-II-Suffix kann keine neuen Merkmale hinzufügen.
Zirkumfigierung, die zumindest für die Partizip-II-Bildung (und evtl. noch in anderen Fällen,
vgl. Eisenberg (1998:401)) anzusetzen ist, läßt sich leider nicht so einfach in dieses
Schema integrieren, zumal es hier noch Einschränkungen silbischer und morphologischer
Art gibt: ge- tritt nur vor Verben mit Betonung auf der ersten Silbe (also nicht vor präfigierte
Verben oder solcher fremdsprachiger Herkunft) und wird bei Partikelverben nach dem Partikel
eingefügt. Es ist daher einfacher, hier spezielle Regeln zu formulieren, die diese Besonderheiten
berücksichtigen .
Ein Problem der Verbflexion muß noch in angemessener Weise gelöst werden. Es betrifft den
Eingang von Partizipformen in die Adjektivflexion, beispielsweise geliebt – geliebte. Erklärungen
dieses Phänomens sind mir nicht bekannt; die einzigen Untersuchungen hierzu
betreffen die Vererbung der Verbargumente an das Adjektiv bzw. die Restriktionen, die
hierfür gelten (vgl. z.B. Toman (1986). Es bleibt daher nichts anderes übrig, als hierfür Umkategorisierungsregeln
anzunehmen, die selbstverständlich weder einem wortsyntaktischen
X’-Schema noch einem Kopfmerkmalsprinzip gehorchen. Konversion wird in Abschnitt 5.5
näher behandelt.
5.4.1.2 Flexion anderer Kategorien
Die Regeln VI und VII sind auch auf die Flexion von Nomen und Adjektiven anwendbar (die
übrigen Wortarten, die Flexionsverhalten an den Tag legen – Pronomen, Determinatoren etc.
– werden besser als Vollformen der Klasse syntactic_atom im Lexikon verzeichnet).
Bei der Nomenflexion wird man kaum ohne eine Klassifizierung in Deklinationsklassen
auskommen, wie sie in jeder deskriptiven Grammatik (z.B. Duden (1984)) vorgenommen
wird. Solche Klassenmerkmale stehen jedoch (wie erwähnt) nicht unbedingt in Widerspruch
mit Wunderlich (1992), da der Gegenstand von Wunderlichs Theorie m.E. nur die Konstruktion
produktiver Paradigmen ist, einige der Nomenflexionsparadigmen jedoch nicht
mehr produktiv sind (vgl. dazu Eisenberg (1998)). Da die Deklinationsklasse, der ein Nomen
angehört, ein Kopfmerkmal ist, wird für sie ein entsprechender Wert unter MORPH:MHEAD
165

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
verzeichnet. Die (nicht unproblematische) Annahme von phonetisch leeren Flexiven vereinfacht
auch hier die Merkmalsspezifikation. Tabelle 5.4 führt beispielhaft die Bestimmungen
für Stämme und Flexive einer Deklinationsklasse auf.
Stamm/Flexiv Merkmalsbestimmung
z.B. Apfel SYN:HEAD:(CAT:n ∧ NUM:sg ∧ gen:masc) ∧
MORPH:(MHEAD:DECL_CLASS: (DECL_CLASS_SG:I ∧ DECL_CLASS_PL:II) ∧
MFEAT:UMLAUT:plus)
z.B. Äpfel SYN:HEAD:(CAT:n ∧ NUM:pl ∧ gen:masc) ∧
MORPH:(MHEAD:DECL_CLASS:(DECL_CLASS_SG:I ∧ DECL_CLASS_PL:II) ∧
MFEAT:UMLAUT:plus)
∅ SYN:HEAD:(NUM:(sg ∨ pl) ∧ CASE:¬gen) ∧
MORPH:MHEAD:DECL_CLASS:(DECL_CLASS_SG:I ∧ DECL_CLASS_PL:II)
-s SYN:HEAD:(NUM:sg ∧ CASE:gen) ∧
MORPH:MHEAD:DECL_CLASS:(DECL_CLASS_SG:I ∧ DECL_CLASS_PL:II)
-n SYN:HEAD:(NUM:pl ∧ CASE:gen) ∧
MORPH:MHEAD:DECL_CLASS:(DECL_CLASS_SG:I ∧ DECL_CLASS_PL:II)
Tabelle 5.4: Merkmalsbestimmungen für Stämme und Flexive der Deklinationsklasse S1/P2 (Duden (1984))
Die Flexion von Adjektiven ist wiederum etwas komplexer, zumindest dann, wenn man
Komparation unter Flexion subsumiert. Dies ist natürlich nicht unproblematisch, da die Bildung
von Komparativen und Superlativen Änderungen in der Semantik und Argumentstruktur
des Basismorphems nach sich zieht, was die Bedeutungsinvarianz als Kriterium der
Paradigmenbildung in Frage stellt. Dieses Kriterium ist jedoch bereits hinsichtlich der Pluralbildung
zweifelhaft.
Die folgende Tabelle zeigt einige Adjektivflexive:
Flexiv Merkmalsbestimmung unter SYN:HEAD
∅ adjective ∧ DEGREE: pos
-er adjective ∧ DEGREE: comp
-st adjective ∧ DEGREE: sup
-em adjective ∧ NUM: sg ∧ CASE: dat ∧ GENDER: (masc ∨ neut ) ∧ DECL: strong
Tabelle 5.5: Einige Adjektivflexive
Da auch Adjektive Allomorphie an den Tag legen, muß wie im Verbbereich eine Formenklassifikation
vorgenommen werden. Unterschieden wird zwischen aform(0), bei denen der
gleiche Stamm für Positiv, Komparativ und Superlativ verwendet wird (beispielsweise bei
schön), aform(1), die nur für den Positiv verwendet wird (z.B. rot) und aform(2), die für die
restlichen Steigerungsformen heranzogen wird (z.B. röt). Suppletion wie bei gut – besser –
besten wird wiederum durch Auflistung im Vollformenbereich des Lexikons behandelt.
Die Adjektivflexion mit ihren ausgeprägten Synkretismen – 24 Wortformen fallen auf nur
fünf Endungen – zeigt übrigens einen gewissen Konflikt zwischen Unterspezifikation und
Typenmaximalität. Beim Plural von Adjektiven würde man sicher erwägen, das Genus-
Merkmal unterspezifiziert zu lassen, da alle drei Genera die gleiche Endung aufweisen. Dies
darf aber nicht erfolgen, da sonst die Formen den Maximalitätsfilter nicht passieren. Es bleibt
demnach nichts anderes übrig, als einen Typ durch die vollständige Disjunktion aller seiner
maximalen Subtypen zu ersetzen, im Beispielfall also gender mit masc ∨ fem ∨ neut
anzugeben.
166

5.4.2 Semantik
Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Flexionsprozesse haben natürlich Einfluß auf die Semantik eines Lexems. Beispielsweise
wird Tempus im Rahmen der Montague-Semantik mit Hilfe zweier Satzoperatoren P und F
realisiert. Das Problem ist, daß diese Operatoren Sätze als Argumente nehmen, auf der
Ebene der Morphologie aber nur Prädikate zur Verfügung stehen, woraus die bekannten
Klammerparadoxien entstehen. Ich möchte hier nicht weiter darauf eingehen, sondern nur
zeigen, wie man den Einfluß des Numerus-Merkmals auf die Semantik eines Nomens, genauer
gesagt eines Individuennomens, im gewählten methodischen Rahmen ausdrücken
kann.
Die Sorte arg_structure_realisation/1 in Regel VII übernimmt die Aufgabe, beim Übergang zu
syntactic_atom die syntaktische (unter SYN:ARGSTR) wie auch die semantische Argumentstruktur
(unter SEM:REFARG bzw. SEM:EXTARG) in einer Weise zu realisieren, daß sie in der
Satzsyntax verwendet werden kann. Beispielsweise ist die Referenz des referentiellen Arguments
im Lexikoneintrag von Individuennomen unterspezifiziert bzgl. der Unterscheidung
Individuum–Gruppe, ebenso wie der morphologische Status von Elementen unter
SYN:ARGSTR neutral in bezug auf die Opposition syntactic_atom – phrase ist. Beim Übergang
von der Wortbildung zur Syntax müssen diese Unterspezifikationen jedoch in richtiger
Weise durch Typenanhebung aufgelöst werden, was eben die verschiedenen Klauseln von
arg_structure_realisation/1 leisten:
(37)
a) arg_structure_realisation(PSA ∧ SYN:HEAD:(verb ∧ NUM: Num) ∧
SEM:(EXTARG: Ext ∧ CONTENT: Content)) ←
type_shift_args_to_phrase(PSA) ∧
SEM:EXTARG:type_shift(Num, Ext) ∧
SEM:CONTENT: Content
b) arg_structure_realisation(PSA ∧ SYN:HEAD: verb_infinitive ∧ SEM: Sem) ←
type_shift_args_to_phrase(PSA) ∧
SEM: Sem
c) arg_structure_realisation(PSA ∧ SYN:HEAD: (nominal ∧ NUM: Num) ∧
SEM:(REFARG: Ref ∧ CONTENT: Content) ) ←
type_shift_args_to_phrase(PSA) ∧
SEM:REFARG: type_shift(Num, Ref) ∧
SEM:CONTENT: Content
Die Variable PSA steht jeweils für den der Tochter von syntactic_atom zugeordneten
Merkmalsterm. (37a) regelt die Realisierung des externen Arguments von Verbformen, die
für Numerus spezifiziert sind (also alle Formen bis auf die infinitivischen Formen wie Infinitiv
mit oder ohne zu, Partizip I und II). In Abhängigkeit vom Wert von NUM wird das externe
Argument durch die weiter unten erläuterte type_shift/2-Funktion realisiert.
(37b) erfaßt alle anderen der in (37a) nicht berücksichtigten infinitivischen Verbformen, die
in der Hierarchie der Kopftypen (siehe (1) auf S. 122) genau durch den disjunktiven Typ
verb_infinitive repräsentiert werden. Die syntaktischen Argumente werden zu Phrasen angehoben
(durch type_shift_args_to_phrase/1); der Struktur unter SEM wird unverändert an
syntactic_atom weitergegeben.
167

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
(37c) bezieht sich auf die beiden nominalen Kategorien Nomen und Adjektiv und verwirklicht
deren referentielle Argumente in Abhängigkeit von der Ausprägung des Numerus-
Merkmals.
Wie sehen nun die verschiedenen Klauseln der Funktion type_shift/2 aus?
(38)
(a) type_shift(sg, Type ∧ individual ∧ IS_GROUP: minus) ← Type
(b) type_shift(sg, Type ∧ uncountable ∧ IS_GROUP: minus) ← Type
(c) type_shift(sg, Type ∧ group ∧ IS_GROUP: plus) ← Type ∧ GROUP_OF: individual
(d) type_shift(sg, dotted_type ∧ TYPE_REL:TR ∧ TYPES:Types) ←
dotted_type ∧ TYPE_REL:TR ∧
TYPES: type_shift_all_subtypes(sg, Types)
(e) type_shift(pl, NonGroup ∧ IS_GROUP: minus ∧ TYPE: T) ←
NonGroup ∧ GROUP_OF: (individual ∧ TYPE: T)
(f) type_shift(pl, Group ∧ group ∧ IS_GROUP:plus ∧ TYPE:T) ←
Group ∧ GROUP_OF: (TYPE:T ∧ GROUP_OF: (individual ∧ TYPE:T))
(g) type_shift(pl, dotted_type ∧ TYPE_REL: TR ∧ TYPES: Types) ←
dotted_type ∧ TYPE_REL: TR ∧
TYPES: type_shift_all_subtypes(pl, Types)
(38 a-d) sind für die Typenanhebung im Singular verantwortlich. Das in den Lexikoneinträgen
der entsprechenden Nomen spezifizierte Merkmal IS_GROUP legt fest, ob das Nomen
schon im Singular eine Menge denotiert. Das ist bei Mengen bezeichnenden Nomen mit einfachen
Typen wie Gruppe, Menge usw. der Fall, aber auch bei Nomen wie Fabrik mit einem
dotted type, bei dem ein Dot-Typ sich ebenfalls auf eine Menge bezieht (vgl. die Fabrik streikt,
d.h. die Menge der Werktätigen streikt). (38d) betrifft gerade diesen Fall von dotted types im
Singular, bei dem die Funktion type_shift_all_subtypes/2 einfach rekursiv auf die Elemente in
der TYPES-Liste angewendet wird.
(39) type_shift_all_subtypes(Num, []) ← []
type_shift_all_subtypes(Num, [Type|Types]) ←
[type_shift(Num, T ∧ ¬uncountable)|type_shift_all_subtypes(Num, T)]
type_shift_all_subtypes(pl, [uncountable|Types]) ←
type_shift_all_subtypes(pl, Types)
Im Plural (38 e-g) funktioniert das Ganze völlig analog, mit dem Unterschied, daß
type_shift_all_subtypes/2 Subtypen vom Typ uncountable ignoriert. Dies ist nötig, um die unterschiedliche
Referenz von Massenomina im Singular und Plural abzubilden: während sie
im Singular die typische Alternation zwischen Individuum und Stoff an den Tag legen, können
sie im Plural nur noch Mengen von Individuen bezeichnen (vgl. das Paar Brot – Brote).
Klauseln (38 e-g) würden übrigens verhindern, daß Nomen mit einfachem Typ uncountable
in den Plural gesetzt werden, falls es solche Nomen überhaupt gibt.
Die nachstehende Abbildung demonstriert die Wirkung von type_shift/2 am Beispiel des
Singulars und Plurals von Fabrik.
168

GRAPH: fabrik
SYN:
SEM:
CAT: n
Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
NUM: sg
HEAD: CASE: acc ∨ dat ∨ gen∨ nom
ARGSTR:
syn
REFARG:
GENDER: fem
noun
RELARG:
DEFARGS:
ARGSTR_ORDER:
noun_argstr
TYPES:
TYPE_REL:
dotted_type
CONTENT: content
nominal_semantics
syntactic_atom
1
2
TYPE: building
individual
TYPE: 3 human
TYPE: 3
GROUP_OF:
individual
group
RELCONST: work_in
RELARGS:
relation
4
ROLE: worker
SEL_RESTR: 2
role
ROLE: location
SEL_RESTR: 1
role
GRAPH: fabrik , en
SYN:
SEM:
CAT: n
NUM: pl
HEAD: CASE: acc ∨ dat ∨ gen∨ nom
ARGSTR:
syn
REFARG:
GENDER: fem
noun
RELARG:
DEFARGS:
ARGSTR_ORDER:
noun_argstr
TYPES:
TYPE_REL:
dotted_type
CONTENT: content
nominal_semantics
syntactic_atom
1
3
TYPE: 2 building
TYPE: 2
GROUP_OF:
individual
group
TYPE: 4 human
TYPE: 4
GROUP_OF: GROUP_OF:
TYPE: 4
individual
group
group
RELCONST: work_in
RELARGS:
relation
5
ROLE: worker
SEL_RESTR: 3
role
ROLE: location
SEL_RESTR: 1
Abb. 5.21: Typenanhebung des referentiellen Arguments bei einem polysemen Nomen
Die Funktion type_shift_args_to_phrase/1 in (37) realisiert auf der anderen Seite die syntaktische
Argumentstruktur von Lexemen. Sie ist durch Klauseln wie (40)
(40) type_shift_args_to_phrase(SYN:ARGSTR:(AS ∧ noun_argstr ∧ RELARG: R ∧ DEFARGS: DA)) ←
SYN:ARGSTR:(AS ∧
RELARG: realize_relarg(R) ∧
DEFARGS: realize_default_arguments(DA))
gegeben, die – abhängig von den unterschiedlichen Argumentstrukturtypen – Kasus und
andere Eigenschaften der Argumente spezifizieren. Im Fall von (40) wird realize_relarg/1
durch die Klauseln
(41) realize_relarg(Rel) ← phrase ∧ Rel ∧ SYN:HEAD:(noun ∧ CASE:gen)
realize_relarg(Rel) ← phrase ∧ Rel ∧ p(ldat,von)
realize_relarg(Rel) ← phrase ∧ Rel ∧ p(lacc,durch) 19
definiert. Das relationale Argument eines Nomens kann demzufolge phrasal als Genitiv-NP
oder als PP mit den Präpositionen von bzw. durch verwirklicht werden.
19 p(Case, PForm) ← SYN:HEAD: (CAT: p ∧ PFORM: PForm ∧ DP_CASE: Case)
169
role

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Die Sorte realize_default_arguments/1 in (40) bezieht sich auf die Default-Argumente, die in
der hier dargelegten Grammatikversion nur auf den Typ phrase angehoben werden. Denkbar
wären aber weiterreichende Operationen.
Bei der Argumentrealisierung wird auch der Kasus der Argumente festgelegt. Wie unter 5.1
schon einmal kurz angedeutet, sind die Subtypen von case etwas komplizierter als zuvor
dargestellt. Ich verwende hier die Hierarchie von Heinz/Matiasek (1994), die folgendermaßen
strukturiert ist:
(42) case ↔ syntactic_case ∨ morphological_case
morphological_case ↔ nom ∨ gen ∨ dat ∨ acc
syntactic_case ↔ lex_case ∨ struc_case
lgen ↔ gen ∧ lex_case
ldat ↔ dat ∧ lex_case
lacc ↔ acc ∧ lex_case
snom ↔ nom ∧ struc_case
sgen ↔ gen ∧ struc_case
sacc ↔ acc ∧ struc_case
Dies ist übrigens eine der wenigen Teilhierarchien im Gesamtsystem, wo nicht von einer rein
disjunktiven Typisierungsmethode Gebrauch gemacht wird. Die Grundidee ist, zwischen
morphologischem und syntaktischem Kasus zu unterscheiden. Letzterer zerfällt in
strukturellen Kasus, der davon abhängt, in welcher strukturellen Konfiguration (Subjekt,
Objekt, relationales Argument) sich das Argument befindet, und lexikalischen Kasus, bei
dem das nicht der Fall ist. Letzterer muß in den Lexikoneinträgen mit lgen, ldat und lacc
angegeben werden, während der strukturelle Kasus mit dem Wert struc_case unterspezifiziert
bleibt. Hinsichtlich der Wortbildung bietet es Vorteile, mit dieser Unterspezifikation zu
arbeiten, da bei der Derivation Argumente unter Wortartwechsel vererbt werden. Wäre ein
Argument hier schon mit dem Kasus versehen, den es später in der Satzsyntax hat, so müßte
dieser bei jeder Vererbung des Arguments entsprechend geändert werden.
Die erste Klausel von realize_relarg/1 in (41) verdeutlicht das Zusammenwirken der verschiedenen
Kasustypen. Im Lexikoneintrag wird das relationale Argument eines Nomens mit
CASE: struc_case spezifiziert, während realize_relarg/1 hierfür CASE: gen festlegt. Beide Typen
sind miteinander kompatibel, da sie einen gemeinsamen Join – sgen – in der Hierarchie aufweisen.
5.5 Konversion
Für die Konversion setze ich eine Umkategorisierungsregel an, die, da Konversion ein relativ
heterogener Bereich ist, in eine gewisse Anzahl von Einzelregeln „verzweigt“.
Im folgenden möchte ich eine Einzelregel etwas näher erläutern: die zur Bildung sog.
Faktitiva-Verben aus Adjektiven (weit – weiten). Während andere Regeln in etwa diesem
Muster folgen, verhält sich die Entstehung von Adjektiven aus Partizipien etwas anders:
1. Die Partizipien sind vor der Umkategorisierung zu Adjektiven im Sinne der Flexionsregeln
voll flektiert, d.h. typenmaximal. Dies ist bei den anderen Konversionsformen nicht
der Fall.
2. Zumindest bei der Adjektivbildung auf der Basis des Partizips II kommt es zu Änderungen
in der Argumentstruktur, wie sie sonst nur bei der Derivation zu beobachten sind.
Die Argumentstruktur ist auch dafür maßgeblich, daß nicht alle Adjektivierungen möglich
sind, vgl. Toman (1987:377):
170

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
(43)
a) der gehaßte Hausmeister
b) der gefallene Engel
c) *das geschlafene Krokodil
Es sieht so aus, als könnten nur transitive oder unakkusativische Verben Basis für die
Bildung von Adjektiven aus den jeweiligen Partizip-II-Formen sein, wobei das interne
Argument des Verbs dabei zum referentiellen des Adjektivs wird.
Sollen beide Konversionstypen durch eine einzige Strukturregel erfaßt werden, so muß man
einen gemeinsamen Nenner für alle von der konvertierten Kategorie dominierten Kategorien
finden. Da die Bildung von Verbpartizipien als Flexion aufgefaßt wird, kann dieser Typ nur
pre_syntactic_atom sein:
(Regel VIII, Konversion)
cat(simple_stem ∧ Stem, L0,L1) ←
Stem ∧
true(cat(pre_syntactic_atom, L0,L1) ∧ Stem1) ∧
stem_conversion(Stem1) ∧
GRAPH: diff(L0, L1) ∧
STRUCTURE: [Stem1]
Hinter stem_conversion/1 verbergen sich die oben erwähnten Einzelregeln. Nachstehend der
Fall der Faktitiva-Verben:
(44) stem_conversion(SYN:HEAD:adjective ∧ SEM:(REFARG:Ref ∧ CONTENT:Cont)) ←
SYN:HEAD:(verb ∧ CAT:v) ∧
SEM:CONTENT: (two_place_operator_struct ∧ OPERATOR: op_causation ∧
CAUSER: Causer ∧ SCOPE: Cont ) ∧
SYN:ARGSTR: SUBJ: (Arg1 ∧ n(struc_case) ∧
SEM:REFARG: (Causer ∧ countable(animate_ind ))) ∧
SYN:ARGSTR:DIR_OBJ:(Arg2 ∧ n(struc_case) ∧ SEM:REFARG:Ref) ∧
SYN:ARGSTR:(INDIR_OBJ:[] ∧ PREP_OBJ:[] ∧ SENT_COMPL:[] ∧ DEFARGS:[]) ∧
SYN:ARGSTR:ARGSTR_ORDER:[Arg1, Arg2] 20
Die Regel bewirkt folgendes: die Bildung von Verben aus Adjektiven wie weit oder schwarz
wird verstanden als: “y bewirkt, daß A(x) gilt”, im Falle von schwärzen also:
λyλx cause(x, black(y)).
In stem_conversion/1 wird dies dadurch nachgebildet, indem die Struktur, die das Adjektiv
unter SEM:CONTENT trägt, in den Skopus eines Operators op_causation übernommen und ein
neues Argument Causer konstruiert wird, das zum Subjekt des neu gebildeten Verbs wird.
Die Selektionsbeschränkungen, die für das referentielle Argument des Adjektivs gelten,
vererben sich an das direkte Objekt des Verbs. Abb. 5.22 zeigt die Merkmalsstruktur von
“schwärzen”.
20 Die Sorten n/1 und countable/1 sind Templates und folgendermaßen definiert:
n(Case) ← SYN:HEAD: (noun ∧ CAT: n ∧ CASE: Case)
countable(OfType) ← COUNTABLE ∧ TYPE: OfType ∧ IS_GROUP: minus
171

