Aspekte der morphologischen Analyse des Deutschen - Universität ...

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