Aspekte der morphologischen Analyse des Deutschen - Universität ...

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