Dokumentation Version 5.0
Dokumentation der fünften Version von Ridges Herbology.
Korpus-Pipeline
- Erweiterung durch sieben weitere Texte:
BuchDerNatur_1482_vonMegenberg
NewKreuetterBuch_1539_Bock
NewKreueterbuch_1563_Handsch
Phythologia_1662_Becher
TheatrumBotanicum_1696_Verzascha
ViridariumReformatum_1719_Valentini
Kraeuterbuch_1914_Losch
Eine vollständige Liste aller Dokumente dieser Version lässt sich unter Download finden. - Transkription und anschließende Tokenisierung der sieben neuen Texte mit TreeTagger.
- Manuelle Erstellung von <norm> und manuelle Korrektur von <dipl> und <norm> in allen 4.1-Texten, die vor 1652 publiziert wurden.
- Wortartentagging und Lemmatisierung in allen Dokumenten (4.1 und 5.0) mit TreeTagger-Batch und TreeTagger. Anführungszeichen im Text können zu Fehlern führen, weshalb diese maskiert werden sollten. Desweiteren werden Leerzeilen im Text durch den TreeTagger gelöscht, sodass Fehler in der Segmentierung entstehen können. Deshalb sollten diese durch einen beliebigen Tag (z.B. <9>) gefüllt werden und die Option -sgml sollte beim taggen benutzt werden. Diese Tags werden dann nicht getaggt und können anschließend wieder entfernt werden. Nach dem Zusammenführen des TreeTagger-Outputs mit den MS Excel-Dateien, wird mit dem Makro SearchAndMerge die Segmentierung rekonstruiert(Readme).
- Manuelle Erstellung und Korrektur von strukturellen und inhaltlichen Annotationen.
- Automatische Ersetzung bestimmter Sonderzeichen in <dipl> aller Dokumente mit NormalizeDipl (z.B. wurden alle Makra durch Tilden ersetzt).
- Semi-automatische Erstellung von <clean> für alle Dokumente(Python-Skript und Readme, funktioniert in dieser Version nur unter Python 2.x).
- Ersetzung bzw. Vereinheitlichung sämtlicher pos-Annotationen nicht leserlicher Token mit Hilfe des Makros ReplacePosOfUnclear (Readme) zu "XY" in MS Excel.
- Konvertierung des Korpus nach ANNIS und nach PAULA mit Pepper.
Korpus-Design
| Um Vergleichbarkeit zu gewährleisten, wählen wir Texte aus einer wissenschaftlichen Disziplin, die idealerweise auf ähnliche Weise im gesamten Untersuchungszeitraum vertreten ist. Deshalb haben wir den Bereich der Kräuterkunde gewählt. Da die Verarbeitung älterer Texte aufwendiger ist, variiert die Länge der Texte. Jedes Dokument umfasst ca. 3.000 bis 10.000 Wortformen. |  |
Annotationsebenen
Die Annotationsbenen in den Korpora werden in einer Mehrebenenarchitektur gespeichert und lassen sich in vier Gruppen untergliedern.