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
GRAPH: schwärz , en
SYN:
SEM:
CAT: v
HEAD:
verb_inf
ARGSTR:
syn
EXTARG: 2
CONTENT:
SUBJ: 1
DIR_OBJ: 3
CAT: n
SYN: HEAD: CASE: snom
noun
SEM:
phrase
syn
REFARG: 2 TYPE: animate_ind
countable
nominal_semantics
CAT: n
SYN: HEAD: CASE: sacc
noun
SEM:
phrase
syn
ARGSTR_ORDER: 1 , 3
verbal_argstr
OPERATOR: op_causation
CAUSER: 2
SCOPE:
verbal_semantics
syntactic_atom
5.6 Unbekannte Wortteile
REFARG: 4 TYPE: physical_entity
countable
nominal_semantics
EVENTSTR: STATE:
lexical_content
two_place_operator_struct
RELCONST: black
RELARGS: 4
state
state_eventstr
Abb. 5.22: Analyse von „schwärzen“
Erfreulicherweise muß an der morphologischen Grammatik nichts geändert werden, um mit
unbekannten Wortteilen umzugehen. Der Segmentierer markiert einen nicht im Lexikon
verzeichneten Wortteil w mit unknown, was den Wortparser dazu veranlaßt, es mit der minimalen
Spezifikation
(45) unknown ∧ FORM:“unknown(w)“ ∧ SYN:HEAD: (noun ∨ adjective ∨ verb)
zu versehen. Der spezielle Typ unknown dient hier dazu, den unbekannten Wortteil von den
anderen im Wort zu unterscheiden. Die Spezifikation unter SYN:HEAD umfaßt gerade die
offenen Wortklassen, da sich die geschlossenen Klassen ohne großen Aufwand vollständig
angeben lassen.
Ist das unbekannte Wortsegment nicht das letzte im Wort, so stehen die Chancen gut, aufgrund
der in der Grammatik festgeschriebenen Regularitäten Informationen über diesen
Wortteil per Unifikation zu gewinnen. Abb. 5.23 zeigt dies am Beispiel des Wortes „schumi-
172

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
sierbar“, bei dem korrekt festgestellt wurde, daß es sich bei „schumisier-“ um ein Verb handelt
(viele Substrukturen wurden unterdrückt).
FORM: schumisier
SYN:
SEM:
HEAD: CAT: v
verb
syn
GRAPH: 1 schumisier , bar
SYN:
SEM:
HEAD: 2
syn
CAT: a
NUM: sg
adjective
REFARG: 3 individual
nominal_semantics
syntactic_atom
GRAPH: 1
SYN:
SEM: 4
HEAD: 2
syn
REFARG: 3
nominal_semantics
pre_syntactic_atom
GRAPH: 1
SYN:
SEM: 4
HEAD: 2
syn
complex_stem
EXTARG: simple_or_dotted_type
verbal_semantics
unknown_stem
FORM: bar
SYN:
SEM: 4
HEAD: 2
syn
derivative
Abb. 5.23: Ein Beispiel für ein Wort mit einem unbekannten Wortteil
Es ergeben sich hieraus jedoch auch Probleme. Zum einen sind alle Parser, auch der Top-
Down- oder Bottom-up-Chartparser, beim Parsen mit merkmalsbasierten Grammatiken anfällig
für Endlosschleifen. Das Problem läßt sich natürlich darauf zurückführen, daß bei
Verwendung von rekursiven Merkmalstrukturen (für Listen, Gruppen und dgl.), die Anzahl
der grammatischen Kategorien nicht mehr endlich ist, das Terminieren dieser Parser aber auf
der Endlichkeit der Menge der Nichtterminalsymbole beruht. Dem kann auf zweifache
Weise begegnet werden: es könnten mehrere Lexikoneinträge für unknown–Segmente angegeben
werden, bei denen insbesondere die Werte der rekursiven Merkmale disjunktiv auf
endlich viele Werte reduziert werden. Schließlich haben lexikalische Köpfe im Regelfall nicht
100 Default-Argumente, sondern vielleicht höchstens zwei. Oder man führt in den Chart-
Parser sog. Restriktoren ein (vgl. Shieber (1985a)), die rekursive Merkmale bei der Hüllenbildung
ignorieren, was effektiv einer endlichen Äquivalenzklassenbildung bzgl. der
grammatischen Kategorien gleichkommt.
173

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Das zweite Problem der Methode, unbekannte Wortteile unterspezifiziert dem Parser zu
präsentieren, besteht in der Vielzahl der möglichen Analysen. Hier bietet sich der (in Kapitel
4 schon einmal angedeutete) Weg an, Informationen, die ein (robuster) Satzparser über die
syntaktische Umgebung des als Ganzes unbekannten Wortes gewinnen kann, über eine passende
Instantiierung des Startsymbols der Wortgrammatik in die morphologische Analyse
einzuspeisen. Überhaupt kann die robuste Verarbeitung unbekannter Wörter nicht Aufgabe
der Morphologiekomponente allein sein. Und hier liegt gerade ein Vorteil in der Tatsache,
daß sich satzsyntaktische und wortsyntaktische Repräsentationen des gleichen Formalismus
bedienen.
Die errechneten Strukturen für Stämme vom Typ unknown_stem könnten gespeichert und
bei Erreichen einer bestimmten Vorkommenshäufigkeit ihre Generalisierung berechnet werden,
d.h. der spezifischste Merkmalsterm, der alle gespeicherten Merkmalsterme subsumiert.
5.7 Verwandte Arbeiten
5.7.1 Antworth (1994)
Antworth (1994) verwendet neben einem Two-Level-Segmentierer eine unifikationsbasierte
morphologische Grammatik auf der Grundlage des (nichttypisierten) PATR-II-Formalismus
(Shieber (1984)). PATR kennt neben sog. Templates, die nicht-rekursiven Sorten des hier verwendeten
Systems entsprechen und vor allem der Übersichtlichkeit des Lexikonaufbaus
dienen, und um Pfadgleichungen erweiterte kontextfreie Regeln. Pfadgleichungen treten in
zwei Formen auf: in Gestalt von = zur Festlegung von Merkmalswerten am
Ende von Pfaden und in der Form = zur Angabe von Reentranzen. Nachstehend
ist ein (in der Notation leicht angepaßter) Ausschnitt von Antworths Wortgrammatik
für das Englische wiedergegeben:
(46)
R1 Word → Stem Infl
=
=
=
= < Infl TENSE>
= < Infl AFORM>
R2 Stem → Stem1 Suffix
=
=
=
=
=
=
Regel R1 bezieht sich auf die Flexion. Genau ein Flexiv tritt zu einem Stamm, den es subkategorisiert
( = ); gleichzeitig legt es die Kategorie des flektierten
Wortes fest ( = ). Ähnliches gilt für Suffix in der Suffigierungsregel
R2; Affixe fungieren demnach wie Slash-Kategorien der Kategorialgrammatik.
Für die Analyse von Komposita wird keine erkennbare Vorsorge getroffen (wohl weil sie im
Englischen durch die Satzanalyse übernommen werden kann), ebensowenig wie eine semantische
Repräsentation für abgeleitete Stämme erzeugt wird.
5.7.2 Ritchie et al. (1992)
174

Kapitel 5: Eine merkmalsbasierte Beschreibung der Morphologie im Deutschen
Im Ansatz von Ritchie et al. (1992) werden Wortstrukturregeln in einem an der GPSG orientierten
Formalismus ausgedrückt und kategorielle Repräsentationen als Vektoren von Attribut-Wert-Paaren
repräsentiert. (47) zeigt die Flexionsregel (Ritchie et al. (1992:83)):
(47) [BAR 0] → [BAR 0], [FIX SUF]
Zusammen mit den Beispiellexikoneinträgen für cup und +s
(48) cup: [BAR 0, V –, N +, PLU –]
+s: [BAR –1, FIX SUF, V –, N +, PLU +]
und einem Word-Head Convention genannten Prinzip zur Perkolation von Kopfmerkmalen
ergibt sich Wortstruktur (49):
(49)
[BAR 0, V-, N +, PLU +]
[BAR 0, V-, N +, PLU -] [BAR -1, FIX SUF, V-, N +, PLU +]
cup +s
Wie man sieht, wird hier der Default-Mechanismus des relativierten Kopfs herangezogen (das
Merkmal PLU + des Flexivs hat Vorrang vor dem PLU – des Stamms), was leere Flexionsaffixe
für die Singularformen zumindest für diesen Fall unnötig macht, einen aber gleichzeitig
auch der Möglichkeit beraubt, mit Hilfe der Unifikation von Kopfmerkmalen die Zulässigkeit
von Morphemkombinationen zu überprüfen.
Mittels der Word-Daughter Convention werden Merkmale wie SUBCAT auch von Nichtköpfen
an das Gesamtwort vererbt, eine Word-Sister Convention regelt ähnlich wie das in 5.2.1 dargestellte
morphologische Subkategorisierungsprinzip das Verhältnis von Affixen und Stämmen.
Anders als im Modell von Antworth (1994) wird auch die N-N-Komposition durch
Verwendung von Regeln berücksichtigt, die immer ausschließlich linksverzweigende Wortstrukturen
erzeugen, demnach nicht ambig sind, auf der anderen Seite natürlich Analysen
ausschließen, wie die Autoren selbst einräumen (Ritchie et al. (1992:198)).
Die Semantik von komplexen Wörtern bleibt wie im Entwurf von Antworth unberücksichtigt.
5.8 Implementierung
Ich habe fast alle Teile der morphologischen Grammatik im Stuttgarter CUF-Formalismus
(Dörre et al. (1996)) implementiert. CUF besteht aus einem Compiler, der Merkmalsterme
nach Prolog übersetzt und einem Interpreter, der Anfragen ausführt und im wesentlichen
eine disjunktive Normalform der Anfrage herstellt. Die experimentelle Grammatik umfaßt
ca. 3000 Zeilen, davon sind ca. 1/3 Lexikoneinträge von knapp 30 Stämmen und 10 Affixen,
dazu kommen noch Flexive. Das System läuft unter Unix und Linux und analysiert komplexe
Wörter mit drei bis vier Teilen auf einem 300 MHz-Pentium-PC in ein bis fünf Sekunden.
Der CUF-Programmtext ist in Anhang C.3 wiedergegeben.
175

6 Zusammenfassung
Kapitel 6: Zusammenfassung
In diesem abschließenden Kapitel werden nochmals einige wesentliche Aspekte der dargestellten
Konzeption kritisch unter die Lupe genommen und mit einem kurzen Fazit bedacht.
6.1 Was erzielt wurde und was nicht
Das vorangegangene Kapitel versuchte, auf der Grundlage heutiger Wortbildungstheorien
einen formalen Rahmen zu konstruieren, in dem Hypothesen wie Argumentvererbung usw.
ausgedrückt werden können. Mit diesem Rahmen selbst ist vermutlich kein linguistischer
Erkenntnisgewinn verbunden, höchstens der, daß aufgrund der formalisierten Darstellung
jetzt genauere Aussagen über den Gegenstand möglich sind und dank der Implementierung
auch der Computer zum Test der Hypothesen herangezogen werden kann.
Man kann sich natürlich fragen, ob überhaupt erwartet werden kann, empirische Vorhersagen
mit Hilfe eines Formalismus zu gewinnen, der aufgrund seiner Möglichkeit, rekursive
Merkmalsstrukturen zu bilden, turingmaschinenäquivalent ist (vgl. Johnson (1988)). Allerdings
habe ich von diesen rekursiven Mechanismen eher geringen Gebrauch gemacht: anstelle
rekursiver Argumentlisten gibt es ausdifferenzierte Argumentstrukturen und da wo
Listen verwendet wurden, z.B. bei Default-Argumenten, können sie ohne weiteres durch
nicht-rekursive Strukturen ersetzt werden. Der Einwand indessen, den ich im ersten Kapitel
gegen lexikalische Regeln wegen ihrer Möglichkeit gemacht habe, beliebige funktionale Zusammenhänge
zu repräsentieren, fällt wieder auf mich zurück, da erstens Allomorphieregeln
verwendet wurden – die so etwas Ähnliches sind wie lexikalische Regeln auf Morphebene –
und zweitens mit Hilfe des morphologischen Subkategorisierungsprinzip in Verbindung mit
den Affix-Lexikoneinträgen ebenfalls relativ willkürliche Zusammenhänge zwischen Basis
und Derivat konstruiert werden könnten. Auf der Haben-Seite steht allerdings, daß
hierdurch einer notwendigen grammatischen Beschreibung der Wortbildung der ihr gebührende
Raum verschafft werden konnte.
Bei der Konstruktion der Grammatik habe ich versucht, mich von einem gewissen Minimalismus
leiten zu lassen, der sich in zwei Facetten äußert: erstens, vermittels Vererbungshierarchien
Dinge so weit wie möglich unterspezifiziert zu lassen und möglichst Supertypen
betreffende Generalisierungen zu machen, und zweitens, mit möglichst wenigen Regelschemata
auszukommen, ohne jedoch den Verbiegungen von Autoren wie Krieger (1994) zu folgen,
die versuchen, alles ins Korsett eines HPSG-Nachbaus zu pressen.
Meine Konzeption führte indes zu linguistischen Neuerungen wie der Kategorie
pre_syntactic_atom (die bisher bestimmt noch kein Linguist entdeckt hat), die aber ein formaler
Reflex der augenscheinlichen Hierarchisierung von morphologischen Prozessen ist
(vgl. Scalise (1988a)). Wenn es durch Umformung gelingen würde, die Kompositionsregel IV
in das Operatorgrammatikformat (vgl. Aho/Ullman (1972)) zu überführen, dann könnte
man auf solche Kategorien verzichten und sie durch eine Präzedenztabelle mit Einträgen für
die verschiedenen Affixe ersetzen, die dann den Parser bei seiner Analyse steuert.
Viele der Analysen, die in Kapitel 5 vorgestellt wurden, sind zugegebenermaßen etwas grob
und erreichen nicht die „Trennschärfe“, die beispielsweise in Fanselow (1981) erreicht
wurde. Allerdings war das Ziel dieser Arbeit auch etwas breiter gesteckt: neben einer vereinheitlichten
syntaktischen und (einfachen) semantischen Beschreibung von Wortbildung
und Flexion wurde der Gesamtentwurf auch noch in ein Modell der morphologischen Analyse
eingebettet und ein kleiner Beitrag zur Robustheit gemacht. Dies geht über das hinaus,
176

Kapitel 6: Zusammenfassung
was andere Unterfangen dieser Art wie das von Ritchie et al. (1992) oder Antworth (1994)
erzielten.
6.2 Typisierte Merkmalsstrukturen
Was bringen Grammatiken auf der Grundlage typisierter Merkmalsstrukturen? Sicherlich
erzwingen sie bei ihrer Konstruktion größere Genauigkeit und mehr Reflexion über die Ontologie
des Gegenstandsbereiches. Ob der von einigen Autoren wie Carpenter (1992) behauptete
Effizienzgewinn der typisierten Unifikation gegenüber ihrem untypisierten Pendant
tatsächlich eintritt – schließlich muß eine aufwendige Unifikationsoperation nicht
durchgeführt werden, wenn schon die Ausgangstypen nicht kompatibel sind – darf indessen,
vor allem bei überwiegend disjunktiv definierten Hierarchien bezweifelt werden. Meist
werden hierbei Kategorien unifiziert, die entweder vom gleichen Typ sind oder in einer Super–Subtyp-Beziehung
zueinander stehen.
Weitere Probleme von typisierten Formalismen im präsentierten Kontext sind:
• Wie im letzten Kapitel schon einmal kurz angedeutet, gibt es einen Zielkonflikt zwischen
Unterspezifikation einerseits und der Notwendigkeit, Typen voneinander unterscheidbar
zu machen andererseits. Ein maximal unterscheidbares Typensystem benutzt keine
Hierarchisierung in Subtypen; die einzelnen Typen sind durch Unifikation auseinanderzuhalten.
Dafür ist keine Unterspezifikation über Typen hinweg möglich. Auf der anderen
Seite stehen Typsysteme mit ausgeprägter hierarchischer Ordnung, in denen Sub-
und Supertypen durch Unifikation nicht voneinander zu trennen sind. Dies gelingt nur
durch eine nicht-monotone Subsumptionsoperation, die aber der Monotonie als einer
wünschenswerten Eigenschaft eines logischen Systems zuwiderläuft, wie folgendes Beispiel
noch einmal verdeutlicht:
t ↔ a | b
s1 ← X ∧ t ∧ (X v b) ∧ X ∧ a
s2 ← X ∧ a ∧ (X v b) ∧ X ∧ t
Die Sorten s1 und s2 sind nicht äquivalent.
• Wie ebenfalls im letzten Kapitel deutlich wurde, sind Merkmalsstrukturen nicht geeignet,
Wissensrepräsentationsformalismen zu ersetzen, obwohl sie ja mit diesen eng verwandt
sind. Möchte man sich, wie bei den Kompositadeutung mittels einer konzeptuellen
Relation in der Typenhierarchie von den spezifischeren Typen zu ihren Supertypen
bewegen, so erreicht man dies allenfalls durch eine geschickte Anordnung der Sorten im
Programmtext, nicht aber auf prinzipielle Weise. Auch sind hierbei keine Inferenzen
möglich. Hilfreich wäre bei der gewählten Logik gewesen, wenn sie über rekursive Typenconstraints
verfügen würde, wie sie in Systemen wie ALE (Carpenter/Penn (1994))
und TROLL (Gerdemann et al. (1995)) integriert sind. Mit diesem Hilfsmittel wäre es
möglich, einen guten Teil der notwendigen Wissensrepräsentation in die Typenconstraints
zu verlagern. Letztlich aber wird man bei einem realistischen Weltwissensfragment
nicht umhin können, auf einen der üblichen frame-basierten Wissensrepräsentationsformalismen
auszuweichen, mit dem auch prozedurales Wissen abgebildet werden
kann (vgl. Reimer (1991)).
• Zum Schluß: Unifikation scheitert oder sie scheitert nicht. Es gibt keine „Zwischenwerte“,
mit denen die graduelle Akzeptabilität einer Analyse ausgedrückt werden
177

Kapitel 6: Zusammenfassung
könnte und somit auch keine Gewichtung der Analysen nach Plausibilität stattfinden
kann.
Vielleicht ist der nichtmodulare Aufbau von Unifikationsgrammatiken, die Unmöglichkeit,
bei nichttrivialen Systemen die Konsequenzen kleinster Änderungen vorherzusehen, ihre
exponentielle Komplexität und ihr Alles-oder-Nichts-Charakter der Grund für das in letzter
Zeit wiedererwachte Interesse an Analysemethoden auf der Grundlage von endlichen Automaten
(vgl. den Sammelband von Roche und Schabes (1997) dazu). Mir fällt es allerdings
schwer zu sehen, wie eine Wortgrammatik mit semantischer Repräsentation mittels solcher
Methoden zu bewerkstelligen sein könnte.
6.3 Wortzerlegung und -analyse
An einigen Stellen – bei der Darstellung der Präfixverben und der -heit/-keit Alternation – ist
sichtbar geworden, daß man auch bei der morphologischen Analyse auf Informationen bzgl.
Silbenstruktur und Wortakzent zurückgreifen muß. Die Frage ist, in welcher Weise diese
Informationen in ein Gesamtsystem integriert werden sollten. Zwei Wege bieten sich an:
man benutzt Verfahren wie die Two-Level-Morphology, in deren Automaten man solche Informationen
hineinkodiert, oder man bereichert die morphologische Grammatik um Typen
und Merkmale zur Repräsentation phonetischer und phonologischer Sachverhalte, wie dies
im Rahmen der constraint-based phonology (Bird (1995)) erfolgt. Ich plädiere für die zweite
Alternative, da sie Schnittstellenprobleme vermeidet und nur einen einzigen Formalismus
zur Darstellung des sprachlichen Wissens verwendet. Man muß sich allerdings im klaren
darüber sein, daß man es dann nur noch mit einem reinem item-and-arrangement-Ansatz zu
tun hat und Aspekte einer item-and-process-Konzeption, wie sie dem TLM-Modell innewohnen,
vernachlässigt.
178

Literaturverzeichnis
Literaturverzeichnis
Abramson, H. (1992): »A Logic Programming View of Relational Morphology. Proc. of
COLING-92, S. 850-854.
Aho, Alfred V.; Corasick, Margaret J. (1975): »Efficient String Matching: An Aid to
Bibliographic Search«. Comm. ACM 18:6 (1975), S. 333-340.
Aho, Alfred V.; Ullman, Jeffrey D. (1972): The Theory of Parsing, Translating, and Compiling.
Vol. I: Parsing. Prentice-Hall: Englewood Cliffs.
Anick, Peter; Artemieff, Susanne (1992): »A High-level Morphological Description
Language Exploiting Inflectional Paradigms«. Proc. of COLING-92, S. 67-73.
Antworth, Evan L. (1994): »Morphological Parsing with a Unification-based Word
Grammar«. North Texas Natural Language Processing Workshop, University of Texas.
Aronoff, Mark (1976): Word Formation in Generative Grammar. Cambridge, Mass.: MIT Press.
Baayen, R. H.; Piepenbrock, R.; van Rijn, H. (1993): The CELEX Lexical Database (CD-ROM).
Linguistic Data Consortium, University of Pennsylvania, Philadelphia, PA.
Barton, G. Edward; Berwick, Robert C.; Ristad, E.S. (1987): Computational Complexity and
Natural Language. MIT Press, Cambridge, Mass.
Bear, John (1988): »Morphology with Two-Level Rules and Negative Rule Features«. Proc. of
COLING-88, S.28-31.
Bierwisch, Manfred (1983): »Semantische und konzeptuelle Repräsentation lexikalischer
Einheiten«. In: R. Ruzicka; W. Motsch (Hrsg.): Untersuchungen zur Semantik. Berlin:
Akademie Verlag.
Bierwisch, Manfred (1989): »Event Nominalization: Proposals and Problems«. In:
Linguistische Studien, Reihe A Arbeitsberichte, Bd. 194 (Zentralinstitut für
Sprachwissenschaft der Akademie der Wissenschaften der DDR), S. 1-73.
Bird, Steven (1995): Computational Phonology. A constraint-based approach. Cambridge
University Press, Cambridge.
Black, Alan W.; van de Plassche, J.; Williams, B. (1991): »Analysis of Unknown Words
through Morphological Decomposition«. Proc. of the 5th Conference of the European
Chapter of the ACL (1991), S. 101-106.
Boase-Beier, Jean; Toman, J.; Brekle, H.E.; Beier, D.; Stöhr, I. (1984): Endbericht DFG-Projekt
„Nominalkomposita“. Arbeitsbericht Nr. 41, Juli 1984, Regensburg.
Bußmann, Hadumod ( 2 1990): Lexikon der Sprachwissenschaft. Stuttgart: Kröner.
Calder, Jonathan (1989): »Paradigmatic Morphology«. Proc. of the 4th Conference of the
European Chapter of the ACL (1989), S. 58-65.
179

Literaturverzeichnis
Carpenter, Robert (1992): The Logic of Typed Feature Structures. Cambridge Tracts in
Theoretical Computer Science 32. Cambridge: Cambridge University Press.
Carpenter, Robert (1997): Type-Logical Semantics. Cambridge: MIT Press.
Carpenter, Robert; Penn, Gerald (1994): The Attribute Logic Engine. Version 2.0.1. User’s
Guide. Carnegie Mellon University, Pittsburgh.
Chang, Chin-Liang; Lee, Richard Char-Tung (1973): Symbolic Logic and Mechanical Theorem
Proving. Boston: Academic Press.
Chomsky, Noam (1965): Aspects of the Theory of Syntax. Cambridge, Mass.: MIT Press.
Chomsky, Noam (1981): Lectures on Government and Binding. Dordrecht: Foris.
Chomsky, Noam (1985): Knowledge of Language. New York: Praeger.
Chomsky, Noam; Halle, Morris (1968): The Sound Pattern of English. New York: Harper &
Row.
Daelemans, Walter (1987): Studies in Language Technology: An Object-Oriented Computer Model
of Morphophonological Aspects of Dutch. Dissertation, Katholieke Universiteit Leuven.
Daelemans, Walter; De Smedt, Koenraad (1994 ): »Default Inheritance in an Object-Oriented
Representation of Linguistic Categories «. International Journal of Human-Computer
Studies 41 (1994), 149-177
Dietrich, Rainer (1973): Automatische Textwörterbücher: Studien zur maschinellen Lemmatisierung
verbaler Wortformen des Deutschen. Tübingen: Niemeyer.
Dörre, Jochen; Dorna, Michael; Schneider, K. (1996): The CUF User’s Manual. Institut für
maschinelle Sprachverarbeitung, Universität Stuttgart.
Di Sciullo, Anna-Maria; Williams, Edwin (1987): On the Definition of Word. Linguistic
Inquiry Monograph No.14. Cambridge, Mass.: MIT Press.
Dörfler, Andreas; Hanneforth, Thomas (1995): »Morphologische Analyse und
Argumentstrukturberechnung«. In: Hitzenberger, L. (Hrsg.): Angewandte
Computerlinguistik. Hildesheim: Olms.
Dowty, David R. (1989): »On the Semantic Content of the Notion of ‘Thematic Role’«. In:
Chierchia, G.; Partee, Barbara H. und Turner, R. (Hrsg.): Properties, Types and Meaning.
Vol II. Semantic Issues. Dordrecht: Kluwer. S. 69-129.
Dowty, David R.; Wall, R. E.; Peters, S. (1981): Introduction to Montague Semantics. Dordrecht:
Reidel.
Duden (1984 4): Duden: Die Grammatik. Unentbehrlich für richtiges Deutsch. 4. Auflage,
Mannheim: Bibliographisches Institut.
180

