Das DWDS-Abfragesystem

Das DWDS-Abfragesystem ist im Rahmen des Projekts „Digitales Wörtebuch der deutschen Sprache des 20. Jh.“ der Berlin-Brandenburgischen Akademie der Wissenschaften entstanden. Das internetbasierte Abfragesystem besteht aktuell in der 3. Version. Die Korpus-Sammlung umfasst Referenzkorpora, Zeitungskorpora und mehrere Spezialkorpora. Aktuell verfügt DWDS über mehr als zwanzig öffentlich recherchierbare Textkorpora mit einem Gesamtumfang von mehr als 23 Milliarden Tokens, wobei rund die Hälfte der Korpora nur mit Registrierung bei DWDS und Anmeldung zugänglich ist, der Rest ist auch ohne Anmeldung zugänglich.

Das DWDS-Kernkorpus ist das Hauptreferenzkorpus: Es besteht aus einer ausgewogenen Auswahl an Texten aus verschiedenen Bereichen, geschrieben zwischen den Jahren 1900 bis 1999 und hat einen Umfang von gut 100 Millionen Wörtern (Tokens ohne Satzzeichen). Ein zweites Referenzkorpus mit Texten des 21. Jahrhunderts ist im Aufbau. Die Zeitungskorpora enthalten auch viele Texte aus den Jahren seit 2000. Die DWDS-Korpora sind alle lemmatisiert und mit dem Stuttgart-Tübingen Tagset getaggt (morphosyntaktisch annotiert).

Arbeitsablauf mit DWDS

Es gibt in DWDS drei Recherchebereiche oder Ressourcen, wie es auf der DWDS Website heißt: Wörterbücher, Korpora und statistische Auswertungen.

• Den Zugang zu diesen Ressourcen kann man über Links auf der Startseite bekommen. (Eine Anmeldung im System nach vorheriger Registrierung ist möglich aber nicht notwendig für die Benutzung von DWDS. Mit einer Anmeldung stehen mehr Korpora zur Verfügung als ohne eine Anmeldung aber alle Funktionen des Systems können auch ohne Anmeldung benutzt werden.)
  

  

• Man kann eine Recherche auch direkt auf der Startseite anstoßen, indem man eine Anfrage in die einzeilige Textbox eintippt und auf das Lupe-Icon klickt.
  • Entspricht die Eingabe einem Eintrag im DWDS-Wortauskunftssystem (z.B. Hund), werden als Suchergebnisse die dazugehörigen Wörterbuch-Informationen angezeigt. Auf der Webseite kann man über Links auch Trefferlisten für die Anfrage aus den DWDS-Korpora aufrufen.
  • Entspricht die Eingabe keinem Eintrag im DWDS-Wortauskunftssystem (weil sie aus mehreren Worten besteht oder Sonderzeichen der Anfragesprache enthält, z.B. @Hund), wird eine Suche gemäß der Eingabe im DWDS-Kernkorpus durchgeführt und die Ergebnisse werden angezeigt:
    

    

