Aspekte der morphologischen Analyse des Deutschen - Universität ...

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