Literaturverzeichnis
Earley, Jay (1970): »An Efficient Context-Free Parsing Algorithm«. Comm. ACM 13:2, S. 94-
102.
Eggers, Hans; Luckhardt, H.-D.; Maas, H.-D.; Weissgerber, M. (1980): SALEM: Ein Verfahren
zur automatischen Lemmatisierung deutscher Texte. Tübingen: Niemeyer.
Eisenberg, Peter (1998): Grundriß der deutschen Grammatik: Das Wort. Stuttgart: Metzler.
Fabri, Ray; Rumpf, C.; Urbas, M.; Walther, M. (1995): A Computational Model of Minimalist
Morphology. Arbeiten des SFB 282 (Theorie des Lexikons), Nr.62, 1995.
Fanselow, Gisbert (1981): Zur Syntax und Semantik der Nominalkomposition. Tübingen:
Niemeyer.
Fanselow, Gisbert (1985): »What is a cossible complex word?« In: Toman, Jindrich (Hrsg.):
Studies in German Grammar, Dordrecht:Foris, S.289-322.
Fanselow, Gisbert (1987): »Gemeinsame Prinzipien der Wort- und Phrasengrammatik«. In:
Asbach-Schnitker, Brigitte; Roggenhofer, J. (Hrsg.): Neuere Forschungen zur
Wortbildung und Historiographie der Linguistik, Tübingen: Narr, S. 177-196.
Fanselow, Gisbert (1988a): »'Word Syntax' and Semantic Principles«. In: Booij, G.; van
Marle, J. (Hrsg.): Yearbook of Morphology, 1988, Foris, Dordrecht, S. 95-122.
Fanselow, Gisbert (1988b): »Word Formation and the Human Conceptual System«. In:
Linguistische Studien, Reihe A Arbeitsberichte, Bd. 179 (Zentralinstitut für
Sprachwissenschaft der Akademie der Wissenschaften der DDR), S. 31-52 .
Finkler, Wolfgang; Neumann, Günter (1986): MORPHIX: Ein hochportabler Lemmatisierungsmodul
für das Deutsche. Universität des Saarlandes, KI-Labor Bericht Nr. 8, Juli 1986.
Gallmann, Peter (1990): Kategoriell komplexe Wortformen. Das Zusammenwirken von Morphologie
und Syntax bei der Flexion von Nomen und Adjektiv. Tübingen: Niemeyer.
Gazdar, Gerald; Klein, E.; Pullum, G.K.; Sag, I. (1985): Generalized Phrase Structure Grammar.
Oxford: Basil Blackwell.
Gazdar, Gerald (1985): »Review Article: Finite State Morphology«. Linguistics 23 (1985), S.
597-607.
Gerdemann, Dale (1994): »Complement Inheritance as Subcategorization Inheritance«. In:
Nerbonne, John; Netter, K.; Pollard, C. (Hrsg.): German in Head-Driven Phrase Structure
Grammar, 1994, CSLI, S. 341-363.
Gerdemann, Dale; Götz, T.; Griffith, J.; Kesper, S.; Morawietz, F. (1995): Troll Manual.
Seminar für Sprachwissenschaft, Universität Tübingen.
Handwerker, B. (1985): »Review of Fanselow (1981)«. Beiträge zur Geschichte Der Deutschen
Sprache und Literatur 107, S. 114-117.
181

Literaturverzeichnis
Heilmann, Axel (1991): Argumentstruktur. Arbeitspapiere des SFB 340: "Sprachtheoretische
Grundlagen der Computerlinguistik", Nr.15.
Heinz, Wolfgang; Matiasek, Johannes (1994): »Argument Structure and Case Assignment in
German«. In: Nerbonne, John; Netter, K.; Pollard, C. (Hrsg.): German in Head-Driven
Phrase Structure Grammar, 1994, CSLI, S. 199-236
Hockett, Charles F. (1954): »Two Models of Grammatical Description«. Word 10 (1954), S.
210-234.
Höhle, Tilmann (1982): »Über Komposition und Derivation: zur Konstituentenstruktur von
Wortbildungsprodukten im Deutschen«. Zeitschrift für Sprachwissenschaft 1 (1982), S.
76-112.
Hoeppner, Wolfgang (1980): Derivative Wortbildung der deutschen Gegenwartssprache und ihre
algorithmische Analyse. Tübingen: Narr.
Holl, Alfred (1988): Romanische Verbalmorphologie und relationentheoretische mathematische
Linguistik. Tübingen: Niemeyer.
Hopcroft, John E.; Ullman, J.D. (1979): Introduction to Automata Theory, Languages and
Computation. Reading, Mass.: Addison-Wesley.
Jackendoff, Ray (1975): »Morphological and Semantic Regularities in the Lexicon«. Language
Vol. 51, No. 3 (1975), S. 639-671.
Johnson, Mark (1988): Attribute-Value Logic and the Theory of Grammar. Stanford: CSLI.
Johnson, Mark (1994): »Two Ways of Formalizing Grammars«. Linguistics and Philosophy 17,
1994, S. 221-248.
Karlsson, Fred (1986): »A Paradigm-Based Morphological Analyzer«. In: Karlsson, F. (Hrsg.):
Papers from the Fifth Scandinavian Conference of Computational Linguistics. Helsinki, Dez.
1985, S.95-112.
Karttunen, Lauri; Kaplan, Ronald M.; Zaenen, Annie (1992): »Two-Level-Morphology with
Composition«. Proc. of COLING-92, S. 141-148.
Kasper, R.; Rounds, W. (1986): »A Logical Semantics for Feature Structures«. Proc. ACL 1986,
S. 257-266.
Kay, Martin (1977): »Morphological and Syntactic Analysis«.In: Zampolli, A. (Hrsg.):
Linguistic Structures Processing (1977), S. 131-234.
Kay, Martin (1980): »Algorithm Schemata and Data Structures in Syntactic Processing«. In:
Grosz, Barbara J.; Sparck Jones, Karen; Webber, Bonnie Lynn (Hrsg.): Readings in Natural
Language Processing, 1986, Los Altos: Morgan Kaufmann, S. 35-70.
Kay, Martin (1982): »When Meta-Rules are not Meta-Rules«. In: Sparck-Jones, K; Wilks, Y.
(Hrsg.): Automatic Natural Language Processing.
182

Literaturverzeichnis
Kaplan, Ronald M.; Kay, Martin; (1994): »Regular Models of Phonological Rule Systems«.
Computational Linguistics (1994), S. 331-379.
Karttunen, Lauri (1984): »Features and Values«. In: Proceedings of COLING 84, S. 28-33.
Knuth, Donald E. (1973): The Art of Computer Programming. Volume 3: Searching and Sorting.
Reading, Mass.: Addison-Wesley.
König, Esther (1996): Introduction to Categorial Grammars. Manuskript, Institut für
maschinelle Sprachverarbeitung, Universität Stuttgart.
König, Esther (1998): A CUF Tutorial. Manuskript, Institut für maschinelle
Sprachverarbeitung, Universität Stuttgart.
Konrad, Karsten (1995): The CLIG Grapher for Linguistic Data Structures. Unveröffentl.
Manuskript, Universität des Saarlandes, Saarbrücken.
Konrad, Karsten (1997): Extending CLIG: Interaction and User Defined Graphics. Unveröffentl.
Manuskript, Universität des Saarlandes, Saarbrücken.
Koskenniemi, Kimmo; Church, Kenneth W. (1988): »Complexity, Two-Level Morphology
and Finnish.« Proc. of COLING-88, S. 335-339.
Koskenniemi, Kimmo (1984): »A General Computational Model for Word-Form Recognition
and Production«. Proc. of COLING-84, S. 178-181.
Koskenniemi, Kimmo (1986): »Compilation of Automata from Morphological Two-Level
Rules.« Papers from the 5th Scandinavian Conference on Computational Linguistics
(Universität Helsinki), 1986.
Krieger, Hans-Ulrich (1994): »Derivation without Lexical Rules«. In: Rupp, C.J.; Rosner,
M.A.; Johnson, R.L. (Hrsg): Constraints, Language and Computation. 1994, Academic
Press, S. 277-313.
Krieger, Hans-Ulrich; Nerbonne, J.; Pirker, H. (1993): Feature-Based Allomorphy. Research
Report 93-28, Deutsches Forschungszentrum für Künstliche Intelligenz.
Lieber, Rochelle (1980): The Organization of the Lexicon. PhD Dissertation, MIT.
Link, Godehard (1991): »Plural«. In: Wunderlich, D. und von Stechow, A. (Hrsg.): Handbook
of Semantics. Berlin: de Gruyter.
Lühr, Rosemarie (1986): Neuhochdeutsch. München: Fink.
Meyer, Ralf (1993): Compound Comprehension in Isolation and in Context. The Contribution of
Conceptual and Discourse Knowledge to the Comprehension of German Novel Noun-Noun
Compounds. Tübingen: Niemeyer.
Moortgat, Michael (1986): »Compositionality and the Syntax of Words«. In: Groenendijk,
Jereon; de Jongh, Dick; Stokhof, Martin (Hrsg.): Foundations of Pragmatics and Lexical
Semantics, Dordrecht: Foris, S. 41-62.
183

Literaturverzeichnis
Naumann, Sven; Langer, H. (1994): Parsing. Stuttgart: Teubner.
Olsen, Susan (1986): Wortbildung im Deutschen. Stuttgart: Kröner.
Olsen, Susan (1990): »Zur Suffigierung und Präfigierung im verbalen Bereich des
Deutschen«. Papiere zur Linguistik Nr. 42 (Heft 1/1990).
Olsen, Susan (1991): »Empty Heads as the Source of Category Change in Word Structures«.
Papiere zur Linguistik 44/45, Heft 1/2 (1991) S. 109-130
Olsen, Susan (1994): Theoretische Schwerpunkte in der Morphologie. Vorlesungsskript,
Universität Stuttgart, Sommersemester 1994.
Paulus, Dietrich (1986): Ein Programmpaket zur morphologischen Analyse. Informatik-
Diplomarbeit (1986), Universität Erlangen-Nürnberg.
Pollard, Carl; Sag, I.A. (1987): Information-based Syntax and Semantics. Chicago: CSLI.
Pustejovsky, James (1991): »The Generative Lexicon«. Computational Linguistics 17 (4), 1991,
S. 409-441.
Pustejovsky, James (1991): »The Syntax of Event Structure«. Cognition 41 (1991), S. 47-81.
Pustejovsky, James (Hrsg.) (1993): Semantics and the Lexicon. Dordrecht: Kluwer.
Pustejovsky, James (1993): »Type Coercion and Lexical Selection«. In: Pustejovsky, J. (Hrsg.):
Semantics and The Lexicon.
Pustejovsky, James (1995): The Generative Lexicon. Cambridge, Mass.: MIT Press.
Reape, M.; Thompson, H. (1988): »Parallel Intersection and Serial Composition of Finite
State Transducers«. Proc. of COLING-88, S.535-539.
Reimer, Ulrich (1991): Einführung in die Wissensrepräsentation. Stuttgart: Teubner.
Reis, Marga (1983): »Gegen die Kompositionstheorie der Affigierung«. Zeitschrift für
Sprachwissenschaft 2,1 (1983), S.110-131.
Riehemann, Susanne (1994): Morphology and the Hierarchical Lexicon. Manuskript, Stanford
University.
Ritchie, Graeme D.; Russell, G. J.; Black, A. W.; Pulman, S. G. (1992): Computational
Morphology: Practical Mechanisms for the English Lexicon. Cambridge, Mass.: MIT Press.
Roche, Emmanuel; Schabes, Yves (1997, Hrsg.): Finite-State Language Procressing.
Cambridge, Mass.: MIT Press.
Rounds, William C.; Kapser, R. (1986): »A Complete Logical Calculus for Record Structures
Representing Linguistic Information«.
Scalise, Sergio: (1988a): »Inflection and Derivation«. Linguistics 26 (1988).
184

Literaturverzeichnis
Scalise, Sergio: (1988b): »The Notion of 'Head' in Morphology«. In: Booij, G.; van Marle, J.
(Hrsg.): Yearbook of Morphology. Foris, Dordrecht, S: 229-246.
Schiller, Anne; Steffens, P. (1991): »Morphological Processing in the Two-Level-Paradigm«.
In: O.Herzog, C.-R.Rollinger (Hrsg.): Text Understanding in LILOG. Berlin: Springer,
S.122-126.
Schöning, Uwe (1989): Logik für Informatiker. Mannheim: BI Wissenschaftsverlag.
Selkirk, Elisabeth O. (1982): The Syntax of Words. Cambridge, Mass.: MIT Press.
Shieber, Stuart M. (1985): »Criteria for Designing Computer Facilities for Linguistic
Analysis«. Linguistics 23. S. 189-211.
Shieber, Stuart M. (1985a): »Using Restrictions to Extend Parsing Algorithms for Complex-
Feature-Based Formalisms«. In : Proceedings of the 23th Annual Meeting of the
Association for Computational Linguistics, S. 145-152.
Shieber, Stuart M. (1986a): »The Design of a Computer Language for Linguistic
Information«. Proc. COLING 1986, S. 211-215.
Shieber, Stuart M. (1986): Introduction to Unification-based Grammar Formalisms. Chicago:
CSLI.
Spencer, Andrew (1991): Morphological Theory. Oxford: Blackwell.
Smolka, Gerd (1992): »Feature Constraint Logics for Unification Grammars«. Journal of Logic
Programming, vol. 12, S. 51-87.
Thurmair, G. (1986a): »Ein morphologisches Prozessorfragment zur Erzeugung von
Grundformen mithilfe von Lernverfahren«. In: Schwarz, C.; Thurmair, G. (Hrsg.):
Informationslinguistische Texterschließung. Olms, Hildesheim. S. 8-31
Thurmair, G. (1986b): »Eine maschinelle morphologische Analyse des Deutschen« . In:
Schwarz, C.; Thurmair, G. (Hrsg.): Informationslinguistische Texterschließung. Olms,
Hildesheim, S. 66-107
Toman, Jindrich (1986): »A (Word-)Syntax for Participles«. Linguistische Berichte 105, S. 367 -
408.
Toman, Jindrich ( 2 1987): Wortsyntax: Eine Diskussion ausgewählter Probleme deutscher
Wortbildung. Tübingen: Niemeyer.
Tomita, M. (1987): »An Efficient Augemented Context-free Parsing Algorithm«.
Computational Linguistics 13,1/2, S. 31-46.
Trost, Harald (1990): »The Application of the Two-Level Morphology to Nonconcatenative
German Morphology.« Proceedings of COLING-90, S. 371-376.
Trost, Harald; Buchberger, E. (1981): Lexikon, morphologische Analyse und Synthese im System
VIE-LANG. Bericht 81-02. Institut für Medizinische Kybernetik, Universität Wien.
185

Literaturverzeichnis
Ullman, Jeffrey D. (1988): Principles of Database and Knowledge-Base Systems. Volume I:
Classical Database Systems. Rockville, Maryland: Computer Science Press.
Williams, Edwin (1981): »On the notions of ‘lexically related’ and ‘head of a word’«.
Linguistic Inquiry, 12, S.245-274.
Wisniewski, E.J./Gentner, D. (1991): „On the Combinatorial Semantics of Noun Pairs: Minor
and Major Adjustments to Meaning“. In: G.B. Simpson (Hrsg.): Understanding Word
and Sentence, Elsevier, North-Holland, S. 241-284.
Wunderlich, Dieter (1987): »An Investigation of Lexical Composition: the Case of German
be- Verbs«. Linguistics 25 (1987), S. 283 - 332.
Wunderlich, Dieter (1992): A Minimalist Analysis of German Verb Morphology. Arbeiten des
SFB 282 »Theorie des Lexikons« Nr.21, Mai 1992.
Wunderlich, Dieter; Fabri, Ray (1994): Minimalist Morphology: An Approach to Inflection.
Manuskript, Universität Düsseldorf.
186

Anhang A: Algorithmen
Anhang A: Analysealgorithmen
Dieser Anhang enthält die Algorithmen zur Konstruktion des segmentierenden Automatens.
A.1 Konstruktion des Segmentierers
A.1.1 Konstruktion von Übergangs-, failure- und Ausgabefunktion
Nachfolgend sind die (leicht adaptierten, da teilweise in eine objektorientierte Form gebrachten)
Originalalgorithmen von Aho/Corasick (1975) aufgeführt. Alle weiteren Algorithmen
in diesem Anhang machen ebenfalls Gebrauch der objektorientierten
Notationsweise.
Algorithmus A.1: Konstruktion der Übergangsfunktion
Eingabe: Eine Menge von Schlüsselwörtern (Listemen) S = { s1s2 ... sn}.
Das Alphabet � und der Anfangszustand startstate des Automaten
Ausgabe Übergangsfunktion g und teilweise berechnete Ausgabefunktion output.
Verfahren begin
newstate := startstate
for i := 1 to n do
insert(si);
for all a � � such that g(startstate,a) = fail do
g(startstate,a) := startstate
end;
procedure insert(a1a2 ... ak);
begin
state := startstate;
for i := 1 to k do begin
if g(state,ak) = fail then begin
newstate := NewState();
g(state,ak) := newstate;
state := newstate
end
else
state := g(state,ak);
end;
output(state) := { a1a2 ... ak }
end;
Algorithmus A.1: Konstruktion der Übergangsfunktion (nach Aho/Corasick (1975:336))
Algorithmus A.1 erhält eine Menge von Zeichenketten und fügt diese der Reihe nach ein.
Anschließend wird für alle Alphabetsymbole, für die es vom Startzustand keinen Übergang
in einen anderen Zustand gibt, ein Übergang zurück zum Startzustand eingefügt. Diese
Schleifen stellen sicher, daß der Automat bei jedem Zustandswechsel ein Eingabesymbol
187

Anhang A: Algorithmen
konsumiert und sind darüber hinaus dafür zuständig, unbekannte Teile in der Eingabekette
zu überspringen.
Zum Einfügen einzelner Zeichenketten dient die Prozedur insert. Ausgehend vom Startzustand
des Automaten wird in jedem aktuellen Zustand geprüft, ob es für das gerade betrachtete
Eingabesymbol einen Übergang in einen anderen Zustand gibt. Ist dies der Fall, so
wechselt der Automat in diesen Zustand, andernfalls wird mit Hilfe der Funktion NewState
ein neuer, bisher noch nicht existierender Zustand erzeugt und die Übergangsfunktion um
einen Übergang in diesen Zustand erweitert. Für den nach Abarbeitung der Eingabekette
erreichten Zustand wird in der Ausgabefunktion output diese Eingabekette eingetragen.
Algorithmus A.2: Konstruktion der failure-Funktion
Eingabe: Übergangsfunktion g und Ausgabefunktion output aus Algorithmus A.1.
Das Alphabet � und der Anfangszustand startstate des Automaten
Ausgabe: failure-Funktion failure und die vervollständigte Ausgabefunktion output.
Verfahren begin
queue := Queue.new;
for each a � � such that g(startstate,a) = s � startstate do begin
queue.enqueue(s);
failure(s) := startstate
end;
while queue.nonempty do begin
r := queue.dequeue;
for each a � � such that g(r,a) = s � fail do begin
queue.enqueue(s);
state := failure(r);
while g(state,a) = fail do
state := failure(state);
failure(s) := g(state,a);
output(s) := output(s) � output(failure(s))
end
end;
end;
Algorithmus A.2: Konstruktion der failure- und Ausgabefunktion (nach Aho/Corasick (1975:336))
Zur Zwischenspeicherung von noch nicht bearbeiteten Zuständen wird eine Queue (Last-In-
Last-Out-Struktur) verwendet, die mit den Zuständen initialisiert wird, die vom Startzustand
des Automaten durch einen Übergang erreichbar sind und die nicht identisch mit dem
Startzustand selbst sind. Als Funktionswert der failure-Funktion wird für jeden dieser Zustände
der Startzustand eingetragen, da, falls ein Übergang für irgendein Symbol in einem
dieser Zustände nicht definiert ist, der Zustand, in dem die Analyse fortgesetzt werden
kann, eben der Startzustand ist.
Eine anschließende while-Schleife verarbeitet nun die Queue solange, bis sie leer wird.
Hierzu wird ein Zustand r am Kopf der Queue entnommen und alle Zustände s, die von r
erreicht werden können, in die Queue aufgenommen. Für diese wird der Wert der failure-
Funktion aufgrund der failure-Funktionswerte der bereits verarbeiteten Zustände berechnet.
188

Anhang A: Algorithmen
A.1.2 Umwandlung des parallelen Pattern-Matchers in einen DEA
Algorithmus A.3 formalisiert die Umwandlung eines parallelen Pattern-Matchers, wie ihn
Algorithmus A.1 erzeugt, in einen deterministischen endlichen Automaten (DEA).
Algorithmus A.3: Determinisierung eines parallelen Pattern-Matchers
Eingabe: goto- und failure-Funktion eines Pattern-Matchers
Ausgabe: Der Pattern-Matcher als deterministischer endlicher Automat
Verfahren begin
queue := Queue.emptyQueue
for each a � � do begin
�(startstate,a) := goto(startstate,a)
if goto(startstate,a) � startstate then
queue.enqueue(g(startstate,a))
end;
end
while queue � empty do begin
r := queue.dequeue;
for each a � � do
if s = g(r,a) � fail then begin
queue.enqueue(s)
delta(r,a) := s
end else
delta(r,a) := delta(failure(r),a)
end
Algorithmus A.3: Konstruktion der failure- und Ausgabefunktion (nach Aho/Corasick (1975:336))
189