- Transkription/Normalisierung
- Linguistische Annotationen
- Strukturelle Annotationen
- Inhaltliche Annotationen
- Metadaten
Transkription/Normalisierung
| Annotationsebene und -wert(e) | Beschreibung |
|---|---|
| dipl eigenständige Segmentierung Annotationswert(e):
|
Die Transkription von Faksimiles stellt für die korpuslinguistische Aufbereitung zumeist die grundlegende, diplomatische Ebene (dipl). Diese Ebene soll sich grafisch hinsichtlich Orthografie, Getrennt- und Zusammenschreibung und Sonderzeichen möglichst nah am zugrunde liegenden Faksimile orientieren. Grundsätzlich kann so auch entgegen modernen Orthographieregeln segmentiert oder transkribiert werden. Eine Unicode-Tabelle mit Sonderzeichen wurde dabei zu Hilfe genommen. |
| clean eigenständige Segmentierung Annotationswert(e):
|
Die clean-Ebene enthält erste vollautomatisch erstellte Normalisierungen hinsichtlich Sonderzeichen und grafischer Strukturierungen. So werden u.a. Ligaturen, die nach moderner Rechtschreibung nicht mehr verwendet werden, normalisiert. Grafische Markierungen der einzelnen Texte wie Zeilenumbrüche werden aufgelöst und Sonderzeichen einiger Fonts wie Fraktur auf die heutigen Schriftsätze übertragen. Beginnt das zweite Wort eines durch Zeilenumbruch getrennten Wortes mit einem Großbuchstaben, wird dieser in der clean-Ebene in Kleinbuchstaben realisiert (Gelb- Sucht; wird zu Gelbsucht). Ist der komplette zweite Bestandteil in Großbuchstaben geschrieben, bleibt dies so bestehen (MON- TANUM wird zu MONTANUM). Außerdem stellen die neuen Dokumente aus Version 4.0 und 5.0 neue Anforderungen an die automatisch erstellte clean-Ebene. Mit Makra versehene Vokale können nicht länger kontextabhängig normalisiert werden. Deshalb werden ab Version 4.0 für Token, die Vokale mit Makra enthalten alle möglichen Formen dieser Token in der clean angegeben. Die verschiedenen Formen werden durch '|' getrennt (zum Beispiel: 'auſzwēdig' zu 'auszwemdig|auszwendig'). Für eine komplette Auflistung aller Ersetzungen, die für die Erstellung der clean-Ebene gemacht wurden, siehe die Readme zum Skript, das zur Erstellung benutzt wurde. |
| norm eigenständige Segmentierung Annotationswert(e):
|
Die norm-Ebene stellt einen weiteren Normalisierungsschritt dar, indem hier die Tokenisierung, Graphematik, Flexionsformen und Lexeme an den neuhocheutschen Sprachstand angepasst werden. Graphematik: orthographische Anpassung nach Duden (kreutter -> Kräuter); Phonologie: zu beachten sind die frühneuhochdeutschen Lautwandelprozesse, also Diphthongierung, Monophthongierung, Synkope, Apokope, Nukleussenkung, etc.(lehret -> lehrt); Morphologie: in die Nasen -> in die Nase; Lexikologie: ausgestorbenes lexikalisches Material wird mit modernen Orthograhieregeln übernommen und ggf. in der Ebene "erlaeuterung" erkäutert (Vergeſz -> Vergess); Wortbildung: ausgestorbene Wortbildungsmorpheme werden nach Möglichkeit durch neuhochdeutsche Bildungen ersetzt (halben -> halber oder stachelecht -> stachelig). Kasus wurde bisher nur in einigen Dokumenten normalisiert. |
Linguistische Annotationen
| Annotationsebene und -wert(e) | Beschreibung |
|---|---|
| pos Segmentierung basiert auf 'norm' Annotationswert(e):
|
Automatische Wortarten-Annotation nach dem Stuttgart-Tübingen-Tagset (STTS). |
| lemma Segmentierung basiert auf 'norm' Annotationswert(e):
|