  • Auf dieser Seite kann man weitere Korpussuchen durchführen und dabei folgende Eigenschaften einstellen:
    • Auswahl des Korpus
    • Zeitraum der Suche in Jahren
    • Auswahl der Textklassen, die bei der Suche berücksichtigt werden (nur bei den Referenzkorpora verfügbar)
    • Format der Anzeige: KWIC-Liste, voll (der ganze Satz, der den Suchbegriff enthält) oder maximal (der Satz sowie der vorangehende und der nachfolgende Satz im Korpus)
    • Sortierung, jeweils auf- oder absteigend nach folgenden Kriterien:
      • Datum
      • links: Sortierung nach dem Token, das unmittelbar links des Suchbegriffs steht.
      • Fundwort: Sortierung nach dem ersten Token im Treffer.
      • rechts: das Spiegelbild von links
      • Beleglänge: Sortierung nach Länge in Tokens des Satzes, der den Suchbegriff enthält.
      • zufällig
      N.B.: Die Sortierung nach Tokens ist nicht gemäß der deutschen Alphabet sondern gemäß der sogenannten ASCII-Zeichensatzkodierung: Z.B. kommen Satz- und Anführungszeichen vor den Buchstaben, alle Großbuchstaben vor allen Kleinbuchstaben und die Umlaute nach Z bzw. z.
    • Anzahl der angezeigten Treffer pro Seite
  • Oberhalb der Trefferliste steht ein Button „Treffer exportieren“: Klickt man darauf, können bis zu 5000 Treffern in verschiedenen Formaten als Liste entweder direkt im Browser angezeigt oder als Datei heruntergeladen werden, um die Treffer mit anderen Programmen zu verarbeiten (wir werden diese Funktion benutzen, um Daten aus DWDS in R einzulesen).
• Zur Eingangsseite der statistischen Auswertungen kommt man über den gleichnamigen Link unterhalb der Textbox auf der DWDS-Startseite (den Link gibt es auch im unteren Bereich jeder DWDS-Seite). Von dort gibt es Links zu drei statistischen Werkzeugen im DWDS-Abfragesystem: Die Wortverlaufskurven zeigen die zusammengefassten Häufigkeiten in den Referenz- und Zeitungskorpora der Treffer einer Anfrage im Zeitraum von 1600 bis heute; das DWDS-Wortprofil zeigt Kollokationen in verschieden syntaktischen Konstruktionen; und DiaCollo gibt Auskunkt über das diachronische (zeitliche) Auftreten von Kollokationen. Wir werden uns später mit Varianten der Wortverlaufskurven beschäftigen; eine Behandlung von Kollokationen würde den Rahmen des Seminars sprengen.
• Über den Link „Textkorpora“ auf der Startseite kommt man zu einer Seite mit einem quantitativen Überblick über alle DWDS-Korpora. Von dort gibt es einen weiteren Link zu einer separaten Seite, wo für einzelne Korpora die Anzahl der Tokens, der Sätze oder der Dokumente auch noch nach Dekaden, nach Textklassen oder nach Tags gruppiert angezeigt werden können.
• Über den Fragezeichen-Button rechts der Textbox für die Eingabe von Suchanfragen auf der Startseite kommt man zu einer Seite mit einer Erläuterung der Eingabe. Von dort gibt es auch einen Link „Korpussuche - Suchmaschine und Suchabfragesprache“ zu einer Seite mit umfangreichen Informationen über die von DWDS verwendeten Anfragesprache (zu dieser Seite kommt man auch über den Fragezeichen-Button rechts der Textbox für die Eingabe von Suchanfragen auf der Überblicksseite der Textkorpora sowie auf der Ergebnisseite nach Durchführung einer Suchanfrage).
  • Diese Informationen sind teilweise ziemlich technisch oder beziehen sich auf besondere Anwendungen, die für dieses Seminar nicht sinnvoll sind. Am nützlichsten ist die Schnellübersicht, der aber auch einige nützliche Fälle fehlen. Daher wird auf den folgenden Seiten der Seminar-Website versucht, die für dieses Seminar sinnvollsten Eigenschaften der DWDS-Anfragesprache systematisch darzustellen. Sie können diese Seiten teils als eine Verdichtung, teils als Ergänzung der Informationen auf der DWDS-Website betrachten.
  • Dabei sei auf Folgendes hingewiesen: Um die Grundlagen der quantitativen Korpusanalyse kennenzulernen, genügen zwar die Ergebnisse von sehr einfachen Suchanfragen. Aber auch linguistisch komplexe Daten will man quantitativ analysieren, und solche Daten gehören zum korpuslinguistischen Alltag. Daher ist es auch im Rahmen dieses Seminars sinnvoll, Eigenschaften der DWDS-Anfragesprache kennenzulernen, die komplexe Anfragen ermöglichen, und anhand von Übungsaufgaben, auch Beispiele solcher Anfragen selber zu formulieren und durchzuführen.