Anhang B: Typenhierarchie und Merkmalseinführung
Anhang B: Typenhierarchie und Merkmalseinführung
Allgemeines
Der allgemeinste Typ > (top) wird unterteilt in afs (atomic feature structure) und cfs (complex
feature structure); nur cfs und seine Subtypen können Merkmale haben.
Listen sind entweder leer (elist) oder nicht leer (nelist); im letzten Fall haben sie Merkmale
für Listenkopf und Listenrest. Strings sind Zeichenketten in doppelten Anführungszeichen.
> � afs | cfs
string � afs
list � elist | nelist
nelist :: ´F´: top � ´R´: list
Morphologische Hierarchie
morph_or_syn_object � cfs
morph_or_syn_object � morph_object | sign
morph_or_syn_object :: GRAPH: list(letter) � SYN: syntax � SEM: semantics
morph_object � simple_or _complex_stem | linking_morph | pre_syntactic_atom | affix
morph_object :: MORPH: morph
sign � syntactic_atom | phrase
simple_or _complex_stem � simple_stem | complex_stem
simple_or _complex_stem :: STRUCTURE: list(morph_object)
affix � prefix | suffix
suffix � infl_affix | derivative
simple_stem � unknown_stem
form_t � suffix � prefix � simple_stem
form_t :: FORM: string
Hierarchie unter SYN:
syntax :: HEAD: head � ARGSTR: argstr
head � nominal | verbal | preposition
head :: CAT: cat
nominal � noun | adjective | pronoun | determiner
nominal :: CASE: case � GENDER: gender
adjective ::DEGREE: degree � DECL: decl � PRED: boolean
verb � verbal
verb � verb_infl_or_imp | verb_infinitive
verb_infl_or_imp � verb_infl | verb_imp
verb_infinitive � verb_part | verb_inf_base
verb_inf_base � verb_inf | verb_zuinf
verb_part � verb_partI | verb_partII
190

verb_infl_or_imp :: MOOD: mood
verb_infl :: TENSE: tense
Anhang B: Typenhierarchie und Merkmalseinführung
preposition :: PFORM: afs_ymbol � DP_CASE: case
num_t � verb_infl_or_imp � nominal
num_t :: NUM: num
pers_t � verb_infl � nominal
pers_t :: PERS: pers
cat � n | v | a | p |adv | d | pn
case � syntactic_case � morphological_case
morphological_case � nom � gen � dat � acc
syntactic_case � lex_case � struc_case
lgen � gen � lex_case
ldat � dat � lex_case
lacc � acc � lex_case
snom � nom � struc_case
sgen � gen � struc_case
sacc � acc � struc_case
pers � first | second | third
num � sg | pl
tense � pres | pret
mood � ind | subjI | subjII | imp
gender � masc | fem | neut
decl � strong | weak | mixed
degree � pos | comp | sup
Hierarchie unter SYN:AGRSTR:
argstr � verbal_argstr | nominal_argstr
argstr ::
DEFARGS: list(morph_or_syn_object) �
ADJUNCTS: list(morph_or_syn_object) �
ARGSTR_ORDER: list(morph_or_syn_object)
verbal_argstr ::
SUBJ: morph_or_syn_object_or_elist �
DIR_OBJ: morph_or_syn_object_or_elist �
INDIR_OBJ: morph_or_syn_object_or_elist �
PREP_OBJ: morph_or_syn_object_or_elist �
SENT_COMPL: morph_or_syn_object_or_elist �
nominal_argstr � noun_argstr | adj_argstr
nominal_argstr :: RELARG: morph_or_syn_object_or_elist
adj_argstr :: INTARG: morph_or_syn_object_or_elist
morph_or_syn_object_or_elist � sign | elist
191

Hierarchie unter MORPH:
Anhang B: Typenhierarchie und Merkmalseinführung
morph :: MHEAD: mhead � MFEAT: mfeat � MSUBCAT: morph_subcat
noun_mhead � mhead
mhead :: LATINATE: boolean
noun_mhead :: DECL_CLASS: decl_class
morph_object_or_elist � morph_object | elist
mfeat ::
COMPLEX: boolean � % ist die Form komplex?
COMPLETE: boolean � % ist die Form flektionsmäßig vollständig ?
UMLAUT: boolean � % kann der Grundvokal umgelautet werden?
DER: boolean � % kann die Form für die Derivation verwendet werden?
CMP: boolean � % kann die Form für die Komposition verwendet werden?
verb_mfeat � mfeat
verb_mfeat ::
SEP_VERB: boolean � % handelt es sich um ein Partikelverb?
V_PARTICLE: afs_symbol % wenn ja, dann enthält dieses Merkmal den Partikel
affix_subcat � morph_subcat
affix_subcat :: NEEDS: morph_object_or_elist
Hierarchie unter SEM:
semantics � nominal_semantics | verbal_semantics
semantics :: CONTENT: content
nominal_semantics :: REFARG: simple_or_dotted_type
verbal_semantics :: EXTARG: simple_type
content � lexical_content | operator_content
lexical_content :: EVENTSTR: eventstr
simple_or_dotted_type � simple_type | dotted_type
simple_type � countable | uncountable
simple_type :: TYPE: entity
countable � individual | group
countable :: IS_GROUP: boolean
group :: GROUP_OF: countable
dotted_type :: TYPES: list � TYPE_REL: list
content � lexical_content | operator_content
one_place_operator_struct � operator_content
operator_content :: OPERATOR: operator
one_place_operator_struct :: SCOPE: content
operator � one_place_operator | two_place_operator
one_place_operator � op_modality | op_negation | op_abstraction |op_identity
192

Anhang B: Typenhierarchie und Merkmalseinführung
op_modality � op_possibility | op_necessity
event � activity | state
eventstr � activity_eventstr � state_eventstr
activity_eventstr :: EVENT: activity
state_eventstr :: STATE: state
transition_eventstr � activity_eventstr � state_eventstr
transition_eventstr � achievement | accomplishment
transition_eventstr :: EVENTRESTR: eventrestr � EVENTHEAD: event
Konzepthierarchie unter TYPE:
entity � physical_entity | abstract_entity
physical_entity � animate_ind | inanimate_ind
animate_ind � human | nonhuman
nonhuman � animal | plant
inanimate_ind � matter | physical_obj
matter � solid_state | liquid
solid_state � metal | stone | china | paper | glass
liquid � water | oil
physical_obj � book | musical_instrument | tool | food | place
tool � knife | cup | blade
food � bread | cake
place � building | room
factory � building
abstract_entity � temporal | nontemporal
event � temporal
activity � event
nontemporal � abstract_obj | abstract_nonobj
abstract_obj � institution
abstract_nonobj � information | property | relation | collection
text � information
state � relation
Diverses
role ::ROLE: thetarole � SEL_RESTR: simple_or_dotted_type
thetarole � agent | patient | theme | instrument | experiencer | goal | source | location |
beneficiary | dont_know
agent � exhibiter | producer | worker | lender
theme � exhibited | produced | lended_thing
dont_know � substratum | organisation
relation_or_elist � relation | elist
relation ::RELCONST: afs_symbol � RELARGS: list
accessible_relation :: ACCESSIBLE_ARGS: list
event :: EVENT_TYPE: afs_symbol � ROLES: list � ACCESSIBLE_ROLES: list
193

Anhang C: Programmcode
Anhang C: Programmcode
Anhang C enthält die Programmtexte der Analyseautomaten und der morphologischen
Grammatik. In C.1 ist der Segmentierer dokumentiert, in C.2 der unifikationsbasierte Chart-
Parser.
C.3 gibt die CUF-Implementierung der morphologischen Grammatik wieder.
C.1 Der Segmentierer
/*********************************************************************************************************************************
File: segment.pl
Language: Sicstus Prolog 3.5
Author: Thomas Hanneforth, University of Potsdam, Germany
Date: Feb. 98
Desc.: implements the segmenting automation
*********************************************************************************************************************************/
:- ensure_loaded([library(lists)]).
:- [utils].
:- [automat]. % Alphabet and start state of the segmentizer
/*********************************************************************************************************************************
parse_word(Word:,Structures:)
Top level predicate of the word parser; calls predicates init_chart/0, shift/1 in
wordchart.pl
Use word_segmentation/2 if you are only interested in the known
segments of Word
*********************************************************************************************************************************/
parse_word(Word,Structures) :-
init_chart,
% convert Word into a list of atoms, e.g. 'Hi' becomes ['H',i]
atom_to_atomlist(Word,Symbollist),
startstate(StartState),
% shift the found segments into the chart
insert_segments_into_chart(Symbollist,StartState,1,Word),
% check whether it's necessary to insert "unknown"-segments
% after the last lexical segment
complete_chart(Word),
startcat(Startcat),
length(Symbollist,Wordlength),
% find all edges spanning the whole word
generate_structures(Startcat,Wordlength,Structures).
194

Anhang C: Programmcode
/*********************************************************************************************************************************
insert_segments_into_chart(Symbollist:,
State:,Pos:,Word:):
Segmentizes the word given in Symbollist into the known segments
(determined by the lexicon) and inserts them via shift/3 into the chart.
*********************************************************************************************************************************/
insert_segments_into_chart([],_State,_Index,_Word).
insert_segments_into_chart([Letter|Restletters],State,I,Word) :-
non_failure_state(State,Letter,NonFailState),
transition(NonFailState,Letter,NewState),
output(NewState,WordList),
(WordList = [] -> % is the output function defined ?
true
;
% yes, so convert the items in output into segments
( word_to_segment_conversion(WordList,I,Segments),
shift_all(Segments,Word) % insert all segments into the chart
)
),
J is I + 1,
insert_segments_into_chart(Restletters,NewState,J,Word).
/*********************************************************************************************************************************
shift_all(Segment:, Word:)
inserts all segments into the chart; Word is the word to be analyzed
*********************************************************************************************************************************/
shift_all([],_Word).
shift_all([Segment|Segments],Word) :-
shift(Segment,Word),
(morphdebug(on) ->
( write('Inserted segment:'), write(Segment), nl, nl,
complete_edges, nl,
incomplete_edges, nl,
get0(_)
)
;
true
),
shift_all(Segments,Word).
/*********************************************************************************************************************************
word_segmentation(Atomlist:,Segments:)
Standalone predicate
segmentizes Word into Segments
e.g. 'rechnest' becomes (with suitable lexicon entries): [seg(1,rechn,5),seg(6,st,8)]
*********************************************************************************************************************************/
word_segmentation(Word,Segments) :-
% convert Word into a list of atoms, e.g. 'Hi' becomes ['H',i]
atom_to_atomlist(Word,Symbollist),
startstate(StartState),
word_segmentation(Symbollist,StartState,1,[],ReverseSegments),
% reverse the segment list
reverse(ReverseSegments,Segments).
195

Anhang C: Programmcode
/*********************************************************************************************************************************
word_segmentation(Atomlist:,Startstate:,
Index:,Segments:)
*********************************************************************************************************************************/
word_segmentation([],_State,_Index,Seg,Seg).
word_segmentation([Letter|Rest],State,I,SegsSoFar0,Segments) :-
non_failure_state(State,Letter,NonFailState),
transition(NonFailState,Letter,NewState),
output(NewState,WordList),
(WordList = [] -> % is the output function defined ?
SegsSoFar1 = SegsSoFar0
;
% yes, so convert the items in output into segments
( word_to_segment_conversion(WordList,I,NewSegments),
append(NewSegments,SegsSoFar0,SegsSoFar1)
)
),
J is I + 1,
word_segmentation(Rest,NewState,J,SegsSoFar1,Segments).
/*********************************************************************************************************************************
non_failure_state(State:,Letter:,NonFailState:)
NonFailState = State if there is transition from State with Letter
*********************************************************************************************************************************/
non_failure_state(State,Letter,State) :-
transition(State,Letter,NewState),
NewState \== fail,
!.
non_failure_state(State0,Letter,State) :-
transition(State0,Letter,fail), % no transition
f(State0,State1), % failure function
non_failure_state(State1,Letter,State).
/*********************************************************************************************************************************
transition(State1:,Char:,State2:):
State2 is the state which is reachable from State1 with Char.
if there isn't a transition then State2 = fail
*********************************************************************************************************************************/
transition(State1,AlphabetSymbol,fail) :-
\+ tr(State1,AlphabetSymbol,_),
!.
transition(State1,AlphabetSymbol,State2) :-
tr(State1,AlphabetSymbol,State2).
/*********************************************************************************************************************************
output(State:,WordList:):
Returns a list of morphs if the analysers output function is defined,
otherwise the empty list.
*********************************************************************************************************************************/
output(State,Wordlist) :-
(o(State,Wordlist) ->
true
;
Wordlist = []). % function undefined
196

Anhang C: Programmcode
/*********************************************************************************************************************************
File: automat.pl
Description: Definition of the alphabet and the start state of the segmentizer
Date: March 98
/*********************************************************************************************************************************
startstate(s0).
/*********************************************************************************************************************************
automation_alphabet(Alphabet:):
Defines the alphabet of the segmentizer
*********************************************************************************************************************************/
automation_alphabet([a,b,c,d,e,f,g,h,i,j,k,l,m,n,o,p,q,r,s,t,u,v,w,x,y,z,'-','ä','ö','ü','ß']).
/*********************************************************************************************************************************
File: gen_segment.pl
Language: Sicstus Prolog 3.5
Author: Thomas Hanneforth, University of Potsdam, Germany
Date: Feb. 98
Desc.: Creates the segmenting automation
The main predicate is create_automation/0 which compiles a
pattern matching machine (see Aho/Corasick (1975) for details)
out of the lexicon entries
*********************************************************************************************************************************/
:- dynamic
tr/3, % transition function entry
f/2, % failure function entry
o/2. % output function entry
:- unknown(_,fail).
:- ensure_loaded([library(lists)]).
:- [queues,sicsutls]. % Sicstus
:- [automat]. % Alphabet of the automation
:- [os_spec]. % Operating system specific stuff
/*********************************************************************************************************************************
create_automation/0:
top level predicate for the compiler
*********************************************************************************************************************************/
create_automation :-
nl, write('% Compiling segmentizer ...'), nl,
clear_db,
process_lex_entries,
startstate_completition,
construct_failure_function,
% for reasons of efficiency this is done after all words are processed.
write_automation,
segmentizer_information(States,Transitions,Finalstates),
write('% Morph segmentizer created and saved.'), nl,
format("% ~d states, ~d transitions, ~d final states.", [States,Transitions,Finalstates]),
nl, nl.
/*********************************************************************************************************************************
clear_db /0:
Removes all dynamic predicate clauses
*********************************************************************************************************************************/
clear_db :-
abolish(tr/3),
abolish(f/2),
abolish(o/2).
197

Anhang C: Programmcode
/*********************************************************************************************************************************
process_lex_entries/0:
Adds all lexicon entries to the automation and constructs
the failure function afterwards
*********************************************************************************************************************************/
process_lex_entries :-
(--->(Word,_Desc)), % extract lexicon entry
\+ (Word = unknown(_W)), % special entry 'unknown' isn't inserted
add_to_automation(Word), % insert Word into the automation
fail.
process_lex_entries.
/*********************************************************************************************************************************
startstate_completition/0:
adds a transition for all symbols from startstate to startstate for
which no transition is defined yet
*********************************************************************************************************************************/
startstate_completition :-
automation_alphabet(Alphabet),
startstate(Start),
add_start_transitions(Alphabet,Start).
add_start_transitions([],_Start).
add_start_transitions([AlphabetSymbol|RestAlphabet],Start) :-
transition(Start,AlphabetSymbol,State),
((State = fail) ->
add_transition(Start,AlphabetSymbol,Start)
;
true % a transition is already there, so do nothing
),
add_start_transitions(RestAlphabet,Start).
/*********************************************************************************************************************************
construct_failure_function/0:
constructs the failure function of the segmentizer.
*********************************************************************************************************************************/
construct_failure_function :-
automation_alphabet(Alphabet),
startstate(Start),
make_queue(Queue),
% initialize the queue
queue_startstates(Alphabet,Start,Queue,NewQueue),
process_queue(NewQueue,Alphabet).
/*********************************************************************************************************************************
queue_startstates(Alphabet:,Start:,Queue1,Queue2):
Adds all states to Queue for which there are transitions to a state not equal
to Start
*********************************************************************************************************************************/
queue_startstates([],_Start,Queue,Queue).
queue_startstates([AlphabetSymbol|RestAlphabet],Start,Queue0,Queue) :-
transition(Start,AlphabetSymbol,NewState), % should never fail
((NewState = Start) ->
Queue1 = Queue0
;
( enqueue(NewState,Queue0,Queue1),
assert(f(NewState,Start))
)),
queue_startstates(RestAlphabet,Start,Queue1,Queue).
198

Anhang C: Programmcode
process_queue(Queue,_Alphabet) :-
empty_queue(Queue),
!.
process_queue(Queue,Alphabet) :-
dequeue(Queue,State,Queue1), % dequeue new state
process_alphabet(Alphabet,State,Queue1,Queue2),
process_queue(Queue2,Alphabet).
/*********************************************************************************************************************************
process_alphabet(Alphabet,State,Queue1,Queue) :-
Process all alphabet symbols relative to the recently dequeued
state State
State = R; NewState = S
*********************************************************************************************************************************/
process_alphabet([],_State,Queue,Queue).
process_alphabet([Sym|RestAlphabet],R,Queue1,Queue) :-
transition(R,Sym,S),
((S = fail) -> % only non-fail states are processed
( Queue2 = Queue1 ) % do nothing
;
( enqueue(S,Queue1,Queue2), % enqueue state S
f(R,State), % State = failure(R)
non_failure_state(State,Sym,NonFailState),
transition(NonFailState,Sym,State1),
assert(f(S,State1)),
output(State1,Wordlist),
(Wordlist = [] -> % function undefined?
true % yes -> do nothing
;
(output(S,OldWordlist),
(OldWordlist = [] -> % function undefined?
true % yes -> completely new entry
;
retract(o(S,_)) % no -> remove old one
),
union(OldWordlist,Wordlist,NewWordlist),
assert(o(S,NewWordlist))
)))),
process_alphabet(RestAlphabet,R,Queue2,Queue).
199

Anhang C: Programmcode
/*********************************************************************************************************************************
write_automation/0:
extracts the information about transitions, failure and output of the
database and writes it to three files
*********************************************************************************************************************************/
write_automation :-
% create transitions file
filename(morphsegfile,MorphSegFile),
open(MorphSegFile,write,File),
write(File,'% Morph segmentizer definition file.'),
nl(File),
write(File,'% This is a generated file.'),
nl(File), nl(File),
write_transition_func(File),
% create failure function file
write_failure_func(File),
% create output function file
write_output_func(File),
close(File).
write_transition_func(File) :-
write(File,'% Transition function'),
nl(File), nl(File),
transition(State1,Char,State2),
State2 \== fail,
write_canonical(File,tr(State1,Char,State2)),
write(File,.), nl(File),
fail.
write_transition_func(_File).
write_failure_func(File) :-
nl(File), nl(File),
write(File,'% Failure function'),
nl(File),
f(State1,State2),
write(File,f(State1,State2)), write(File,.), nl(File),
fail.
write_failure_func(_File).
write_output_func(File) :-
nl(File), nl(File),
write(File,'% Output function'),
nl(File),
o(State,Wordlist),
write(File,'o('),write(File,State),
write(File,',['),
write_quoted(Wordlist,File),
write(File,']).'), nl(File),
fail.
write_output_func(_File).
200

Anhang C: Programmcode
/*********************************************************************************************************************************
write_quoted(List:,Filename::
Writes the terms in List into the File "Filename" such that all atoms are quoted
*********************************************************************************************************************************/
write_quoted([],_File) :-
!.
write_quoted([Word/Lemma],File) :-
write(File,''''), write(File,Word), write(File,''''),
write(File,/),
write(File,''''), write(File,Lemma), write(File,''''),
!.
write_quoted([Word/Lemma|Rest],File) :-
write(File,''''), write(File,Word), write(File,''''),
write(File,/),
write(File,''''), write(File,Lemma), write(File,''''),
write(File,','),
write_quoted(Rest,File).
/*********************************************************************************************************************************
add_to_automation(Word/Lemma):
inserts Word into the trie-like transition graph
*********************************************************************************************************************************/
add_to_automation(Word/Lemma) :-
name(Word,CharList), % convert word to character list
char_atom_list(CharList,AtomCharList), % convert char list to atoms
startstate(StartState),
add_to_trie(AtomCharList,Word,Lemma,StartState).
% insert Word into the trie
add_to_trie([],Word,Lemma,State) :-
add_output(State,Word,Lemma). % update output function
add_to_trie([Char|Chars],Word,Lemma,State) :-
newstate(State,Char,NewState,Result),
add_to_trie(Chars,Word,Lemma,NewState).
/*********************************************************************************************************************************
newstate(State:,Char:,NewState:,Result:)
constructs a new transition from State with Char if there isn't alreday one.
*********************************************************************************************************************************/
newstate(State,Char,NewState,old_transition) :-
transition(State,Char,NewState), % there is already a transition
NewState \== fail,
!.
newstate(State,Char,NewState,new_transition) :-
transition(State,Char,fail), % no transition,
gensym(s,NewState), % so construct a new state
add_transition(State,Char,NewState). % and add a new transition
201

Anhang C: Programmcode
/*********************************************************************************************************************************
non_failure_state(State,Letter,NonFailState)
NonFailState = State if there is transition from State with Letter
*********************************************************************************************************************************/
non_failure_state(State,Letter,State) :-
transition(State,Letter,NewState),
NewState \== fail,
!.
non_failure_state(State0,Letter,State) :-
transition(State0,Letter,fail), % no transition
f(State0,State1), % failure function
non_failure_state(State1,Letter,State).
/*********************************************************************************************************************************
transition(State1,Char,State2):
State2 is the state which is reachable from State1 with Char.
if there isn't a transition then State2 = fail
*********************************************************************************************************************************/
transition(State1,AlphabetSymbol,fail) :-
\+ tr(State1,AlphabetSymbol,_),
!.
transition(State1,AlphabetSymbol,State2) :-
tr(State1,AlphabetSymbol,State2).
add_transition(State1,AlphabetSymbol,State2) :-
assert(tr(State1,AlphabetSymbol,State2)).
/*********************************************************************************************************************************
add_output(State:,Word:,Lemma:):
*********************************************************************************************************************************/
add_output(State,Word,Lemma) :-
(o(State,_) -> % is the output function for State already defined ?
(retract(o(State,Entries)), % yes: add word to the value of the output function
union([Word/Lemma],Entries,NewEntries),
assert(o(State,NewEntries)))
;
assert(o(State,[Word/Lemma]))). % no: create a new entry for of the output function
/*********************************************************************************************************************************
output(State:,WordList:):
Returns a list of morphs if the analysers output function is defined,
otherwise the empty list.
*********************************************************************************************************************************/
output(State,Wordlist) :-
(o(State,Wordlist) -> true ; Wordlist = []).
/*********************************************************************************************************************************
segmentizer_information(States:,Transitions:,Finalstates:):
Determinines some information about the newly created NDA
*********************************************************************************************************************************/
segmentizer_information(States,Transitions,Finalstates) :-
findall(*,tr(_,_,_),L1), length(L1,Transitions),
findall(*,f(_,_),L2), length(L2,States0),
States is States0 + 1, findall(*,o(_,_),L3), length(L3,Finalstates).
202

C.2 Der Chart-Parser
Anhang C: Programmcode
/*********************************************************************************************************************************
Datei: wordchart.pl
Beschreibung: Inkrementeller Chartparser für ambige Segmentierungen
Als Grundlage dient die Implementation von Dörre/Naumann/Langer
Autor: Thomas Hanneforth
*********************************************************************************************************************************/
:- use_module(library(terms)). % for subsume_chk/2
:- op(1150,xfx,--->). % Operator für lexikalische Einsetzung
:- op(1150,xfx,==>).
:- op(1160,xfx,conditions).
:- op(1170,fx,rule).
/*********************************************************************************************************************************
edge(Start,End,LHS,ClosedRHS,OpenRHS,PartitionPositions,Conditions)
*********************************************************************************************************************************/
:- dynamic edge/7.
/*********************************************************************************************************************************
init_chart/0:
prepares the chart
*********************************************************************************************************************************/
init_chart :-
clear_chart,
startcat(StartCat),
expand(0,StartCat). % expand the start symbol
clear_chart :-
retractall(edge(_,_,_,_,_,_,_)).
/*********************************************************************************************************************************
shift(Seg:,Word:)
Inserts Seg into the chart and generate all edges involving this segment
Word is the word to be analyzed
*********************************************************************************************************************************/
shift(seg(Begin,LexEntry,End),Word) :-
Begin0 is Begin - 1,
% check whether is's necessary to insert "unknown" segments
add_unknown_segments(Begin0,Word),
% find a lexical insertion rule
(LexEntry ---> Cat),
closure(Begin0,End,Cat,[term(LexEntry)],[],[End],true),
fail.
shift(_Seg,_Word).
203