Lemmatisierung: Normalisierung der flektierten Wortformen, Zuordnung der entsprechenden Lexikoneinträge zu jeder Wortform. |
| erlaeuterung Segmentierung basiert auf 'norm' Annotationswert(e):
|
Dies ist eine unsystematische Ebene. In Fällen, in denen semantisch ein Begriff wie Heumonat nicht mehr transparent ist, kann ein modernes Äquivalent, z. B. Heumonat – Juli, oder eine kurze Erklärung angegeben sein. Diese Ebene wurde in Version 5.0 von "hyperlemma" zu "erlaeuterung" umbenannt. |
| foreign Segmentierung basiert auf 'norm' Annotationswert(e):
|
Markiert einen Text, der in einer Fremdsprache geschrieben ist. |
| foreign_trans Segmentierung basiert auf 'norm' Annotationswert(e):
|
Beschreibung der Zielsprache und der Ausgangssprache einer Übersetzung. |
| lang Segmentierung basiert auf 'norm' Annotationswert(e): |
Kodiert die konkrete Sprache des im Layer foreign markierten Textes nach ISO Drei-Buchstaben-Code (z. B. lat). |
| komp Segmentierung basiert auf 'norm' Annotationswert(e):
|
Komposition. Markiert alle im Korpus enthaltenen zusammen, getrennt oder mit Bindestrich geschriebenen Substantivkomposita (mit nominalem Kopf). |
| komp_orth Segmentierung basiert auf 'norm' Annotationswert(e):
|
Beschreibt die Orthographie der in der Ebene "komp" annotierten Komposita: zs: zusammengeschrieben, gtr: getrennt geschrieben, bs: Bindestrichmarkierung (innerhalb einer Zeile), lb1: unterbrochen durch Zeilenumbruch (ohne Bindestrichmarkierung), lb2: unterbrochen durch Zeilenumbruch (mit Bindestrichmarkierung). |
| prot Segmentierung basiert auf 'norm' Annotationswert(e):
|
Weist jedem Kompositum in der Ebene komp einen Prototypen zu. Der Prototyp gibt an, wie wahrscheinlich ein Vorkommen ein Kompositum ist, dabei gilt: prot1: sicher als Kompositum zu identifizieren, prot2: sehr wahrscheinlich Kompositum und prot3: Zweifelsfall (nicht in der Ebene "komp" markiert). |
| attr_gen Segmentierung basiert auf 'norm' Annotationswert(e):
|
Markiert alle im Korpus enthaltenen Nominalphrasen, die ein Genitivattribut enthalten, gprä: pränominales Genitivattribut und gpost: postnominales Genitivattribut. |
| strD Segmentierung basiert auf 'norm' Annotationswert(e):
|
Strukturelle Destruktion. Markiert alle im Korpus enthaltenen Koordinationen von Kompositionserst- und Zweitglied ("strukturelle Destruktionen"; z.B.: gelb⸗ und Waſſerſucht). |
| personenname Segmentierung basiert auf 'norm' Annotationswert(e):
|
Es werden alle Personennamen annotiert, auf die ein Autor referiert. Es wird der jeweilige Personenname im Nominativ angegeben. |
| werkname Segmentierung basiert auf 'norm' Annotationswert(e):
|
Es werden alle Werknamen annotiert, auf die ein Autor referiert. Es wird der jeweilige Werkname im Nominativ angegeben. |
| form_krankheit Segmentierung basiert auf 'norm' Annotationswert(e):
|
NA |
| problem Segmentierung basiert auf 'norm' Annotationswert(e):
|
NA |
| kraeutername_normiert Segmentierung basiert auf 'norm' Annotationswert(e):
|
In dieser Ebene wird ein systematischer Kräutername gegeben. Manchmal ist der nicht eindeutig, dann wird in den Annotationsebenen "erlaeuterung" oder "bemerkungen_lexik" darauf hingewiesen. Es gibt keine Leerzeichen, die beiden Bestandteile von zweiteiligen Bezeichnungen werden durch einen Unterstrich verbunden. |
| kraeuterzubereitung Segmentierung basiert auf 'norm' Annotationswert(e):
|