Anhang C: Programmcode
/*********************************************************************************************************************************
complete_chart(Word:)
Check whether is's necessary to insert "unknown" segments
at the end of the chart
*********************************************************************************************************************************/
complete_chart(Word) :-
atom_length(Word,WordLen),
add_unknown_segments(WordLen,Word).
/*********************************************************************************************************************************
closure(Begin:,End:,Cat:,Closed:,
Open:,Positions:,Conditions)
Depending on the active/inactive status the edge is either expanded or
used to complete other edges
*********************************************************************************************************************************/
closure(Begin,End,Cat,RHS,[],Positions,Conditions) :- % inactive edge
store(edge(Begin,End,Cat,RHS,[],Positions,Conditions)),
% try to complete active edges with the inactive one
complete(Begin,End,Cat).
closure(Begin,End,Cat,Closed,[Next|Rest],Positions,Conditions) :- % active edge
store(edge(Begin,End,Cat,Closed,[Next|Rest],Positions,Conditions)),
expand(End,Next).
/*********************************************************************************************************************************
complete(Begin:,End:,CompleteCat:)
tries to extend active edges waiting for CompleteCat
*********************************************************************************************************************************/
complete(Begin,End,Cat) :-
edge(Begin0,Begin,LHS,Closed0,[Cat|Open],Positions,Conditions),
append(Closed0,[Cat],Closed), % move the dot to the right
append(Positions,[End],NewPositions),
closure(Begin0,End,LHS,Closed,Open,NewPositions,Conditions),
fail.
complete(_Begin,_End,_Cat).
/*********************************************************************************************************************************
expand(Position:,LHS:)
asserts an active edge for every rule starting with LHS
*********************************************************************************************************************************/
expand(Position,LHS) :-
% find a suitable phrase/word structure rule
applicable_rule(LHS,RHS,Conditions),
closure(Position,Position,LHS,[],RHS,[],Conditions),
fail.
expand(_Position,_LHS).
/*********************************************************************************************************************************
applicable_rule(LHS:,RHS:,Conditions:):
Looks for a applicable rule
*********************************************************************************************************************************/
applicable_rule(LHS,RHS,Conditions) :-
(rule (LHS ==> RHS) conditions Conditions).
/*********************************************************************************************************************************
store(Edge:)
Version without subsumptions check
store(edge(Begin,End,Cat,Closed,Open,Positions)) :-
\+ edge(Begin,End,Cat,Closed,Open,Positions),
assert(edge(Begin,End,Cat,Closed,Open,Positions)).
*********************************************************************************************************************************/
204

store(edge(Begin,End,Cat,Closed,Open,Positions,_)) :-
edge(Begin,End,Cat0,Closed0,Open0,_,_),
subsumes_chk(Cat0,Cat),
subsumes_chk(Closed0,Closed),
subsumes_chk(Open0,Open),
!, fail.
Anhang C: Programmcode
% special case: completed edges => test for the conditions
store(edge(Begin,End,Cat,Closed,[],Positions,Conditions)) :-
call(Conditions),
assert(edge(Begin,End,Cat,Closed,[],Positions,Conditions)).
store(edge(Begin,End,Cat,Closed,Open,Positions,Conditions)) :-
Open \== [],
assert(edge(Begin,End,Cat,Closed,Open,Positions,Conditions)).
/*********************************************************************************************************************************
Structure generation
*********************************************************************************************************************************/
/*********************************************************************************************************************************
generate_structure(Cat:,Wordlen:,
Structures:,
Collect all structures for the word
*********************************************************************************************************************************/
generate_structures(StartCat,Wordlen,Structures) :-
findall( desc(FS,Structure),
generate_structure(0,Wordlen,StartCat,Structure,FS),
Structures).
/*********************************************************************************************************************************
generate_structure(From:,To:,Mother:,Structure:,
FS:):
Generate a single structure in the chosen representation format
*********************************************************************************************************************************/
% Case 1: Terminal symbols
generate_structure(From,To,Mother,Structure,Mother) :-
edge(From,To,Mother,[term(Word/_Lemma)],[],_Positions,_),
make_lextree(Mother,Word,Structure).
% Case 2: Terminal symbols of type unknown
generate_structure(From,To,Mother,Structure,Mother) :-
edge(From,To,Mother,[term(unknown(Unknown))],[],_Positions,_),
name(Unknown,UnknownList),
concat(["unknown(",UnknownList,")"],Charlist),
name(UnknownNode,Charlist),
make_lextree(Mother,UnknownNode,Structure).
% Case 3: Nonterminal symbols
generate_structure(From,To,Mother,Structure,Mother) :-
edge(From,To,Mother,Closed,[],Positions,_),
structure_of_subconstituents(Closed,From,Positions,StructuresList),
make_pstree(Mother,StructuresList,Structure).
structure_of_subconstituents([],_From,_Positions,[]).
structure_of_subconstituents([Cat|RestCats],From,[Pos|RestPos],[Struct|Rest]) :-
generate_structure(From,Pos,Cat,Struct,_),
structure_of_subconstituents(RestCats,Pos,RestPos,Rest).
/*********************************************************************************************************************************
Different structure building primitives
*********************************************************************************************************************************/
205

*
% draw notation
make_lextree(Mother,Word,Structure) :-
Structure =.. [Mother,Word].
make_pstree(Mother,Daughters,Structure) :-
Structure =.. [Mother|Daughters].
*/
% wishtree notation I
%make_lextree(Mother,Word,Mother/[-Word]).
%make_pstree(Mother,Daughters,Mother/Daughters).
Anhang C: Programmcode
% wishtree notation II
make_lextree(Mother,Word,MotherCat/[-Word]) :-
Mother =.. [MotherCat|_].
make_pstree(Mother,Daughters,MotherCat/Daughters) :-
Mother =.. [MotherCat|_].
/*
% linguistic structures notation
make_lextree(Mother,Word,[Mother,[Word]]).
make_pstree(Mother,Daughters,[Mother|Daughters]).
*/
206

Anhang C: Programmcode
/*********************************************************************************************************************************
Handling of lexical gaps
*********************************************************************************************************************************/
/*********************************************************************************************************************************
add_unknown_segments(EndPos:,Word:)
Determines segments of type unknown starting at positions before Endpos
*********************************************************************************************************************************/
add_unknown_segments(EndPos,Word) :-
unknown_cat(UnknownCat),
% find all end positions of edges which are less than
% the start position of the current segment
find_incomplete_edges(EndPos,UnknownCat,Poslist0),
% determine the segments which are ignored
ignore_list(Ignorelist),
% check whether potential unknown-type segments contain lexical items
check_candidates(Poslist0,EndPos,Ignorelist,Poslist1),
% apply heuristics on the unknown-type segments
apply_heuristics(Poslist1,EndPos,Word,Poslist),
% finally add all segments which have passed all the tests
insert_unknown_segments(Poslist,EndPos,UnknownCat,Word).
/*********************************************************************************************************************************
check_candidates(PoslistIn:,EndPos:,
Ignorelist:,PoslistOut:)
Check whether potential unknown-type segments contain lexical items
*********************************************************************************************************************************/
check_candidates([],_EndPos,_Ignorelist,[]).
check_candidates([Startpos|Restpos1],EndPos,Ignorelist,Result) :-
% test
(lexical_segments_within(Startpos,EndPos,Ignorelist) ->
Result = Restpos2
;
Result = [Startpos|Restpos2]
),
check_candidates(Restpos1,EndPos,Ignorelist,Restpos2).
lexical_segments_within(StartPos,EndPos,Ignorelist) :-
findall(*,
(edge(S,E,_,[term(W/L)],[],_,_),
S >= StartPos, E =< EndPos,
\+ member(W,Ignorelist)),
L),
\+ (L = []).
/*********************************************************************************************************************************
apply_heuristics(PoslistIn:,EndPos:,Word:,PoslistOut:):
This predicate is the right place to impose further, heuristic restrictions
on the unknown-type segments to be inserted.
Currently it prevents the insertion of segments with one ore two characters.
Additional heuristics:
- Testing the phonetic wellformedness of the candidate segment (with a 2LMA)
*********************************************************************************************************************************/
%apply_heuristics(Poslist,_EndPos,Poslist).
apply_heuristics([],_EndPos,_Word,[]).
apply_heuristics([Startpos|Restpos1],EndPos,Word,Result) :-
(heuristic_tests(Startpos,EndPos,Word) ->
Result = [Startpos|Restpos2]
;
Result = Restpos2 % ignore
),
apply_heuristics(Restpos1,EndPos,Word,Restpos2).
207

Anhang C: Programmcode
/*********************************************************************************************************************************
heuristic_tests(Startpos,EndPos,Word):
Currently it prevents the insertion of segments with one ore two characters
and tests for the phonetic wellformedness of the candidate segment.
*********************************************************************************************************************************/
heuristic_tests(Startpos,EndPos,Word) :-
length_test(Startpos,EndPos),
phonetic_wellformedness(Startpos,EndPos,Word).
length_test(Startpos,EndPos) :-
% test whether the length of the candidate segment is greater than 2
EndPos - Startpos > 3.
phonetic_wellformedness(Startpos,EndPos,Word) :-
Length is EndPos - Startpos,
substring(Word,Unknown,Startpos,Length),
% check candidate segment against the list of syllables
syllable_check(Unknown).
**********************************************************************************************************************************
insert_unknown_segments(Positions:,End:,UnknownCat:,Word:)
Inserts finally the unknown-type segments by doing a closure on each
Positions is a list of start positions
*********************************************************************************************************************************/
insert_unknown_segments([],_EndPos,_UnknownCat,_Word).
insert_unknown_segments([Begin|RestPos],EndPos,UnknownCat,Word) :-
shift_unknown(Begin,EndPos,UnknownCat,Word),
insert_unknown_segments(RestPos,EndPos,UnknownCat,Word).
shift_unknown(Begin,EndPos,UnknownCat,Word) :-
Length is EndPos - Begin,
substring(Word,Unknown,Begin,Length),
closure(Begin,EndPos,UnknownCat,[term(unknown(Unknown))],[],[EndPos],true).
shift_unknown(_Begin,_EndPos,_UnknownCat,_Word).
/*********************************************************************************************************************************
find_incomplete_edges(Begin,UnknownCat,Edgelist)
*********************************************************************************************************************************/
find_incomplete_edges(Begin,Unknown_cat,Edgelist) :-
findall( End,
(edge(_,End,_,_,[Unknown_cat|_],_,_), End < Begin),
Edgelist0),
remove_duplicates(Edgelist0,Edgelist).
208

Anhang C: Programmcode
C.3 CUF-Programmtext der morphologischen Grammatik
/***************************************************************************************************************
Name: morph.cuf
Author: Thomas Hanneforth
Date: July 1998 - August 1999
Description: CUF-Implementation of the morphological grammar
To try the examples use "?- run(Number)" where
Number is one of the arguments of testword at the
end of this file
****************************************************************************************************************/
control_file(morph).
/***************************************************************************************************************
****************************************************************************************************************
Type hierarchy and feature introduction
****************************************************************************************************************
****************************************************************************************************************/
/***************************************************************************************************************
Morphologial hierarchy
****************************************************************************************************************/
morph_or_syn_object = morph_object | sign.
morph_or_syn_object ::
graph: list,
syn: syn,
sem: semantics,
structure: list.
sign = syntactic_atom | phrase.
syntactic_atom ::
constituents: dtr_t. % for debugging only
morph_object = simple_or_complex_stem | linking_morph | pre_syntactic_atom | affix.
morph_object ::
morph: morph.
pre_syntactic_atom :: dtrs: dtr_t. % for debugging only
simple_or_complex_stem = simple_stem | complex_stem.
complex_stem ::
dtrs: dtr_t.
affix = prefix | suffix.
suffix = infl_affix | derivative.
simple_stem = unknown_stem.
form_t = suffix ; prefix ; simple_stem.
form_t ::
form: string.
209

Anhang C: Programmcode
/***************************************************************************************************************
Syn: hierarchy
****************************************************************************************************************/
syn ::
head: head,
argstr: argstr.
head = nominal | verbal | preposition.
head ::
cat: cat.
preposition ::
pform: afs_symbol,
dp_case: case.
nominal = noun | adjective | pronoun | determiner.
nominal ::
case: case,
gender: gender.
adjective ::
degree: degree,
decl: decl,
pred: boolean.
verbal = verb.
verb = verb_infl_or_imp | verb_infinitive.
verb_infl_or_imp = verb_infl | verb_imp.
verb_infinitive = verb_part | verb_inf_base.
verb_inf_base = verb_inf | verb_zuinf.
verb_part = verb_partI | verb_partII.
verb_infl_or_imp ::
mood: mood.
verb_infl ::
tense: tense.
num_t = verb_infl_or_imp ; nominal.
num_t ::
num: num.
pers_t = verb_infl ; nominal.
pers_t ::
pers: pers.
cat ; pers ; num ; tense ; mood ; gender ; decl ; degree ; boolean ; t_decl_class < cfs.
cat = n | v | a | p |adv | d | pn.
%case = nom | gen | dat | acc. % see below
pers = first | second | third.
num = sg | pl.
tense = pres | pret.
mood = ind | subjI | subjII | imp.
gender = masc | fem | neut.
decl = strong | weak | mixed.
degree = pos | comp | sup.
boolean = plus | minus.
t_decl_class = dc_I | dc_II | dc_III | dc_IV | dc_V | dc_VI | dc_all_the_rest.
210

% Case hierarchy after Heinz/Matiasek
case < cfs.
case = syntactic_case ; morphological_case.
morphological_case = nom ; gen ; dat ; acc.
syntactic_case = lex_case ; struc_case.
lgen = gen & lex_case.
ldat = dat & lex_case.
lacc = acc & lex_case.
snom = nom & struc_case.
sgen = gen & struc_case.
sacc = acc & struc_case.
% MORPH morphological features
morph ::
mhead: mhead,
mfeat: mfeat,
msubcat: morph_subcat.
% MHEAD contains morphological head features
mhead = noun_mhead.
mhead ::
latinate: boolean,
complex: boolean.
noun_mhead ::
decl_class: decl_class.
Anhang C: Programmcode
% MFEAT contains morphological nonhead features
mfeat ::
complete: boolean, % is the form inflectionally complete?
umlaut: boolean, % the base vowel can be umlauted
flex: boolean, % the form can be used for inflection
der: boolean, % the form can be used for derivation
cmp: boolean, % the form can be used for composition
conf: boolean, % the form can be used for confixation
prefixable_with_ge: boolean, % for verbs: base verb has a prefix or particle
suffixed: boolean, % the form underwent suffixation
sep_verb: boolean, % for verbs: is it a particel verb?
v_particle: afs_symbol. % for verbs: the particle
decl_class ::
decl_class_sg: t_decl_class, % noun inflection class singular
decl_class_pl: t_decl_class. % noun inflection class plural
% ARGSTR: syntactic subcategorisation
argstr = verbal_argstr | nominal_argstr.
argstr ::
defargs: list, % of morph_or_syn_object
adjuncts: list, % of morph_or_syn_object
argstr_order: list. % of morph_or_syn_object
verbal_argstr ::
subj: sign_elist,
dir_obj: sign_elist,
indir_obj: sign_elist,
prep_obj: sign_elist,
sent_compl: sign_elist.
nominal_argstr = noun_argstr | adj_argstr.
211

nominal_argstr ::
relarg: sign_elist.
adj_argstr ::
intarg: sign_elist.
sign_elist = sign | elist.
morph_object_or_elist = morph_object | elist.
morph_subcat = affix_subcat.
affix_subcat ::
needs: morph_object_or_elist.
% tree structure
dtr_t = unary_branching | binary_branching.
unary_branching :: dtr: top.
binary_branching :: ldtr: top, rdtr: top.
Anhang C: Programmcode
/***************************************************************************************************************
Sem: hierarchy
****************************************************************************************************************/
semantics = verbal_semantics | nominal_semantics.
semantics ::
content: content.
nominal_semantics ::
refarg: simple_or_dotted_type.
verbal_semantics ::
extarg: simple_or_dotted_type.
content < cfs.
content = lexical_content | operator_content | no_content.
lexical_content ::
eventstr: eventstr.
one_place_operator_struct < operator_content.
operator_content ::
operator: operator.
one_place_operator_struct ::
scope: content.
two_place_operator_struct < one_place_operator_struct.
two_place_operator_struct = causation_struct | conjunct_struct.
causation_struct ::
causer: simple_or_dotted_type.
operator < cfs.
operator = one_place_operator | two_place_operator.
one_place_operator = op_modality | op_negation | op_abstraction | op_causation.
op_modality = op_possibility | op_necessity.
212

eventstr < cfs.
eventstr = activity_eventstr ; state_eventstr.
activity_eventstr ::
event: activity.
state_eventstr ::
state: relation.
transition_eventstr = activity_eventstr & state_eventstr.
transition_eventstr = achievement | accomplishment.
transition_eventstr ::
eventrestr: eventrestr,
eventhead: event_or_state.
Anhang C: Programmcode
%accomplishment = ingressive_accomplishment | egressive_accomplishment.
event_or_state = event ; state.
eventrestr < cfs.
eventrestr = event_overlap | event_ordered_overlap | event_sequence | event_inclusion.
simple_or_dotted_type = simple_type | dotted_type.
% Old version of groups
%simple_type = non_group_type | group.
%non_group_type = individual | uncountable.
% New version uses underspecifiaction: groups are subtypes of individuals
%simple_type = individual | uncountable.
%simple_type ::
% type: entity.
%group < individual.
%group ::
% group_of: individual.
% Yet another (final?) version of groups
simple_type = countable | uncountable.
simple_type ::
type: entity.
countable = individual | group.
countable ::
is_group: boolean. % this is a hack
group ::
group_of: countable.
dotted_type ::
types: list, % of semantics
type_rel: list. % of relations
thetarole < cfs.
thetarole = agent | patient | theme | instrument | experiencer |
goal | source | location | beneficiary | dont_know.
213

agent = exhibiter | producer | worker | lender.
theme = exhibited | produced | lended_thing.
dont_know = substratum | organisation.
relation_or_elist = relation | elist.
relation ::
relconst: top, % afs_symbol,
relargs: list.
accessible_relation ::
accessible_args: list.
role ::
role: thetarole,
sel_restr: simple_or_dotted_type.
Anhang C: Programmcode
/***************************************************************************************************************
Conceptual hierarchy
****************************************************************************************************************/
entity < cfs.
entity = physical_entity | abstract_entity.
physical_entity = animate_ind | inanimate_ind.
animate_ind = human | nonhuman.
nonhuman = animal | plant.
inanimate_ind = matter | physical_obj.
matter = solid_state | liquid.
solid_state = metal | stone | china | paper | glass.
metal = steel | copper.
liquid = water | oil.
physical_obj = book | musical_instrument | tool | food | place.
tool = knife | cup | blade.
food = bread | cake.
place = building | room | area.
factory < building.
abstract_entity = temporal | nontemporal.
event < temporal.
activity < event.
nontemporal = abstract_obj | abstract_nonobj.
abstract_obj = institution.
abstract_nonobj = proposition | information | property | relation | collection.
text < information.
relation = state | accessible_relation.
/***************************************************************************************************************
Features of concepts
****************************************************************************************************************/
entity ::
subconcepts: list. % of simple_type
physical_entity ::
physical_state: physical_state,
consists_of: list, % of matter
has_parts: list. % of simple_type
temporal ::
takes_place_at: simple_type.
event ::
event_type: afs_symbol,
roles: list,
accessible_roles: list.
214

physical_state < cfs.
physical_state = solid | fluid | gaseous.
solid = hard | soft.
Anhang C: Programmcode
/***************************************************************************************************************
****************************************************************************************************************
Morphological grammar rules
****************************************************************************************************************
****************************************************************************************************************/
/***************************************************************************************************************
Rule I: morph insertion
****************************************************************************************************************/
cat(Cat, [Graph]) :=
Cat &
morph(Graph).
% empty cat
%cat(linking_morph & Cat, []) :=
% Cat.
/***************************************************************************************************************
Rule VII: Morphology-syntax-interface
syntactic_atom --> pre_syntactic_atom
****************************************************************************************************************/
cat(syntactic_atom & SA, L) :=
SA &
true(cat(pre_syntactic_atom, L) & PSA) &
type_maximal(syn_head(PSA)) &
syn_head_features([PSA]) &
true(PSA & morph:mfeat:complete:plus) &
argument_realisation(PSA) &
graph: L &
structure:[PSA]. % for tree construction
/***************************************************************************************************************
Rule V: Stem insertion
pre_syntactic_atom --> simple_or_complex_stem
****************************************************************************************************************/
cat(pre_syntactic_atom & PSA, L) :=
PSA &
unified_head_features([Stem]) &
true(cat(simple_or_complex_stem, L) & Stem) &
argument_inheritance(Stem) &
semantics(Stem) &
dtrs:dtr:Stem & % for debugging only
graph: L &
structure:[Stem].
/***************************************************************************************************************
Rule VI: Inflection
pre_syntactic_atom --> pre_syntactic_atom infl_affix
****************************************************************************************************************/
cat(pre_syntactic_atom & PSA, L) :=
PSA &
215

Anhang C: Programmcode
split(L,L1,L2) &
unified_head_features([PSA1, IA]) &
true(cat(infl_affix, L2) & IA) &
true(cat(pre_syntactic_atom, L1) & PSA1) &
affix_order_constraint(PSA1, IA) &
argument_inheritance(PSA1) &
infl_semantics(PSA1, IA) &
dtrs:(ldtr:PSA1 & rdtr:IA) & % for debugging only
graph: L &
structure:[PSA1,IA].
/***************************************************************************************************************
Rule IIIa: Derivation/Suffixation with link morph
complex_stem --> simple_or_complex_stem linking_morph suffix
****************************************************************************************************************/
cat(complex_stem & Stem, L) :=
Stem &
split3(L,L1,Link,L2) &
true(cat(linking_morph, Link)) &
unified_head_features([Suffix]) &
morph_subcat_principle(Suffix, Stem1) &
true(cat(derivative, L2) & Suffix) &
true(cat(simple_or_complex_stem, L1) & Stem1) &
morph:mfeat:suffixed:plus &
dtrs:(ldtr:Stem1 & rdtr:Suffix) & % for debugging only
graph: L &
structure:[Stem1,Suffix].
/***************************************************************************************************************
Rule IIIb: Derivation/Suffixation without link morph
complex_stem --> simple_or_complex_stem suffix
****************************************************************************************************************/
cat(complex_stem & Stem, L) :=
Stem &
split(L,L1,L2) &
unified_head_features([Suffix]) &
morph_subcat_principle(Suffix, Stem1) &
true(cat(derivative, L2) & Suffix) &
true(cat(simple_or_complex_stem, L1) & Stem1) &
morph:mfeat:suffixed:plus &
dtrs:(ldtr:Stem1 & rdtr:Suffix) & % for debugging only
graph: L &
structure:[Stem1,Suffix].
/***************************************************************************************************************
Rule II: Derivation/Prefixation
complex_stem --> prefix simple_or_complex_stem
****************************************************************************************************************/
cat(complex_stem & Stem, L) :=
Stem &
split(L,L1,L2) &
unified_head_features([Stem1]) &
true(cat(prefix, L1) & Prefix) &
morph_subcat_principle(Prefix, Stem1) &
true(cat(simple_or_complex_stem, L2) & Stem1) &
dtrs:(ldtr:Prefix & rdtr:Stem1) & % for debugging only
graph: L &
structure:[Prefix,Stem1].
216

Anhang C: Programmcode
/***************************************************************************************************************
Rule IVa: Composition with link morph
complex_stem --> simple_or_complex_stem linking_morph simple_or_complex_stem
****************************************************************************************************************/
cat(complex_stem & Stem, L) :=
Stem &
split3(L,L1,Link,L2) &
true(cat(linking_morph, Link)) &
unified_head_features([Stem2]) &
true(cat(simple_or_complex_stem, L2) & Stem2) &
semantics_construction(Stem1,Stem2) &
true(cat(simple_or_complex_stem, L1) & Stem1) &
dtrs:(ldtr:Stem1 & rdtr:Stem2) & % for debugging only
graph: L &
structure:[Stem1,Stem2].
/***************************************************************************************************************
Rule IVb Composition without link morph
complex_stem --> simple_or_complex_stem simple_or_complex_stem
****************************************************************************************************************/
cat(complex_stem & Stem, L) :=
Stem &
split(L,L1,L2) &
unified_head_features([Stem2]) &
true(cat(simple_or_complex_stem, L2) & Stem2) &
semantics_construction(Stem1,Stem2) &
true(cat(simple_or_complex_stem, L1) & Stem1) &
dtrs:(ldtr:Stem1 & rdtr:Stem2) & % for debugging only
graph: L &
structure:[Stem1,Stem2].
/***************************************************************************************************************
Rule VIIIa: Participle conversion
simple_or_complex_stem --> pre_syntactic_atom
****************************************************************************************************************/
cat(simple_or_complex_stem & Stem, L) :=
Stem &
verb_participle_to_adjective(VerbParticiple,Syn_Head_VerbPart) &
true(cat(pre_syntactic_atom, L) & VerbParticiple) &
% check whether the stem is a participle of the right type
value_instantiated(Syn_Head_VerbPart, VerbParticiple) &
dtrs:dtr:VerbParticiple & % for debugging only
graph: L &
structure:[VerbParticiple].
/***************************************************************************************************************
Rule VIIIb: Conversion
simple_or_complex_stem --> simple_stem
****************************************************************************************************************/
cat(simple_or_complex_stem & Stem, L) :=
Stem &
stem_conversion(Stem1) &
true(cat(simple_stem, L) & Stem1) &
dtrs:dtr:Stem1 & % for debugging only
graph: L &
structure:[Stem1].
217

Anhang C: Programmcode
/***************************************************************************************************************
Some conversion rules
****************************************************************************************************************/
% past particple: verbs with a direct object
verb_participle_to_adjective(syn:(head:(_Verb & verb & cat:v) &
argstr:(dir_obj:sem:refarg:Ref & indir_obj:IO &
defargs:Defargs)) &
sem_content(Cont),
syn:head:verb_partII) :=
complex_stem &
adj &
argstr_refarg(Ref) &
argstr_intarg(IO) &
defargs(Defargs) &
argstr_order(append(delete_elist([IO]),Defargs)) &
sem_content(Cont).
% past particple: verbs with an unaccusative subject
% missing
% present particple of verbs
verb_participle_to_adjective(syn:(head:(_Verb & verb & cat:v) &
argstr:(subj:sem:refarg:Ref & dir_obj:DO &
indir_obj:_IO & prep_obj:_PO & sent_compl:_SC &
defargs:Defargs)) &
sem_content(Cont),
syn:head:verb_partI) :=
complex_stem &
adj &
argstr_refarg(Ref) &
argstr_intarg(DO) &
defargs(Defargs) &
argstr_order([]) &
sem_content(Cont).
/***************************************************************************************************************
Stem conversion
****************************************************************************************************************/
% causation: A -> V
stem_conversion(syn:head:(adjective & cat:a) & sem_content(Cont) &
argstr_refarg(Ref) ) :=
verb(verb) &
sem_content(two_place_operator_struct & operator:op_causation &
causer:Causer & scope:Cont) &
argstr_subj(Arg1 & n(struc_case) &
argstr_refarg(Causer & countable(animate_ind))) &
argstr_dirobj(Arg2 & n(struc_case) & argstr_refarg(Ref)) &
argstr_indirobj([]) &
argstr_prepobj([]) &
argstr_sentcompl([]) &
argstr_order([Arg1,Arg2]) &
defargs([]).
218

Anhang C: Programmcode
/***************************************************************************************************************
****************************************************************************************************************
Semantics construction
All clauses of semantics_construction and their subpredicates must define:
sem:refarg, sem:content, syn:argstr
****************************************************************************************************************
****************************************************************************************************************/
/***************************************************************************************************************
semantics_construction/3:
Tries to find a semantic relation between the two stems. There are ?? cases:
a) The first stem is an argument of the second
b) There is a stereotypical relation projected by the second part of the
compound between them
c) There is a stereotypical relation projected by the first part of the
compound between them
d) There is a general conceptual relation between them
e) There is a base relation between them
****************************************************************************************************************/
% case 1: Stem1 is a semantic argument which satisfies
% the restrictionsof the semantic functor of Stem2
semantics_construction(Stem1,Stem2) :=
argument_saturation(Stem1,Stem2).
semantics_construction(Stem1,Stem2) :=
stereotypical_relation(Stem1,Stem2).
semantics_construction(Stem1,Stem2) :=
conceptual_relation(Stem1,Stem2).
%semantics_construction(Stem1,Stem2) :=
% theta_role_merge(Stem1,Stem2).
/***************************************************************************************************************
argument_saturation/2 tries to interpret the first component of a compound
as an argument of the second.
It is assumed that the first component isn't semantically specified for
plural
****************************************************************************************************************/
% N-N-compound with a relational head, e.g. "Messerfan" or "Museumsfan"
argument_saturation(syn:head:noun & sem:refarg:TypeOfArgument,
syn:head:noun &
syn:argstr:(noun_argstr & relarg:sem:refarg:TypeOfHead &
defargs:Defargs) &
argstr_refarg(Ref) &
sem_content(Cont)) :=
selectional_restrictions_fullfilled(TypeOfHead,TypeOfArgument) &
argstr_refarg(Ref) &
argstr_relarg([]) &
defargs(Defargs) &
argstr_order([]) &
sem_content(Cont).
% N-N-compound with a deverbal head
argument_saturation(syn:head:noun & sem:refarg:TypeOfArgument,
syn:head:(verb & cat:v) &
syn:argstr:(verbal_argstr & subj:Subj &
dir_obj:sem:refarg:SelRestrOfHead &
indir_obj:[] & prep_obj:[] & sent_compl:[] &
defargs:_Defargs) &
219

Anhang C: Programmcode
sem_content(Cont)) :=
selectional_restrictions_fullfilled(SelRestrOfHead,TypeOfArgument) &
argstr_subj(Subj) &
argstr_dirobj([]) &
argstr_indirobj([]) &
argstr_prepobj([]) &
argstr_sentcompl([]) &
argstr_order([]) &
defargs([]) &
sem_content(operator:op_possibility & scope:Cont).
% V-N-compound: Second part fills a role in the event structure of the verb
% e.g. "Hackmesser"
argument_saturation(syn:head:verb & sem_content(Cont) &
sem:content:eventstr:Eventstr,
syn:head:noun &
syn:argstr:(noun_argstr & relarg:[] & defargs:Defargs) &
argstr_refarg(Ref)) :=
true(a_role_in_eventstr(Eventstr) & Ref) &
argstr_refarg(Ref) &
argstr_relarg([]) &
defargs(Defargs) &
argstr_order([]) &
sem_content(operator:op_possibility & scope:Cont).
/***************************************************************************************************************
selectional_restrictions_fullfilled/2 tries to collapse argument type and
relarg type. There are two cases:
1) argument has a simple type
a) of uncountable or individual
b) of group
2) argument has a dotted type
****************************************************************************************************************/
selectional_restrictions_fullfilled(Type, simple_type & Type) :=
top.
selectional_restrictions_fullfilled(Type, dotted_type & types:TypeList) :=
member(Type,TypeList).
/*
% Old version: individual or group distinction is enforced, left underspecified
% in the version above
%selectional_restrictions_fullfilled(Type, individual & Type) :=
% top.
%selectional_restrictions_fullfilled(Type, uncountable & Type) :=
% top.
%selectional_restrictions_fullfilled(Type, group & type:T & group_of:type:T & Type) :=
% top.
*/
/***************************************************************************************************************
stereotypical_relation(SemanticArgument,SemanticHead):
Tries to find a role in the telic relation of the second parameter whose
selectional restrictions are compatible with the selectional restrictions of
the referential argument of the first parameter.
If a matching role was found it is removed from the accessible roles list
****************************************************************************************************************/
stereotypical_relation( syn:head:noun & sem:refarg:RefargOfArg,
syn:head:noun & argstr_refarg(Ref) &
220

Anhang C: Programmcode
sem:content:(scope:eventstr:event:
(event_type:EventType &
accessible_roles:AccessRoles &
roles:Roles) &
operator:OP) &
syn:argstr:ArgStr &
sem_content(_Cont)) :=
member(sel_restr:SelRestrOfRole, AccessRoles, RestRoles) &
selectional_restrictions_fullfilled(SelRestrOfRole, RefargOfArg) &
syn:argstr:ArgStr &
argstr_refarg(Ref) &
sem:content:(scope:eventstr:event:(
event_type:EventType &
roles:Roles &
accessible_roles:RestRoles) &
operator:OP).
/***************************************************************************************************************
conceptual_relation(SemanticHead,SemanticArgument):
****************************************************************************************************************/
conceptual_relation(syn:head:noun & sem:refarg:RefArgOfArg,
syn:head:noun & sem:refarg:RefArgOfFunctor &
syn:argstr:Argstr & sem_content(Cont)) :=
argstr_refarg(type_relation(type_concept(RefArgOfArg),
type_concept(RefArgOfFunctor))) &
syn:argstr:Argstr &
sem_content(Cont).
/***************************************************************************************************************
type_relation(RefArgOfArg,RefArgOfFunctor):
tries to find a conceptual relationship between the two types and constructs
the new referential argument of the head noun
****************************************************************************************************************/
type_relation(simple_type & ArgType, Simple_Type & type:subconcepts: ConceptList) :=
member(ArgType, ConceptList) &
Simple_Type.
/***************************************************************************************************************
theta_role_merge(SemanticHead,SemanticArgument):
tries to unify the referential arguments of the two components. I´ve only
implemented the A-N-case. I assume that adjectives never have a dotted type.
****************************************************************************************************************/
theta_role_merge(syn:head:adjective & argstr_refarg(RefargOfArg) &
sem_content(_ContAdj),
syn:head:noun & argstr_refarg(RefargOfHead) &
syn:argstr:AS & sem_content(_ContNoun)) :=
selectional_restrictions_fullfilled(RefargOfArg,RefargOfHead) &
argstr_refarg(RefargOfHead) &
syn:argstr:AS &
sem_content(_Cont).
221

Anhang C: Programmcode
/***************************************************************************************************************
****************************************************************************************************************
Lexicon
****************************************************************************************************************
****************************************************************************************************************/
morph(string) -> top.
index_table(morph/1).
index_table(sem/1).
index_table(sem/2).
index_table(sem/3).
index_table(sem/4).
index_table(sem/5).
/***************************************************************************************************************
Noun stems
****************************************************************************************************************/
morph("bibliothek") :=
form: "Bibliothek" &
simple_stem &
noun(fem) &
decl_class(dc_III,dc_III) &
no_arguments &
sem("Bibliothek").
morph("museum") :=
form: "Museum" &
simple_stem &
noun(neut) &
singular &
decl_class(dc_I,top) &
no_arguments &
sem("Museum").
morph("fabrik") :=
form: "Fabrik" &
simple_stem &
noun(fem) &
decl_class(dc_III,dc_III) &
no_arguments &
sem("Fabrik").
morph("buch") :=
form: "Buch" &
simple_stem &
noun(neut) &
singular &
decl_class(dc_I,dc_IV) &
morph_feat(der:plus & cmp:plus & flex:plus) &
no_arguments &
sem("Buch").
morph("buech") :=
form: "Buch" &
simple_stem &
noun(neut) &
plural &
morph_feat(der:minus & cmp:plus & flex:plus) &
decl_class(dc_I,dc_IV) &
222

no_arguments &
sem("Buch").
morph("messer") :=
form: "Messer" &
simple_stem &
noun(neut) &
decl_class(dc_I,dc_II) &
no_arguments &
sem("Messer").
Anhang C: Programmcode
morph("sohn") :=
form: "Sohn" &
simple_stem &
noun(masc) &
singular &
decl_class(dc_I,dc_I) &
argstr_relarg(Arg & /* n(struc_case) & */
argstr_refarg(OfWhom & individual(human)) ) &
argstr_order([Arg]) &
defargs([]) &
sem("Sohn", OfWhom).
morph("soehn") :=
form: "Söhn" &
simple_stem &
noun(masc) &
plural &
decl_class(dc_I,dc_I) &
argstr_relarg(Arg & /* n(struc_case) & */
argstr_refarg(OfWhom & individual(human)) ) &
argstr_order([Arg]) &
defargs([]) &
sem("Sohn", OfWhom).
morph("fan") :=
form: "Fan" &
simple_stem &
noun(masc) &
decl_class(dc_I,dc_V) &
argstr_relarg(Arg & argstr_refarg(OfWhat & simple_type(entity))) &
argstr_order([Arg]) &
defargs([]) &
sem("Fan", OfWhat).
morph("stahl") :=
form: "Stahl" &
simple_stem &
noun(masc) &
decl_class(dc_I,dc_I) &
no_arguments &
sem("Stahl").
morph("wasser") :=
form: "Wasser" &
simple_stem &
noun(neut) &
singular &
decl_class(dc_I,dc_II) &
223

no_arguments &
sem("Wasser").
morph("waesser") :=
form: "Wasser" &
simple_stem &
noun(neut) &
plural &
decl_class(dc_I,dc_II) &
no_arguments &
sem("Wasser").
morph("brot") :=
form: "Brot" &
simple_stem &
noun(neut) &
decl_class(dc_I,dc_I) &
no_arguments &
sem("Brot").
morph("tasse") :=
form: "Tasse" &
simple_stem &
noun(masc) &
decl_class(dc_III,dc_III) &
no_arguments &
sem("Tasse").
morph("horn") :=
form: "Horn" &
simple_stem &
noun(neut) &
decl_class(dc_I,dc_IV) &
no_arguments &
sem("Horn").
morph("streik") :=
form: "Streik" &
simple_stem &
noun(masc) &
decl_class(dc_I,dc_V) &
no_arguments &
sem("Streik").
Anhang C: Programmcode
/***************************************************************************************************************
Adjective stems
****************************************************************************************************************/
morph("frei") :=
form: "frei" &
simple_stem &
adj &
argstr_intarg([]) &
argstr_order([]) &
defargs([]) &
sem("frei").
224

morph("schoen") :=
form: "schön" &
simple_stem &
adj &
argstr_intarg([]) &
argstr_order([]) &
defargs([]) &
sem("schoen").
Anhang C: Programmcode
/***************************************************************************************************************
Verb stems
****************************************************************************************************************/
morph("rett") :=
form: "rett" &
simple_stem &
verb(verb) &
morph_feat(prefixable_with_ge:plus) &
argstr_subj(Arg1 & n(struc_case) &
argstr_refarg(Ag & countable(human))) &
argstr_dirobj(Arg2 & n(struc_case) &
argstr_refarg(Th & countable(animate_ind))) &
argstr_indirobj([]) &
argstr_prepobj([]) &
argstr_sentcompl([]) &
argstr_order([Arg1,Arg2,Arg3]) &
defargs([Arg3 & argstr_refarg(Inst & countable(tool))]) &
sem("rett",Ag,Th,Inst).
morph("renovier") :=
form: "renovier" &
simple_stem &
verb(verb) &
morph_feat(prefixable_with_ge:minus) &
argstr_subj(Arg1 & n(struc_case) &
argstr_refarg(Ag & countable(human))) &
argstr_dirobj(Arg2 & n(struc_case) &
argstr_refarg(Th & countable(building))) &
argstr_indirobj([]) &
argstr_prepobj([]) &
argstr_sentcompl([]) &
argstr_order([Arg1,Arg2]) &
defargs([]) &
sem("renovier",Ag,Th).
morph("pruef") :=
form: "prüf" &
simple_stem &
verb(verb) &
morph_feat(prefixable_with_ge:plus) &
argstr_subj(Arg1 & n(struc_case) &
argstr_refarg(Ag & countable(human))) &
argstr_dirobj(Arg2 & n(struc_case) &
argstr_refarg(Th & simple_type(entity))) &
argstr_indirobj([]) &
argstr_prepobj([]) &
argstr_sentcompl([]) &
argstr_order([Arg1,Arg2,Arg3]) &
defargs([Arg3 & argstr_refarg(Inst & countable(tool))]) &
sem("pruef",Ag,Th,Inst).
225

Anhang C: Programmcode
morph("verkauf") :=
form: "verkauf" &
simple_stem &
verb(verb) &
morph_feat(prefixable_with_ge:plus) &
argstr_subj(Arg1 & n(struc_case) &
argstr_refarg(Ag & countable(human))) &
argstr_dirobj(Arg2 & n(struc_case) &
argstr_refarg(Th & simple_type(entity))) &
argstr_indirobj(Arg3 & n(struc_case) &
argstr_refarg(Goal & countable(human))) &
argstr_prepobj([]) &
argstr_sentcompl([]) &
argstr_order([Arg1,Arg3,Arg2]) &
defargs([]) &
sem("verkauf",Ag,Th,Goal).
morph("giess") :=
form: "giess" &
simple_stem &
verb(verb) &
morph_feat(prefixable_with_ge:plus) &
argstr_subj(Arg1 & n(struc_case) &
argstr_refarg(countable(human))) &
argstr_dirobj(Arg2 & n(struc_case) &
argstr_refarg(uncountable(liquid))) &
argstr_indirobj([]) &
argstr_prepobj(Arg3 & p(acc,auf) &
argstr_refarg(simple_type(physical_entity))) &
argstr_sentcompl([]) &
argstr_order([Arg1,Arg2,Arg3]) &
defargs([]) &
sem("giess").
morph("staun") :=
form: "staun" &
simple_stem &
verb(verb) &
morph_feat(prefixable_with_ge:plus) &
argstr_subj(Arg1 & n(struc_case) &
argstr_refarg(Ag & countable(human))) &
argstr_dirobj([]) &
argstr_indirobj([]) &
argstr_prepobj(Arg2 & p(acc,'über') &
argstr_refarg(Th & countable(physical_entity))) &
argstr_sentcompl([]) &
argstr_order([Arg1,Arg2]) &
defargs([]) &
sem("staun",Ag,Th).
morph("bau") :=
form: "bau" &
simple_stem &
verb(verb) &
morph_feat(prefixable_with_ge:plus) &
argstr_subj(Arg1 & n(struc_case) &
argstr_refarg(Ag & countable(animate_ind))) &
argstr_dirobj(Arg2 & n(struc_case) &
argstr_refarg(Th & countable(building))) &
argstr_indirobj([]) &
226

Anhang C: Programmcode
argstr_prepobj([]) &
argstr_sentcompl([]) &
argstr_order([Arg1,Arg2,Arg3]) &
defargs([Arg3 & argstr_refarg(M & simple_type(solid_state))]) &
sem("bau",Ag,Th,M).
morph("bohr") :=
form: "bohr" &
simple_stem &
verb(verb) &
morph_feat(prefixable_with_ge:plus) &
argstr_subj(Arg1 & n(struc_case) &
argstr_refarg(Ag & countable(human))) &
argstr_dirobj(Arg2 & n(struc_case) &
argstr_refarg(Th & countable(top))) & % $$ "hole"
argstr_indirobj([]) &
argstr_prepobj([]) &
argstr_sentcompl([]) &
defargs([Arg3 & argstr_refarg(Tool & countable(tool)),
Arg4 & argstr_refarg(Loc & countable(physical_entity))]) &
argstr_order([Arg1,Arg3,Arg2,Arg4]) &
sem("bohr",Ag,Th,Tool,Loc).
morph("arbeit") :=
form: "arbeit" &
simple_stem &
verb(verb) &
morph_feat(prefixable_with_ge:plus) &
argstr_subj(Arg1 & n(struc_case) &
argstr_refarg(Ag & countable(human))) &
argstr_dirobj([]) &
argstr_indirobj([]) &
argstr_prepobj([]) &
argstr_sentcompl([]) &
defargs([]) &
argstr_order([Arg1]) &
sem("arbeit",Ag).
morph("hack") :=
form: "hack" &
simple_stem &
verb(verb) &
morph_feat(prefixable_with_ge:plus) &
argstr_subj(Arg1 & n(struc_case) &
argstr_refarg(Ag & countable(human))) &
argstr_dirobj(Arg2 & n(struc_case) &
argstr_refarg(Th & simple_type(physical_entity))) &
argstr_indirobj([]) &
argstr_prepobj([]) &
argstr_sentcompl([]) &
defargs([Arg3 & argstr_refarg(Inst & countable(tool))]) &
argstr_order([Arg1,Arg2,Arg3]) &
sem("hack",Ag,Th,Inst).
/***************************************************************************************************************
Special entry for unknown_stems
****************************************************************************************************************/
morph("$unknown$") :=
form: "unknown" &
227

unknown_stem &
syn:head:verb &
sem:extarg:top &
syn:argstr:defargs:[].
morph("$unknown$") :=
form: "unknown" &
unknown_stem &
syn:head:noun &
sem:refarg:simple_type &
syn:argstr:defargs:[].
Anhang C: Programmcode
/***************************************************************************************************************
Derivational affixes:
Every affix must deliver the following
syn:argstr, sem:refarg (if appropriate), sem:content
****************************************************************************************************************/
morph("bar") := % ok
form: "bar" &
suffix &
adj &
morph_subcat(syn:(head:(verb & cat:v) &
argstr:(subj:sem:SubjSem & dir_obj:argstr_refarg(R) &
indir_obj:[] & prep_obj:[] & sent_compl:[])) &
sem_content(Cont)) &
argstr_order([DefArg]) &
defargs([DefArg & (p(lacc,durch) ; p(ldat,von)) & sem:SubjSem]) &
argstr_refarg(R) &
argstr_intarg([]) &
sem_content(operator:op_possibility & scope:Cont).
morph("er") := % ok
form: "er" &
suffix &
noun(masc) &
decl_class(dc_I,dc_II) &
morph_subcat(syn:(head:(verb & cat:v) &
argstr:(subj:Subj & dir_obj:DO & indir_obj:[] & defargs:DefArgs)) &
sem:Sem) &
process_or_accomplishment_verb(sem:Sem) &
agent_instrument(sem:Sem, Subj, DO, syn:argstr:defargs:DefArgs).
morph("ung") := % ok
form:"ung" &
suffix &
noun(fem) &
decl_class(dc_III,dc_III) &
morph_subcat(syn:(head:cat:v &
argstr:(subj:S & dir_obj:DO & defargs:Defargs &
indir_obj:[] & prep_obj:[] & sent_compl:[])) &
sem_content(eventstr:(accomplishment & event:E1 & state:E2 &
eventrestr:Restr))) &
argstr_refarg(dotted_type([Activity & countable(E1), State & countable(E2)],
[relation(Restr,[Activity,State])])) &
(
objectivus(S, DO, Defargs) ; subjectivus(S, DO, Defargs)
) &
sem:content:no_content.
228