In dieser Ebene geht es nur um die Zubereitungen oder Darreichungsformen von Kräutern. Dabei werden nur NPs betrachtet, bei denen das Kraut der Kopf oder der Kopf der Modifikation ist (die syntaktischen Modifizierungen werden in anderen Annotationsebenen annotiert). Es wird normiert auf Neuhochdeutsch und die Form wird im Nominativ Singular ausgeschrieben. Dabei werden Leerzeichen bei PPs und Genitiven durch Unterstriche ersetzt. Komposita werden immer zusammengeschrieben, auch wenn sie im Original nicht zusammengeschrieben sind. Alles wird in Kleinbuchstaben geschrieben (safft des weremuts -> saft_des_wermuts). |
| form_zubereitung Segmentierung basiert auf 'norm' Annotationswert(e):
|
In dieser Ebene werden die Kräuterzubereitungen morphologisch oder syntaktisch beschrieben. kompNN = NN-Komposita, die zusammengeschrieben oder mit einem Bindestrich verbunden sind; kompNNgetrennt = NN-Folgen, die ein Kompositum sein könnten, aber mit Spatium geschrieben wurden; phraseVON = Kräuterzubereitungen mit von-PP, z.B. safft von weremut; phraseGEN = Kräuterzubereitungen mit Genitiv-Attribut, z.B. safft des weremuts. |
| nomen_nominativ Segmentierung basiert auf 'norm' Annotationswert(e):
|
In dieser Ebene werden alle Nomina aufgenommen, die im Text vorkommen und zwar immer in der ersten Schreibung des Nominativ Singular, in der sie vorkommen. Wenn die erste Form von "Saft" safft ist, werden alle Vorkommen von "Saft" mit safft annotiert, auch wenn es später Formen von saft geben sollte. Alle Pluralformen werden durch die Singularform annotiert. Alles wird in Kleinbuchstaben geschrieben. Diese Ebene hilft bei der Feststellung der Variation innerhalb eines Textes. |
| form_nomen Segmentierung basiert auf 'norm' Annotationswert(e):
|
In dieser Ebene werden alle Nomina morphologisch annotiert. kompNN = NN-Komposita, die zusammengeschrieben oder mit einem Bindestrich verbunden sind; kompNNgetrennt = alle NN Folgen, die ein Kompositum sein könnten, aber mit Spatium geschrieben wurden; kompAN = AN-Komposita; kompVN = VN-Komposita; kompPN = PN-Komposita; derivat = Derivate; nom = alle impliziten Nominalisierungen (Konversionen, Bildungen mit Ablaut, auch syntaktische Nominalisierungen, z.B. (die) sucht, (das) kalt; gri/lat/ara = klar griechische/lateinische/arabische Nomina, bereits integrierte Wörter lateinischen Ursprungs werden nicht gekennzeichnet, sondern wie native Wörter behandelt; lex = bestimmte lexikalisierte Kräuternamen, diese sind zwar ursprünglich morphologisch komplex, aber nicht mehr offen und der Schreiber hat keine Wahl (ob diese Bildungen noch transparent sind, ist unklar), z.B. Beifuß, Wermut, Stabwurz, aber auch tausend guldin für "Tausendguldenkraut". |
| bemerkung_lexik Segmentierung basiert auf 'norm' Annotationswert(e):
|
Dies ist eine unsystematische Ebene für Bemerkungen und Fragen zur Lexik. |
| satztyp Segmentierung basiert auf 'norm' Annotationswert(e):
|
Annotation von Satztypen. Da wir nur flach annotieren und nicht beliebig Ebenen vervielfachen wollen, haben wir ein Problem bei geschachtelten Strukturen (also Relativsätzen, die Relativsätze enthalten oder Relativsätzen, die Demonstrativsätze enthalten). Wir haben jeweils den äußersten (größten) Satz annotiert. In der Annotationsebene "bemerkungen_syntax" steht ein Hinweis auf die Verschachtelung. rs = klare Relativsätze, dabei sowohl w-Relativsätze als auch d-Relativsätze; padv = Sätze, die durch ein Präpositionaladverb eingeleitet werden; rsx = Relativsätze ohne Hauptsatz, das kommt häufig in Überschriften vor; rsdem = ambige Fälle: Relativsatz oder Demonstrativsatz; padvpart = Sätze mit Präpositionaladverb und Partizip; dem = Demonstrativsätze, hier sind alle Sätze gemeint, deren Subjekt ein Demonstrativpronomen ist; part = Partizipien, die sich ähnlich verhalten wie Relativsätze. |