Anhang C: Programmcode
% -ung for intransitive verbs with prepositional objects
morph("ung") := % ok
form:"ung" &
suffix &
noun(fem) &
decl_class(dc_III,dc_III) &
morph_subcat(syn:(head:cat:v &
argstr:(subj:sem_content(SubjSem) & dir_obj:[] & indir_obj:[] &
prep_obj:(PO & ~ elist) &
sent_compl:[])) &
sem_content(eventstr:(accomplishment & event:E1 & state:E2 &
eventrestr:Restr) )) &
argstr_order([PO,DefArg]) &
argstr_relarg(PO) &
argstr_refarg(dotted_type([Activity & countable(E1), State & countable(E2)],
[relation(Restr,[Activity,State])])) &
defargs([DefArg & sem_content(SubjSem)]) &
sem:content:no_content.
morph("$") := % event nominalisation with empty affix
form:"" &
suffix &
noun(masc) &
decl_class(dc_I,dc_I) &
morph_subcat(syn:(head:cat:v &
argstr:(subj:sem:SubjSem & dir_obj:sem:DO_Sem &
indir_obj:sem:IO_Sem &
prep_obj:[] & sent_compl:[] & defargs:_Defargs)) &
sem_content(eventstr:(accomplishment & event:E1 & state:E2 &
eventrestr:Restr))) &
argstr_refarg(dotted_type([Activity & countable(E1), State & countable(E2)],
[relation(Restr,[Activity,State])])) &
argstr_relarg(Rel & n(struc_case) & sem:DO_Sem) &
defargs([Def1 & p(lacc,an) & sem:IO_Sem, Def2 & p(lacc,durch) & sem:SubjSem]) &
argstr_order([Rel,Def1,Def2]) &
sem:content:no_content.
morph("heit") :=
morph("heit/keit").
morph("keit") :=
morph("heit/keit").
morph("heit/keit") := % ok
form: "heit/keit" &
suffix &
noun(fem) &
decl_class(dc_III,dc_III) &
morph_subcat(syn:head:cat:a & sem:refarg:R & sem_content(Cont)) &
argstr_relarg(Arg & syn:top & sem:refarg:R) &
argstr_order([Arg]) &
defargs([]) &
argstr_refarg(countable(property)) &
sem_content(operator:op_abstraction & scope:Cont).
morph("ist") :=
form: "ist" &
suffix &
noun(masc) &
decl_class(top,top) &
229

Anhang C: Programmcode
morph_subcat(syn:head:noun & sem:refarg:_R & sem_content(Cont)) &
argstr_relarg([]) &
argstr_order([]) &
defargs([]) &
argstr_refarg(countable(human)) &
sem_content(Cont). %% $$ korrigieren
morph("un") :=
form: "un" &
prefix &
morph_subcat(syn:head:(adjective & cat:a) &
syn:argstr:(intarg:Rel & defargs:Defargs) &
sem:refarg:Ref &
sem_content(Cont) &
empty_morph_subcat) &
argstr_refarg(Ref) &
argstr_intarg(Rel) &
argstr_order(delete_elist([Rel])) &
defargs(Defargs) &
sem_content(operator:op_negation & scope:Cont).
morph("un") :=
form: "un" &
prefix &
morph_subcat(syn:head:(noun & cat:n) &
syn:argstr:(relarg:Rel & defargs:Defargs) &
sem:refarg:Ref &
sem_content(Cont) &
empty_morph_subcat) &
argstr_refarg(Ref) &
argstr_relarg(Rel) &
argstr_order(delete_elist([Rel])) &
defargs(Defargs) &
sem_content(operator:op_negation & scope:Cont).
% be- for verbs with direct and prepositional object
morph("be") :=
form: "be" &
prefix &
morph_subcat(syn:(head:cat:v &
argstr:(subj:(S & sem:refarg:SubjSem) & dir_obj:sem:DO_Sem &
indir_obj:[] & prep_obj:sem:PO_Sem & sent_compl:[] &
defargs:Defargs)) &
sem_content(Cont)) &
syn:argstr:(subj:S &
dir_obj:(DO & n(struc_case) & sem:PO_Sem) &
prep_obj:(PO & p(acc,mit) & sem:DO_Sem) &
indir_obj:[] & sent_compl:[]) &
argstr_order([S,DO,PO]) &
argstr_extarg(SubjSem) &
defargs(Defargs) &
sem_content(Cont).
% be- for verbs with only a prepositional object
morph("be") :=
form: "be" &
prefix &
morph_subcat(syn:(head:cat:v &
230

Anhang C: Programmcode
argstr:(subj:(S & sem:refarg:SubjSem) & dir_obj:[] &
indir_obj:[] & prep_obj:sem:PO_Sem &
sent_compl:[] & defargs:Defargs)) &
sem_content(Cont)) &
syn:argstr:(subj:S &
dir_obj:(DO & n(struc_case) & sem:PO_Sem) &
prep_obj:[] & indir_obj:[] & sent_compl:[] & defargs:Defargs) &
argstr_order([S,DO]) &
argstr_extarg(SubjSem) &
sem_content(Cont).
morph("ge") :=
form: "ge" &
prefix &
morph_subcat(syn:(Syn & head:(verb & cat:v)) &
morph:Morph &
sem:Sem &
morph_feat(prefixable_with_ge:plus)) &
syn:(Syn & head:verb_partII) &
morph:Morph &
sem:Sem.
/***************************************************************************************************************
Inflectional suffixes (after Duden (1984))
****************************************************************************************************************/
% nouns, S1
morph("$") :=
form: "" &
n_infl_affix & singular & case(nom;acc;dat) &
decl_class(dc_I,top).
morph("s") :=
form: "s" &
n_infl_affix & singular & case(gen) &
decl_class(dc_I,top).
% nouns, S2
morph("$") :=
form: "" &
n_infl_affix & singular & case(nom) &
decl_class(dc_II,dc_III).
morph("en") :=
form: "en" &
n_infl_affix & singular & case(acc;dat;gen) &
decl_class(dc_II,dc_III).
% nouns, S3
morph("$") :=
form: "" &
n_infl_affix & singular & case(nom;acc;dat;gen) &
decl_class(dc_III,~dc_IV).
% nouns, P1
morph("e") :=
form: "e" &
n_infl_affix & plural & case(acc;nom;gen) &
decl_class(~dc_II,dc_I).
morph("en") :=
231

form: "en" &
n_infl_affix & plural & case(dat) &
decl_class(~dc_II,dc_I).
Anhang C: Programmcode
% nouns, P2
morph("$") :=
form: "" &
n_infl_affix & plural & case(acc;nom;gen) &
decl_class(~dc_II,dc_II).
morph("n") :=
form: "n" &
n_infl_affix & plural & case(dat) &
decl_class(~dc_II,dc_II).
% nouns, P3
morph("en") :=
form: "en" &
n_infl_affix & plural & case(acc;nom;dat;gen) &
decl_class(top,dc_III).
morph("n") :=
form: "n" &
n_infl_affix & plural & case(acc;nom;dat;gen) &
decl_class(top,dc_III).
% nouns, P4
morph("er") :=
form: "er" &
n_infl_affix & plural & case(acc;nom;gen) &
decl_class(dc_I,dc_IV).
morph("ern") :=
form: "ern" &
n_infl_affix & plural & case(dat) &
decl_class(dc_I,dc_IV).
% nouns, P5
morph("s") :=
form: "s" &
n_infl_affix & plural & case(acc;nom;gen;dat) &
decl_class(~dc_II,dc_V).
% verb inflectional affixes
morph("e") :=
form: "e-1" &
v_infl_affix(verb_infl) &
syn:head:((pers:first & num:sg & tense:pres & mood:ind ) ;
(pers:(first;third) & num:sg & tense:pres & mood:subjI) ;
(pers:(first;third) & num:sg & tense:pret)).
morph("st") :=
form: "st-1" &
v_infl_affix(verb_infl) &
syn:head:(pers:second & num:sg & mood:(ind;subjII)).
morph("est") :=
form: "est-1" &
232

Anhang C: Programmcode
v_infl_affix(verb_infl) &
syn:head:(pers:second & num:sg & mood:(ind ; subjII)).
morph("et") :=
form: "et-1" &
v_infl_affix(verb_infl) &
syn:head:(tense:pres & mood:ind &
((pers:second & num:pl) ; (pers:third & num:sg))).
morph("t") :=
form: "t-1" &
v_infl_affix(verb_infl) &
syn:head:(tense:pres & mood:ind &
((pers:second & num:pl) ; (pers:third & num:sg))).
morph("et") :=
form: "et-2" &
v_infl_affix(verb_infl) &
syn:head:(pers:second & num:pl & tense:pret).
morph("est") :=
form: "est-2" &
v_infl_affix(verb_infl) &
syn:head:(pers:second & num:sg & tense:pres & mood:subjI).
morph("et") :=
form: "et-3" &
v_infl_affix(verb_infl) &
syn:head:(pers:second & num:pl & tense:pres & mood:subjI).
morph("$") :=
form: "$-1" &
v_infl_affix(verb_infl) &
syn:head:(pers:(first;third) & num:sg & tense:pret).
morph("en") :=
form: "en-1" &
v_infl_affix(verb_infl) &
syn:head:(pers:(first;third) & num:pl).
morph("n") :=
form: "n-1" &
v_infl_affix(verb_infl) &
syn:head:(pers:(first;third) & num:pl).
morph("$") :=
form: "$-2" &
v_infl_affix(verb_infl) &
syn:head:(tense:pres & mood:(ind;subjI)).
morph("et") :=
form: "et-4" &
v_infl_affix(verb_infl) &
syn:head:(tense:pret & mood:(ind;subjII)).
morph("t") :=
form: "t-2" &
v_infl_affix(verb_infl) &
syn:head:(tense:pret & mood:(ind;subjII)).
morph("en") :=
233

form: "en-2" &
v_infl_affix(verb_inf_base).
morph("n") :=
form: "n-2" &
v_infl_affix(verb_inf_base).
morph("end") :=
form: "end-1" & v_infl_affix(verb_partI).
morph("nd") :=
form: "nd-1" & v_infl_affix(verb_partI).
morph("et") :=
form: "et-5" & v_infl_affix(verb_partII).
morph("t") :=
form: "t-3" & v_infl_affix(verb_partII).
morph("$") :=
form: "$-3" & v_infl_affix(verb_imp & num:sg).
morph("e") :=
form: "e-2" & v_infl_affix(verb_imp & num:sg).
morph("et") :=
form: "et-6" & v_infl_affix(verb_imp & num:pl).
morph("t") :=
form: "t-4" & v_infl_affix(verb_imp & num:pl).
% Linking morphemes
morph("$") :=
linking_morph.
morph("s") :=
linking_morph.
morph("er") :=
linking_morph.
Anhang C: Programmcode
/***************************************************************************************************************
****************************************************************************************************************
Semantics
****************************************************************************************************************
****************************************************************************************************************/
sem("Bibliothek") :=
argstr_refarg(
dotted_type([countable(institution) & Inst & no_subconcepts,
countable(building) & Building & no_subconcepts,
group_of(human) & Staff & no_subconcepts,
group_of(book & Book) & Collection & no_subconcepts],
[relation(substratum_for,
[role(substratum,Building),
role(top,Inst)]),
relation(work_for,
234

Anhang C: Programmcode
[role(worker,Staff),
role(organisation,Inst)]),
relation(exhibits,
[role(exhibiter,Inst),
role(exhibited,Collection)])
] )) &
purpose_relation(
lend,
[role(lender,Staff),role(lended_thing,countable(Book))],
[Book]).
sem("Museum") :=
argstr_refarg(
dotted_type([countable(institution) & Inst & no_subconcepts,
countable(building) & Building & no_subconcepts,
group_of(human) & Staff & no_subconcepts,
group_of(physical_entity & ExhibitedThing) & Collection &
no_subconcepts
],
[relation(contains,[Building,Inst]),
relation(work_for,[Staff,Inst]),
relation(exhibits,[Inst,Collection]) ] )) &
purpose_relation(
exhibits,
[role(exhibiter,Inst), role(exhibited,countable(ExhibitedThing))],
[ExhibitedThing]).
sem("Fabrik") :=
argstr_refarg(
dotted_type([countable(factory) & Building & no_subconcepts,
group_of(human) & Staff & no_subconcepts],
[relation(work_in,
[Who & role(worker,Staff),role(location,Building)])])) &
purpose_relation(
produce,
[Who, role(produced, simple_type(physical_entity) & Produced)],
[Produced] ).
sem("Buch") :=
argstr_refarg(
dotted_type([countable(book) & Book & no_subconcepts,
uncountable(text) & Text & no_subconcepts],
[relation(substratum_for, [Book,Text])] )) &
purpose_relation(
read,
[role(agent,countable(human)), role(theme,Text)],
[]).
sem("Messer") :=
argstr_refarg(countable(knife) & Tool) &
purpose_relation(
cut,
[role(agent,countable(human)),
role(patient,simple_type(physical_entity & physical_state:soft) & What),
role(instrument,Tool)],
[What] ).
235

Anhang C: Programmcode
sem("Sohn",OfWhom) :=
argstr_refarg(countable(human) & Who & no_subconcepts) &
state(relation(son_of,[Who,OfWhom])).
sem("Fan",OfWhat) :=
argstr_refarg(countable(human) & Who & no_subconcepts) &
state(relation(fan_of,[Who,OfWhat])).
sem("Stahl") :=
argstr_refarg(uncountable(steel & physical_state:hard) & no_subconcepts) &
sem:content:no_content.
sem("Wasser") :=
argstr_refarg(uncountable(water) & no_subconcepts) &
sem:content:no_content.
sem("Brot") :=
argstr_refarg(
dotted_type(
[Ind & countable(bread) & no_subconcepts,
Mass & uncountable(bread) & no_subconcepts],
[relation(made_of,[Ind,Mass])])) &
sem:content:no_content.
sem("Tasse") :=
argstr_refarg(countable(cup) & Cup & no_subconcepts) &
purpose_relation(
drink,
[role(agent,countable(human)),
role(theme,uncountable(liquid) & What),
role(instrument,Cup)],
[What] ).
sem("Horn") :=
argstr_refarg(countable(musical_instrument) & no_subconcepts) &
sem:content:no_content.
sem("Streik") :=
argstr_refarg(countable(event) & no_subconcepts). % $$
sem("frei") :=
argstr_refarg(countable(animate_ind) & Who) &
state(relation(free,[Who])).
sem("schoen") :=
argstr_refarg(countable(physical_entity) & Who) &
state(relation(beautiful,[Who])).
sem("rett",Ag,Th,Inst) :=
transition_event(
accomplishment,
E1 & activity &
236

Anhang C: Programmcode
event(rescue,[role(agent,Ag), R & role(theme,Th), role(instrument,Inst)]),
relation(rescued,[R]),
event_sequence,
E1).
sem("bau",Ag,Th,Mat) :=
transition_event(
accomplishment,
E1 & activity &
event(build,[role(agent,Ag), role(top,Mat)]),
relation(exists,[role(theme,Th)]),
event_sequence,
E1).
sem("renovier",Ag,Th) :=
transition_event(
accomplishment,
E1 & activity &
event(renovate,[role(agent,Ag), Theme & role(theme,Th)]),
relation(renovated,[Theme]),
event_sequence,
E1).
sem("pruef",Ag,Th,Inst) :=
transition_event(
accomplishment,
E1 & activity &
event(check,[role(agent,Ag),
R & role(theme,Th),
role(instrument,Inst)]),
relation(checked,[R]),
event_sequence,
E1).
sem("verkauf",Ag,Th,Goal) :=
transition_event(
accomplishment,
E1 & activity &
event(sell,[role(agent,Ag),
What & role(theme,Th),
ToWhom & role(goal,Goal)]),
relation(possesses,[ToWhom,What]),
event_sequence,
E1).
sem("arbeit",Ag) :=
process(work,[role(worker,Ag)]).
sem("staun",Ag,Th) :=
state(relation(to_be_astonished,[role(experiencer,Ag),role(theme,Th)]) ).
sem("bohr",Ag,Th,Inst,Loc) :=
transition_event(
accomplishment,
E1 & activity &
event(drill,[role(agent,Ag),
R & role(theme,Th),
237

sem("giess") :=
sem:semantics.
Anhang C: Programmcode
role(instrument,Inst)]),
relation(exists,[R,Loc]),
event_sequence,
E1).
sem("hack",Ag,Th,Inst) :=
process(hack,[role(agent,Ag), role(theme,Th), role(instrument,Inst)]).
/***************************************************************************************************************
****************************************************************************************************************
Concepts
****************************************************************************************************************
****************************************************************************************************************/
concept(entity) -> entity.
concept(knife & Knife) :=
Knife &
physical_state: hard &
consists_of: [Material & uncountable(metal)] &
has_parts: [individual(blade)] &
subconcepts: [Material].
concept(temporal & Temporal) :=
Temporal &
type_of(Temporal) &
takes_place_at: (Place & individual(place)) &
subconcepts: [Place].
concept(entity & Entity) :=
Entity &
subconcepts: [].
/***************************************************************************************************************
****************************************************************************************************************
Principles
****************************************************************************************************************
****************************************************************************************************************/
/***************************************************************************************************************
head-feature-inheritance
****************************************************************************************************************/
unified_head_features(HF) :=
syn_head_features(HF) &
morph_head_features(HF).
syn_head_features([syn:head:H]) := syn:head:H.
syn_head_features([syn:head:H, syn:head:H]) := syn:head:H.
morph_head_features([morph:mhead:H]) := morph:mhead:H.
morph_head_features([morph:mhead:H, morph:mhead:H]) := morph:mhead:H.
238

* Commented out because of the danger of loops
syn_head_features([]) := top.
syn_head_features([syn:head:H|Rest]) :=
syn:head:H & syn_head_features(Rest).
Anhang C: Programmcode
morph_head_features([]) := top.
morph_head_features([morph:mhead:H|Rest]) :=
morph:mhead:H & morph_head_features(Rest).
*/
/***************************************************************************************************************
morph_subcat_principle(Affix,Stem):
checks whether Stem is morphologically subcategorised by Affix and
returns the semantics and argument structure of the affix
****************************************************************************************************************/
morph_subcat_principle( morph:msubcat:needs:Stem & syn:argstr:AffixSC & sem:Sem,
Stem) :=
syn:argstr:AffixSC &
morph:msubcat:needs:[] &
sem:Sem.
/***************************************************************************************************************
selector functions
****************************************************************************************************************/
syn_head(syn:head:Head) :=
Head.
roles_of_event(event:roles:Roles) :=
Roles.
semantics(sem:Sem) :=
sem:Sem.
infl_semantics(sem:Sem,_) :=
sem:Sem.
type_concept(simple_type & Simple_type & type:Type) :=
Simple_type &
type: concept(Type).
type_concept(dotted_type & types:TypeList) :=
member(Simple_type & type:Type, TypeList) &
Simple_type & type: concept(Type).
/***************************************************************************************************************
****************************************************************************************************************/
% for derivation with -ung:
subjectivus(sem:SubjSem, _DO, _Defargs) :=
argstr_relarg(Rel & sem:SubjSem) &
argstr_order([Rel]) &
defargs([]).
% Realisation of default arguments sounds odd:
% "die Überprüfung der Beamten mit dem Meßgerät ..."
% with the intended reading "die Beamten prüfen ...
239

Anhang C: Programmcode
objectivus(sem:SubjSem, DO, Defargs) :=
argstr_relarg(DO) &
argstr_order(append(delete_elist([DO]),[Subj])) &
defargs(append(Defargs,[Subj & sem:SubjSem])).
/***************************************************************************************************************
agent_instrument: construct a dotted type for the agent/instrument alternation
****************************************************************************************************************/
agent_instrument(sem:content:eventstr:EventStr, _S, DO, _DefArgs) :=
sem:refarg:types:[agent_thetarole(EventStr), instrument_thetarole(EventStr)] &
sem_content(operator:op_possibility & scope:eventstr:EventStr) &
argstr_relarg(DO) &
argstr_order(delete_elist([DO])) &
defargs([]).
% accomplishment verb with agent-role alone
agent_instrument(sem:content:eventstr:EventStr, _S, DO, _DefArgs) :=
no_instrument_thetarole(roles_of_event(EventStr)) &
argstr_refarg(agent_thetarole(EventStr)) &
sem_content(operator:op_possibility & scope:eventstr:EventStr) &
argstr_relarg(DO) &
argstr_order(delete_elist([DO])) &
defargs([]).
% process verb
agent_instrument(sem:content:eventstr:(activity_eventstr & ~accomplishment &
~ achievement & EventStr),
_S, DO, _DefArgs) :=
argstr_refarg(agent_thetarole(EventStr)) &
sem_content(operator:op_possibility & scope:eventstr:EventStr) &
argstr_relarg(DO) &
argstr_order(delete_elist([DO])) &
defargs([]).
process_or_accomplishment_verb(sem_content(eventstr:(activity_eventstr & ~achievement))) :=
top.
%
% agent_thetarole: check the event structure for the presence of an agent subject
%
%agent_thetarole(accomplishment & event:roles:Roles) :=
% member(role:agent & sel_restr:Type, Roles) &
% Type.
agent_thetarole(activity_eventstr & event:roles:Roles) :=
member(role:agent & sel_restr:Type, Roles) &
Type.
%
% instrument_thetarole: check the event structure for the presence of an instrument
%
instrument_thetarole(activity_eventstr & event:roles:Roles) :=
member(role:instrument & sel_restr:Type, Roles) &
Type.
experiencer_thetarole(achievement & event:roles:Roles) :=
240

Anhang C: Programmcode
member(role:experiencer & sel_restr:Type, Roles) &
Type.
no_instrument_thetarole([]) :=
top.
no_instrument_thetarole([role: ~instrument|RestRoles]) :=
no_instrument_thetarole(RestRoles).
% return non-deterministically a role of the given event structure
a_role_in_eventstr(activity_eventstr & event:roles:Roles) :=
member(sel_restr:Type, Roles) &
Type.
/***************************************************************************************************************
affix_order_constraint
****************************************************************************************************************/
affix_order_constraint(top, top) :=
top.
affix_precedes_star(Head1,Head2) :=
affix_precedes(Head1,Head2).
affix_precedes_star(Head1,Head2) :=
affix_precedes(Head1,Head) &
affix_precedes(Head,Head2).
% it's necessary to code this in Prolog
affix_precedes(cat:cat, tense:tense) := top.
affix_precedes(cat:cat, degree:degree) := top.
affix_precedes(degree:degree, case:case) := top.
affix_precedes(tense:tense, mood:mood) := top.
affix_precedes(mood:mood, num:num) := top.
affix_precedes(num:num, pers:pers) := top.
affix_precedes(pers:pers, case:case) := top.
/***************************************************************************************************************
SYN:HEAD:-maximality: check whether the syn:head:-features - depending
on the category - are complete
****************************************************************************************************************/
% nouns
type_maximal(Head) :=
value_instantiated(cat:n &
num:(sg;pl) &
case:(nom;acc;gen;dat) &
gender:(fem;masc;neut),
Head).
% inflected verbs
type_maximal(Head) :=
value_instantiated(cat:v &
num:(sg;pl) &
pers:(first;second;third) &
tense:(pres;pret) &
mood:(ind;imp;subjI;subjII),
Head).
% infinitive verbs
type_maximal(Head) :=
241

Anhang C: Programmcode
value_instantiated(verb_inf_base & cat:v, Head).
% verb particple
type_maximal(Head) :=
value_instantiated(verb_part & cat:v, Head).
% verb imperative forms
type_maximal(Head) :=
value_instantiated(verb_imp & cat:v & num:(sg;pl), Head).
% adjectives
type_maximal(Head) :=
value_instantiated(cat:a, Head).
% last resort
%type_maximal(top) := top.
/***************************************************************************************************************
Principles concerning argument structure
****************************************************************************************************************/
argument_inheritance(syn:argstr:Subcat) :=
syn:argstr:Subcat.
% argument realisation of infinitival verb forms (participles, infinitives ...)
% => do nothing
argument_realisation(PSA & argstr_extarg(Ext) & syn:head:verb_infinitive) :=
argstr_extarg(Ext) &
type_shift_args_to_phrase(PSA) &
semantics(PSA).
% argument realisation of inflected verbs
% => type shift the external argument
argument_realisation(PSA & argstr_extarg(Ext) & syn:head:(verb & num:Num)) :=
argstr_extarg(type_shift(Num,Ext)) &
type_shift_args_to_phrase(PSA) &
semantics(PSA).
% argument realisation of singular nouns with simple or dotted type
% => type shift the referential argument
argument_realisation(PSA & argstr_refarg(Ref & simple_or_dotted_type) &
syn:head:(noun & cat:n & num:sg) &
sem_content(Cont) ) :=
argstr_refarg(type_shift(sg,Ref)) &
type_shift_args_to_phrase(PSA) &
sem_content(Cont).
% argument realisation of singular adj with simple or dotted type
% => type shift the referential argument
argument_realisation(PSA & argstr_refarg(Ref & simple_or_dotted_type) &
syn:head:(adjective & cat:a & num:sg) &
sem_content(Cont) ) :=
type_shift_args_to_phrase(PSA) &
argstr_refarg(type_shift(sg,Ref)) &
sem_content(Cont).
242

Anhang C: Programmcode
% argument realisation of plural nominals with simple type or dotted type
% => type shift the referential argument
argument_realisation(PSA & syn:head:(nominal & num:pl) &
argstr_refarg(Ref) & sem_content(Cont) ) :=
type_shift_args_to_phrase(PSA) &
argstr_refarg(type_shift(pl,Ref)) &
sem_content(Cont).
/***************************************************************************************************************
type_shift_args_to_phrase/1: shift the type of all arguments to phrase and
realise their cases and categories
****************************************************************************************************************/
% nouns
type_shift_args_to_phrase(syn:argstr:(AS & noun_argstr & relarg:Rel & defargs:DA)) :=
syn:argstr:(AS &
relarg:realize_relarg(Rel) &
defargs:realize_default_arguments(DA)
).
% adjectives
type_shift_args_to_phrase(syn:argstr:(AS & adj_argstr & intarg:Int & defargs:DA)) :=
syn:argstr:(AS &
intarg:realize_intarg(Int) &
defargs:realize_default_arguments(DA)
).
% verbs
type_shift_args_to_phrase(syn:argstr:(AS & verbal_argstr & subj:Subj & dir_obj:DO &
indir_obj:IO & prep_obj:PO & sent_compl:SC &
defargs:DefArgs )) :=
syn:argstr:(
AS &
subj:realize_subject(Subj) &
dir_obj:realize_direct_object(DO) &
indir_obj:realize_indirect_object(IO) &
prep_obj:realize_prep_object(PO) &
sent_compl:realize_sent_compl(SC) &
defargs:realize_default_arguments(DefArgs)
).
realize_relarg(Rel) := phrase & Rel & syn:head:(noun & cat: n & case:sgen).
realize_relarg(Rel) := phrase & Rel & p(ldat,von).
%realize_relarg(Rel) := phrase & Rel & p(lacc,durch).
realize_relarg([]) := [].
realize_intarg(Int) := phrase & Int.
realize_intarg([]) := [].
realize_subject(Subj & syn:head:(cat:n & case:struc_case)) :=
phrase & Subj & syn:head:case:snom.
realize_subject([]) := [].
realize_direct_object(DirObj & syn:head:(cat:n & case:struc_case)) :=
phrase & DirObj & syn:head:case:sacc.
realize_direct_object([]) := [].
realize_indirect_object(InDirObj) := phrase & InDirObj.
realize_indirect_object([]) := [].
243

ealize_prep_object(PO) := phrase & PO.
realize_prep_object([]) := [].
realize_sent_compl(SC) := phrase & SC.
realize_sent_compl([]) := [].
Anhang C: Programmcode
% agentive default arg may be realised as a PP
realize_default_arguments([]) := top.
realize_default_arguments([phrase]) := top.
realize_default_arguments([phrase,phrase]) := top.
realize_default_arguments([phrase,phrase,phrase]) := top.
%realize_default_arguments([]) :=
% top.
%realize_default_arguments([phrase|Rest]) :=
% realize_default_arguments(Rest).
/***************************************************************************************************************
type_shift(Number,SimpleOrDottedType): shift a type to a group type.
****************************************************************************************************************/
type_shift(sg, Type & individual & is_group:minus) :=
Type.
type_shift(sg, Type & uncountable) :=
Type.
type_shift(sg, Type & group & is_group:plus) :=
% value_instantiated(group_of:top, Type) &
Type & group_of:individual.
type_shift(sg, dotted_type & type_rel:TR & types:Types) :=
dotted_type &
type_rel:TR &
types:type_shift_all_subtypes_sg(Types).
% simple type, countable, plural
type_shift(pl, Ind & is_group:minus & type:T) :=
Ind &
group_of:(individual & type:T).
% simple type, group, plural
type_shift(pl, Group & group & is_group:plus & type:T) :=
Group &
group_of:(type:T & group_of:(individual & type:T)).
% dotted type, plural
type_shift(pl, dotted_type & type_rel:TR & types:Types) :=
dotted_type &
type_rel:TR &
types:type_shift_all_subtypes_pl(Types).
type_shift_all_subtypes_sg([]) := [].
type_shift_all_subtypes_sg([Type|Types]) :=
[type_shift(sg,Type)|type_shift_all_subtypes_sg(Types)].
244

Anhang C: Programmcode
%type_shift_all_subtypes_sg([T]) := [simple_type & type_shift(sg,T)].
%type_shift_all_subtypes_sg([T1,T2]) :=
% [simple_type & type_shift(sg,T1),simple_type & type_shift(sg,T2)].
%type_shift_all_subtypes_pl([T]) := [simple_type & type_shift(pl,T)].
%type_shift_all_subtypes_pl([T1,T2]) :=
% [simple_type & type_shift(pl,T1),simple_type & type_shift(pl,T2)].
type_shift_all_subtypes_pl([]) := [].
type_shift_all_subtypes_pl([Type|Types]) :=
[type_shift(pl,Type)|type_shift_all_subtypes_pl(Types)].
% ignore uncountable in plural
type_shift_all_subtypes_pl([uncountable|Types]) :=
type_shift_all_subtypes_pl(Types).
/***************************************************************************************************************
****************************************************************************************************************
Lexicon templates
****************************************************************************************************************
****************************************************************************************************************/
noun(Gender) := syn:head:(noun & cat:n & gender:Gender).
verb(VForm) := syn:head:(verb & VForm & cat:v).
adj := syn:head:(adjective & cat:a).
n(Case) := syn:head:(noun & cat:n & case: Case).
p(Case,PForm) := syn:head:(cat:p & pform: PForm & dp_case: Case).
n_infl_affix := infl_affix & syn:head:cat:n.
v_infl_affix(VType) := infl_affix & syn:head:(cat:v & VType).
plural := syn:head:num:pl.
singular := syn:head:num:sg.
case(Case) := syn:head:case:Case.
% Verb stems for irregular verbs
verbstem(0) :=
verb(top).
verbstem(1) :=
verb(top) ;
verb(num:pl & tense:pres) ;
verb(tense:pres & mood:subjI).
verbstem(2) :=
verb(pers:first & num:sg & tense:pres & mood:ind) &
morph_feat(complete:minus).
verbstem(3) :=
verb(pers:(second;third) & num:sg & tense:pres & mood:ind) &
morph_feat(complete:minus).
verbstem(4) :=
verb(tense:pret & mood:ind).
verbstem(5) :=
verb(tense:pret & mood:subjII).
verbstem(6) :=
verb(verb_partII).
245

verbstem(7) :=
verb(verb_imp & mood:imp).
Anhang C: Programmcode
decl_class(DC_sg,DC_pl) :=
morph:mhead:decl_class:(decl_class_sg: DC_sg & decl_class_pl: DC_pl).
morph_feat(Morph_feat) :=
morph:mfeat:Morph_feat.
prefixable_with_ge(Bool) :=
morph:mfeat:prefixable_with_ge:Bool.
morph_subcat(MorphObject) :=
morph:msubcat:needs:MorphObject.
simple_type(OfType) :=
simple_type & type:OfType.
individual(OfType) :=
individual & type:OfType.
countable(OfType) :=
countable & type:OfType & is_group:minus.
uncountable(OfType) :=
uncountable & type:OfType.
group_of(Type) :=
group & type:Type & group_of:type:Type & is_group:plus.
dotted_type(Types,Type_Relations) :=
types: Types & type_rel: Type_Relations.
transition_event(Type,E1,E2,EventRestr,EventHead) :=
sem_content(eventstr:(Type & event:(activity & E1) & state:(state & E2) &
eventrestr:EventRestr & eventhead:EventHead)).
process(Type,Roles) :=
sem_content(eventstr:event:(activity & event(Type,Roles))).
state(Rel) :=
sem_content(eventstr:state:(state & Rel)).
relation(RelConst,RelArgs) :=
relconst:RelConst & relargs:RelArgs.
accessible_relation(RelConst,RelArgs,AccessibleArgs) :=
relation(RelConst,RelArgs) &
accessible_args:AccessibleArgs.
purpose_relation(RelConst,RelArgs,_AccessibleArgs) :=
sem:content:(operator:op_possibility &
scope:(lexical_content &
eventstr:event:event(RelConst,RelArgs)
)
).
246

event(Type,Roles) :=
event_type:Type &
roles:Roles &
accessible_roles: listcopy(Roles).
Anhang C: Programmcode
telic_roles(sem_content(operator:op_possibility &
scope:(lexical_content &
eventstr:event:roles:Roles ))) :=
Roles.
sem_content(Content) :=
sem:content:Content.
has_part(Part) :=
relation(has_part,[Part]).
consists_of(Material) :=
relation(consists_of,[Material]).
container_for(What) :=
relation(container_for,[What]).
no_subconcepts := type:subconcepts:[].
unknown(_) := "$unknown$".
/***************************************************************************************************************
subcategorisation
****************************************************************************************************************/
argstr([Subj,DirObj,IndirObj,PrepObj,SentCompl]) :=
argstr_subj(Subj) &
argstr_dirobj(DirObj) &
argstr_indirobj(IndirObj) &
argstr_prepobj(PrepObj) &
argstr_sentcompl(SentCompl).
argstr_refarg(Type) := sem:refarg:Type.
argstr_extarg(Type) := sem:extarg:Type.
argstr_subj(Sign & sem:refarg:Sem) := syn:argstr:subj:Sign & sem:extarg:Sem.
argstr_dirobj(Sign) := syn:argstr:dir_obj:Sign.
argstr_indirobj(Sign) := syn:argstr:indir_obj:Sign.
argstr_prepobj(Sign) := syn:argstr:prep_obj:Sign.
argstr_sentcompl(Sign) := syn:argstr:sent_compl:Sign.
argstr_relarg(Sign) := syn:argstr:(noun_argstr & relarg:Sign).
argstr_intarg(Sign) := syn:argstr:(adj_argstr & intarg:Sign).
argstr_order(OrderList) := syn:argstr:argstr_order:OrderList.
defargs(Arglist) := syn:argstr:defargs:Arglist.
adjuncts(Adjuncts) := syn:argstr:adjuncts:Adjuncts.
247

Anhang C: Programmcode
no_arguments := argstr_relarg([]) & argstr_order([]) & defargs([]).
empty_morph_subcat := morph:msubcat:needs:[].
/***************************************************************************************************************
Theta roles
****************************************************************************************************************/
role(Thetarole,RoleArg) :=
role:Thetarole &
sel_restr:RoleArg.
agent(Type) := role(agent, Type).
patient(Type) := role(patient, Type).
instrument(Type) := role(instrument, Type).
experiencer(Type) := role(experiencer, Type).
goal(Type) := role(goal, Type).
source(Type) := role(source, Type).
theme(Type) := role(theme, Type).
location(Type) := role(location, Type).
beneficiary(Type) := role(beneficiary, Type).
/***************************************************************************************************************
****************************************************************************************************************
Testing
****************************************************************************************************************
****************************************************************************************************************/
% Note: due to the incomplete proof strategy of CUF the empty inflectional
% categories are explicitly marked with "$"
% main test predicate
test(No) :=
cat(syntactic_atom &
syn:head:cat:cat &
syn:argstr:argstr &
sem:content:content,
testword(No)).
% inflection
testword(1) := ["bibliothek","$"].
testword(2) := ["bibliothek","en"].
testword(3) := ["buch","$"].
testword(4) := ["buech","er"].
testword(5) := ["buech","ern"].
testword(6) := ["rett","en"].
testword(7) := ["giess","en"].
testword(8) := ["staun","en"].
testword(9) := ["rett","$","en"].
testword(10) := ["rett","et","en"].
testword(11) := ["rett","et","est"].
testword(12) := ["messer","$"].
testword(13) := ["sohn","$"].
testword(14) := ["soehn","e"].
testword(15) := ["messer","n"].
testword(16) := ["fabrik","en"].
testword(17) := ["arbeit","$","en"].
testword(18) := ["renovier","t"].
testword(19) := ["ge","renovier","t"]. % *
testword(20) := ["ge","rett","et"].
248

testword(21) := ["rett","end"].
testword(22) := ["fan","$"].
testword(23) := ["fan","s"].
testword(24) := ["ge","pruef","t"].
testword(25) := ["brot","$"].
testword(26) := ["brot","e"].
testword(27) := ["wasser","$"].
testword(28) := ["fabrik","$"].
testword(29) := ["museum","$"].
testword(50) := ["frei"].
testword(51) := ["schoen"].
Anhang C: Programmcode
% derivation: suffixation
testword(100) := ["rett","bar"].
testword(101) := ["rett","ung","$"].
testword(102) := ["rett","ung","en"].
testword(103) := ["frei","ung","$"]. % * [-ung subkategorisiert Verben]
testword(104) := ["giess","ung","$"]. % * [-ung subkategorisiert trans. Verben]
testword(105) := [""].
testword(106) := ["frei","heit","$"].
testword(107) := ["arbeit","er","$"].
testword(108) := ["bohr","er","$"].
testword(109) := ["pruef","er","$"].
testword(110) := ["rett","er","$"].
testword(111) := ["pruef","ung","$"].
testword(112) := ["rett","bar","keit","$"].
testword(113) := ["fall","er","$"]. % * (Lexikoneintrag fehlt)
testword(114) := ["be","staun","er","$"].
testword(115) := ["renovier","er","$"].
testword(116) := ["renovier","bar","keit","$"].
testword(117) := ["fall","bar","keit","$"]. % *
testword(118) := ["renovier","ung","$"].
testword(119) := ["verkauf","$","$"].
testword(120) := ["horn","ist","$"].
% derivation: prefixation
testword(200) := ["un","frei"].
testword(201) := ["be","giess","en"].
testword(202) := ["be","staun","en"].
% derivation: suffixation + prefixation
testword(300) := ["be","staun","bar","keit","$"].
testword(301) := ["be","staun","bar"].
testword(302) := ["un","rett","bar"].
testword(303) := ["un","rett","bar","keit","$"].
% conversion
testword(400) := ["",""].
testword(401) := ["schoen","en"].
% composition: NN with relational head
testword(500) := ["messer","fan","$"].
testword(501) := ["messer","sohn","$"]. % * because of selectional restrictions of Sohn
testword(550) := ["museum","s","fan","$"].
testword(551) := ["buch","fan","$"].
testword(552) := ["buech","er","fan","$"].
249

% relational V
testword(580) := ["hack","messer","$"].
Anhang C: Programmcode
% composition: NN with deverbal head
testword(600) := ["buech","er","pruef", "er", "$"].
testword(601) := ["buch","pruef", "er", "$"].
testword(602) := ["messer","pruef", "er", "$"].
testword(603) := ["buch","pruef", "ung","$"].
testword(604) := ["bibliothek","s","renovier","ung","$"].
testword(605) := ["fabrik","verkauf","$","$"]. % has also a conceptual reading
testword(606) := ["museum","s","verkauf","$","$"].
% composition: NN with stereotypical relation
testword(700) := ["museum","s","buch","$"].
testword(701) := ["buch","museum","$"].
testword(702) := ["buech","er","museum","$"].
testword(703) := ["buech","er","verkauf","$","$"].
testword(704) := ["buech","er","fabrik","$"]. % ok
testword(705) := ["messer","fabrik","$"]. % ok
testword(706) := ["brot","fabrik","$"]. % ok
testword(707) := ["brot","messer","$"]. % ok
testword(708) := ["fabrik","streik","$"].
testword(709) := ["wasser","tasse","$"].
testword(710) := ["buch","verkauf","$","$"].
% composition: NN with general relation
testword(800) := ["stahl","messer","$"].
testword(801) := [""].
testword(802) := ["museums","s","bibliothek","$"].
testword(803) := ["buech","er","bibliothek","$"]. % * aus semant. Gründen
testword(804) := ["stahl","bohr","er","$"].
% composition & derivation
testword(900) := ["buech","er","be","staun","er","$"].
% base relation
testword(950) := ["schoen","tasse","$"]. % this is an artificial example
% words with unknown parts
testword(1000) := [unknown("schumisier"),"bar"].
testword(1001) := [unknown("umleit"),"ung","$"].
testword(1002) := [unknown("haendl"),"er","$"].
/*
% composition: N-N
testword(502) := ["museum","s","kosten","$"].
testword(504) := ["museum","s","streik","$"].
testword(505) := ["tasse","n","museum","$"].
testword(507) := ["streik","museum","$"]. % *
testword(514) := ["fabrik","buch","$"].
% General relations
test_word(300) := ['Tasse',n,'Tisch'].
250

% Composition & Derivation
test_word(600) := [rett,ung,s,'Kosten'].
test_word(601) := ['Kosten',rechn,ung,en].
test_word(603) := ['Tisch',rechn,er].
*/
Anhang C: Programmcode
/***************************************************************************************************************
**********************************************************************************
Utils
Note: all normally recursive predicates like append etc. are reduced to a finite
set of special cases to prevent loops
**********************************************************************************
****************************************************************************************************************/
foreign(value_instantiated(intern,intern) -> (-extern)).
foreign(value_not_instantiated(intern,intern) -> (-extern)).
foreign(is_of_type(intern,intern) -> (-extern)).
foreign(is_of_type_group(intern) -> (-extern)).
foreign(is_of_type_individual(intern) -> (-extern)).
foreign(type_of(intern) -> (-extern)).
true(top) := top.
split([X1,X2], [X1], [X2]) := top.
split([X1,X2,X3], [X1,X2], [X3]) := top.
split([X1,X2,X3], [X1], [X2,X3]) := top.
split([X1,X2,X3,X4], [X1,X2,X3], [X4]) := top.
split([X1,X2,X3,X4], [X1,X2], [X3,X4]) := top.
split([X1,X2,X3,X4], [X1], [X2,X3,X4]) := top.
split([X1,X2,X3,X4,X5], [X1], [X2,X3,X4,X5]) := top.
split([X1,X2,X3,X4,X5], [X1,X2], [X3,X4,X5]) := top.
split([X1,X2,X3,X4,X5], [X1,X2,X3], [X4,X5]) := top.
split([X1,X2,X3,X4,X5], [X1,X2,X3,X4], [X5]) := top.
split([X1,X2,X3,X4,X5,X6], [X1,X2,X3,X4,X5], [X6]) := top.
split([X1,X2,X3,X4,X5,X6], [X1,X2,X3,X4], [X5,X6]) := top.
split([X1,X2,X3,X4,X5,X6], [X1,X2,X3], [X4,X5,X6]) := top.
split([X1,X2,X3,X4,X5,X6], [X1,X2], [X3,X4,X5,X6]) := top.
split([X1,X2,X3,X4,X5,X6], [X1], [X2,X3,X4,X5,X6]) := top.
split([X1,X2,X3,X4,X5,X6,X7], [X1,X2,X3,X4,X5,X6], [X7]) := top.
split([X1,X2,X3,X4,X5,X6,X7], [X1,X2,X3,X4,X5], [X6,X7]) := top.
split([X1,X2,X3,X4,X5,X6,X7], [X1,X2,X3,X4], [X5,X6,X7]) := top.
split([X1,X2,X3,X4,X5,X6,X7], [X1,X2,X3], [X4,X5,X6,X7]) := top.
split([X1,X2,X3,X4,X5,X6,X7], [X1,X2], [X3,X4,X5,X6,X7]) := top.
split([X1,X2,X3,X4,X5,X6,X7], [X1], [X2,X3,X4,X5,X6,X7]) := top.
split3([X1,X2,X3], [X1], [X2], [X3]) := top.
split3([X1,X2,X3,X4], [X1], [X2], [X3,X4]) := top.
split3([X1,X2,X3,X4], [X1,X2], [X3], [X4]) := top.
split3([X1,X2,X3,X4,X5], [X1], [X2], [X3,X4,X5]) := top.
split3([X1,X2,X3,X4,X5], [X1,X2], [X3], [X4,X5]) := top.
split3([X1,X2,X3,X4,X5], [X1,X2,X3], [X4], [X5]) := top.
split3([X1,X2,X3,X4,X5,X6], [X1], [X2], [X3,X4,X5,X6]) := top.
251

Anhang C: Programmcode
split3([X1,X2,X3,X4,X5,X6], [X1,X2], [X3], [X4,X5,X6]) := top.
split3([X1,X2,X3,X4,X5,X6], [X1,X2,X3], [X4], [X5,X6]) := top.
split3([X1,X2,X3,X4,X5,X6], [X1,X2,X3,X4], [X5], [X6]) := top.
split3([X1,X2,X3,X4,X5,X6,X7], [X1], [X2], [X3,X4,X5,X6,X7]) := top.
split3([X1,X2,X3,X4,X5,X6,X7], [X1,X2], [X3], [X4,X5,X6,X7]) := top.
split3([X1,X2,X3,X4,X5,X6,X7], [X1,X2,X3], [X4], [X5,X6,X7]) := top.
split3([X1,X2,X3,X4,X5,X6,X7], [X1,X2,X3,X4], [X5], [X6,X7]) := top.
split3([X1,X2,X3,X4,X5,X6,X7], [X1,X2,X3,X4,X5], [X6], [X7]) := top.
testsplit(L) := split(L,L1,L2) & [L1,L2].
testsplit3(L) := split3(L,L1,L2,L3) & [L1,L2,L3].
%
% delete_elist(List): delete all occurences of elist from List
%
delete_elist([]) := [].
delete_elist([[]]) := [].
delete_elist([A & ~elist]) := [A].
%delete_elist([]) := [].
%delete_elist([elist|T]) := delete_elist(T).
%delete_elist([A & ~elist|T]) := [A|delete_elist(T)].
append([],L) := L.
append([X],L) := [X|L].
append([X,Y],L) := [X,Y|L].
append([X,Y,Z],L) := [X,Y,Z|L].
member(X,[X]) := top.
member(X,[_,X]) := top.
member(X,[X,_]) := top.
member(X,[X,_,_]) := top.
member(X,[_,X,_]) := top.
member(X,[_,_,X]) := top.
member(X,[X,_,_,_]) := top.
member(X,[_,X,_,_]) := top.
member(X,[_,_,X,_]) := top.
member(X,[_,_,_,X]) := top.
% member-predicate that returns the list without the found element X
member(X,[X],[]) := top.
member(X,[A1,X],[A1]) := top.
member(X,[X,A1],[A1]) := top.
member(X,[X,A1,A2],[A1,A2]) := top.
member(X,[A1,X,A2],[A1,A2]) := top.
member(X,[A1,A2,X],[A1,A2]) := top.
member(X,[X,A1,A2,A3],[A1,A2,A3]) := top.
member(X,[A1,X,A2,A3],[A1,A2,A3]) := top.
member(X,[A1,A2,X,A3],[A1,A2,A3]) := top.
member(X,[A1,A2,A3,X],[A1,A2,A3]) := top.
%append([],L) := L.
%append([H|T],L) := [H|append(T,L)].
%member(X,[X|_]) := top.
%member(X,[_|R]) := member(X,R).
% create a copy of the list
listcopy([]) := [].
listcopy([H|T]) := [H|listcopy(T)].
252