| position_im_satz Segmentierung basiert auf 'norm' Annotationswert(e):
|
Position des Relativsatzes im Hauptsatz. vor = vorangestellt; nach = nachgestellt; int = eingebettet. |
| position_zur_bezugskategorie Segmentierung basiert auf 'norm' Annotationswert(e):
|
Position des Relativsatzes zur Bezugskategorie.adja-v = adjazent vorangestellt; adja-n = adjazent nachgestellt; dist = distant; na = nicht anwendbar. |
| form_bezugskategorie Segmentierung basiert auf 'norm' Annotationswert(e):
|
Form der Bezugskategorie des Relativsatzes. np = nicht-pronominale NP; d-pron = der, die, das, dieser, etc.; p-pron = Personalpronomina; satz = bei weiterführenden Relativsätzen, die sich auf den Sachverhalt im ganzen Bezugssatz beziehen; null = bei freien und asyndetischen Relativsätzen, die kein overtes Korrelat im Hauptsatz haben. |
| verbstellung Segmentierung basiert auf 'norm' Annotationswert(e):
|
Verbstellung im Relativsatz. v2 = Verb-Zweit-Stellung; ve = Verb-End-Stellung; venf = Verb-End-Stellung mit besetztem Nachfeld; amb = ambig zwischen v2 und ve (z.B. bei intransitiven Verben). |
| form_des_relativpronomens Segmentierung basiert auf 'norm' Annotationswert(e):
|
Form der reltivsatzeinleitenden Kategorie. d-pron = alle d-Pronomina; w-pron = wer, welch-; w-phras = z.B. welch frau |
| modifikation_bezugskategorie Segmentierung basiert auf 'norm' Annotationswert(e):
|
An Pronomen, NP oder Satz annotiert, wenn von einem Relativsatz modifiziert. Bei freien Relativsätzen nicht anwendbar. Die ganze Bezugskategorie wird als Spanne annotiert. |
| pos_klein Segmentierung basiert auf 'norm' Annotationswert(e):
|
Wortarten-tagging mit reduziertem STTS. Bestimmte Tags wurden dabei zusammengefasst, z.B. $., $,, and $( zu ZEICHEN |
| Verbposition Segmentierung basiert auf 'norm' Annotationswert(e):
|
Verbposition.V2 gibt dabei Verbzweitstellung in einem Nebensatz mit subordinierender Konjunktion an. Vletzt markiert dabei Verbletztstellung in einem Nebensatz mit subordinierender Konjunktion. V? markiert eine unklare Verbposition in einem Nebensatz mit subordinierender Konjunktion.V1 gibt Verberststellung in einem Nebensatz mit subordinierender Konjunktion an. |
| Nebensatztyp Segmentierung basiert auf 'norm' Annotationswert(e):
|
Nebensatztyp. Adverbial: Adverbiale Funktion eines Nebensatzes mit subordinierender Konjunktion. Attribut: Attributive Funktion eines Nebensatzes mit subordinierender Konjunktion. Komplement: Komplementfunktion eines Nebensatzes mit subordinierender Konjunktion. |
| KOUS_Semantik Segmentierung basiert auf 'norm' Annotationswert(e):
|
KOUS_Semantik. additiv: Additive Semantik einer subordinierenden Konjunktion. final: Finale Semantik einer subordinierenden Konjunktion. k.a.: Nicht-analysierbare Semantik einer subordinierenden Konjunktion. kausal: Kausale Semantik einer subordinierenden Konjunktion. konditional: Konditionale Semantik einer subordinierenden Konjunktion. konsekutiv: Konsekutive Semantik einer subordinierenden Konjunktion. konzessiv: Konzessive Semantik einer subordinierenden Konjunktion. modal: Modale Semantik einer subordinierenden Konjunktion. temporal: Temporale Semantik einer subordinierenden Konjunktion. |
| diachronie Segmentierung basiert auf 'norm' Annotationswert(e):
|
In dieser Ebene werden einzelne linguistische Phänomene und Formen unsystematisch einem linguistischen Bereich (Syntax, Morphosyntax, Phonologie, Graphematik, Morphologie) zugeordnet und dient der Findung von Beispielen für didaktische Zwecke. |
| dialekt Segmentierung basiert auf 'norm' Annotationswert(e):
|
In dieser unsystematischen Ebene werden Wortformen, die Aufschluss über die diatopische Qualität des Textes geben annotiert und einem Dialektbereich so genau wie möglich zugeordnet. |
Strukturelle Annotationen
| Annotationsebene und -wert(e) | Beschreibung |
|---|---|
| lb Segmentierung basiert auf 'norm' Annotationswert(e):
|
Markierung einer ganzen Zeile. |
| brace Segmentierung basiert auf 'norm' Annotationswert(e):
|
Markierung einer Klammer, die Text über mehrere Zeilen zusammenfasst. |
| brace_dir Segmentierung basiert auf 'norm' Annotationswert(e):
|
Richtung der Klammer |
| p Segmentierung basiert auf 'norm' Annotationswert(e):
|
Markierung eines ganzen Paragraphen. |
| p_n Segmentierung basiert auf 'norm' Annotationswert(e):
|
Markiert die Nummerierung eines Paragraphen. |
| p_rend Segmentierung basiert auf 'norm' Annotationswert(e):
|
Beschreibung der Darstellung eines Paragraphen. |
| pb Segmentierung basiert auf 'norm' Annotationswert(e):
|
Markierung einer ganzen Seite. |
| pb_n Segmentierung basiert auf 'norm' Annotationswert(e):
|
Seitenzahl aus dem Faksimile. |
| pb_rend Segmentierung basiert auf 'norm' Annotationswert(e):
|
Beschreibung der Darstellung/ Zuordnung einer Seite, mehrerer Seiten. |
| pb_ana Segmentierung basiert auf 'norm' Annotationswert(e):
|
Korrektur/ Interpretation von vermutlich nicht korrekten Seitenzahlangaben. |
| div1 - div5 Segmentierung basiert auf 'norm' Annotationswert(e):
|
Eine Sektion, ein Kapitel/Unterkapitel eines Dokuments. Die verschachtelte Tiefe wird explizit von der angegebenen Nummer von div (INT) in der PAULA/relANNIS Version angezeigt. Gilt pro Ebene (div1-div5). |
| div1_type - div5_type Segmentierung basiert auf 'norm' Annotationswert(e):
|
Beschreibt den Typ/die Art des Kapitels/Unterkapitels. Die Einteilung könne von einem ganzen Buch, über Kapitel bis hin zu Unterkapitel reichen. Dazu können auch registerspezifische Typen wie Ort des Anbaus oder Form einer Pflanze zählen. Gilt pro Ebene (div1-div5). |
| div2_n - div3_n Segmentierung basiert auf 'norm' Annotationswert(e):
|
Markiert eine mit Ziffern oder Buchstaben nummerierte Sektion. Gilt für die Ebenen div2-div3. |
| unclear Segmentierung basiert auf 'norm' Annotationswert(e):
|
Markierung, dass Zeichen eines Tokens oder ein Token bzw. ein Text nicht lesbar sind. |
| atLeast Segmentierung basiert auf 'norm' Annotationswert(e):
|
Geschätzte, minimale Anzahl an nicht lesbaren Zeichen eines Token, die in der Annotationsebene unclear als „unclear“ getagged sind. |
| atMost Segmentierung basiert auf 'norm' Annotationswert(e):
|
Geschätzte, maximale Anzahl an nicht lesbaren Zeichen eines Token, die in der Annotationsebene unclear als „unclear“ getagged sind. |
| interpretation Segmentierung basiert auf 'norm' Annotationswert(e):
|
Interpretationsvorschläge für unleserliche Zeichen/Zeichenketten, die in der Annotationsebene unclear als „unclear“ getagged sind. |
| figure Segmentierung basiert auf 'norm' Annotationswert(e):
|
Markiert eine Grafik oder Tabelle, die im Text eingebettet ist. |
| figure_rend Segmentierung basiert auf 'norm' Annotationswert(e):
|
Beschreibung, was auf einer Grafik (annotiert mit figure) zu sehen ist (z. B. Darstellung einer Pflanze oder eines Destilliergeräts). |
| hi Segmentierung basiert auf 'norm' Annotationswert(e):
|
Markierung eines irgendwie hervorgehobenen Bereichs. |
| typeface Segmentierung basiert auf 'norm' Annotationswert(e):
|
Beschreibung von Schriftartenänderungen, wobei die vorwiegende Schriftart als default-Wert gesetzt wurde. gothicF = Text, der in Gothic Fraktur gedruckt ist, unsystematische Annotation (fakultative Zusatzinformation, Unterkategorie es Wertes "gothic"); gothicS = Text, der in Gothic Schwabacher gedruckt ist, unsystematische Annotation (fakultative Zusatzinformation, Unterkategorie es Wertes "gothic"). |
| hi_rend Segmentierung basiert auf 'norm' Annotationswert(e):
|
Beschreibung der Darstellung des hervorgehobenen Bereichs, z. B. Schriftart, Farben etc. |
| head Segmentierung basiert auf 'norm' Annotationswert(e):
|
Markierung einer Überschrift. |
| head_n Segmentierung basiert auf 'norm' Annotationswert(e):
|
Zeigt die Nummerierung einer Überschrift an. |
| head_rend Segmentierung basiert auf 'norm' Annotationswert(e):
|
Beschreibung der grafischen Darstellung der Überschrift, z. B. Farbe. |
| note Segmentierung basiert auf 'norm' Annotationswert(e):
|
In einer Spannenannotation wird die gesamte Fußnote mit dem Tag „note“ markiert. Der Text der Fußnoten wird immer am Ende des Absatzes, in dem sie eingepflegt sind, unabhängig davon, ob sich so die Fußnoten sammeln oder erst auf der nachfolgenden Seite realisiert werden müssten, in die dipl-Ebene/Transkription aufgenommen. |
| ref Segmentierung basiert auf 'norm' Annotationswert(e):
|
Referenz einer Fußnote. |
| ref_target Segmentierung basiert auf 'norm' Annotationswert(e):
|
ID der Fußnote, auf die referiert wird. Es wird fortlaufend mit #fZ nummeriert. |
| ref_type Segmentierung basiert auf 'norm' Annotationswert(e):
|
Art der Referenz, z.B. TEI "noteAnchor". |
| quote Segmentierung basiert auf 'norm' Annotationswert(e):
|
Markiert ein Zitat im Text. |
| list Segmentierung basiert auf 'norm' Annotationswert(e):
|
Allgemeine Markierung einer Liste. |
| list_type Segmentierung basiert auf 'norm' Annotationswert(e):
|
Beschreibung der Art der Liste. |
| item Segmentierung basiert auf 'norm' Annotationswert(e):
|
Element des Textes, der als Liste in der Ebene list markiert ist. |
| xml_id Segmentierung basiert auf 'norm' Annotationswert(e):
|
Bezeichnet die konkrete Nummer der Fußnote in einem Dokument, angefangen mit dem Zähler 1. Fußnoten sind in ihrer Indizierung unabhängig von ihrer tatsächlichen Nummerierung im Text. Der ersten Fußnote wird über xml_id die Kennzeichung f1, der zweiten f2 etc. zugewiesen, selbst wenn sie bspw. im Text die Nummer 86) darstellt oder mit **) markiert ist. |
Inhaltliche Annotationen
Diese Annotationen wurden von unseren Studenten entwickelt, um Spannen von Token mit besonderen Eigenschaften auszuzeichnen.
| Annotationsebene und -wert(e) | Beschreibung |
|---|---|
| definition Segmentierung basiert auf 'norm' Annotationswert(e):
|
Beschreibung (fig) oder Erklärung (expl) eines auf eine Abbildung bezogenen oder im Text genannten Begriffs. |
| disease Segmentierung basiert auf 'norm' Annotationswert(e):
|
Nennung einer Krankheit (Beschwerden, Symptome etc.) im Text. Es wird jeweils die komplette Phrase, wenn vorhanden auch mit restriktiven Relativsätzen, getagged, z.B. der Bauch, der weh tut oder Bauchweh. |
| term Segmentierung basiert auf 'norm' Annotationswert(e):
|
Linguistische Annotation, die einen technischen oder wissenschaftlichen Begriff markiert, unterschieden in term (t), herb (h) und disease (d). Bei 'j' handelt es sich höchstwahrscheinlich um einen Tippfehler. |
| author_ref Segmentierung basiert auf 'norm' Annotationswert(e):
|
Markiert Referenzen des Autors auf sich oder andere Autoren bzw. auf beide. |
| reader_ref Segmentierung basiert auf 'norm' Annotationswert(e):
|
Markiert Referenzen des Autors auf den Leser. |
| plant Segmentierung basiert auf 'norm' Annotationswert(e):
|
Nennung einer Pflanze (Kräuter wie Bäume wie Blumen etc.) im Text. Es wird jeweils die komplette Phrase, wenn vorhanden auch mit restriktiven Relativsätzen, getagged, z.B. das Kraut, das hinter dem Bahnhof wächst oder Kamille. |
| property Segmentierung basiert auf 'norm' Annotationswert(e):
|
Beschreibt den Bezug von Eigenschaften wie Geruch, Aussehen etc. auf eine Referenz (z.B. Kraut). |
| name Segmentierung basiert auf 'norm' Annotationswert(e):
|
Markiert Eigennamen. |
| name_type Segmentierung basiert auf 'norm' Annotationswert(e):
|
Spezifiziert den Typ der Eigennamen. |
| referenz Segmentierung basiert auf 'norm' Annotationswert(e):
|
Diese unsystematische Ebene dient der Referenz von Interpretationen jeglicher Art. |
| citation Segmentierung basiert auf 'norm' Annotationswert(e):
|
Unsystematische Ebene. Kennzeichnet und benennt Zitate (z.B. aus der Bibel), wodurch ein diachroner Vergleich Textstellen ermöglicht wird, denen ursprünglich identisches sprachliches Material zugrunde liegt. |
Metadaten
Diese Annotationen sind an die TEI-P5-Richtlinien angelehnt. Weiterhin gibt es die kompletten Korpusmetadaten in TEI p5: HANDLE-ID.
| Annotationsebene und -wert(e) | Beschreibung |
|---|---|
| autor Annotationswert(e):
|
Name des Autors des Textes. |
| bibl Annotationswert(e):
|
Voller bibliographischer Eintrag für die Quelle inklusive der im Korpus annotatierten Seitenzahlen. |
| datum Annotationswert(e):
|
Datum der Veröffentlichung, normalerweise das Jahr. |
| verlag Annotationswert(e):
|
Verlag/Verleger. |
| ort Annotationswert(e):
|
Verlagsort. |
| titel Annotationswert(e):
|
Titel der Arbeit, aus dem das Dokument extrahiert wurde. |
| uebersetzer Annotationswert(e):
|
Übersetzer des Textes, wenn vorhanden. |
| uebersetztAus Annotationswert(e):
|
Sprache, aus der der Text übersetzt wurde. |
| herausgeber Annotationswert(e):
|
Herausgeber des Textes (wenn zusätzlich zum Verlag/Verleger angegeben). |
| version Annotationswert(e):
|
Versionierung des Korpus. |
| auflage Annotationswert(e):
|
Wenn bekannt, wird hier angegeben, ob es sich bei dem Faksimile um eine Erstauflage handelt oder nicht. |
| band Annotationswert(e):
|
Nummer des Bandes, wenn vorhanden. |
| bereich Annotationswert(e):
|
Angabe darüber, ob der Text eher Alltags- oder Wissenschaftsthemen behandelt. |
| thema Annotationswert(e):
|
Ordnet einem Text einen oder mehrere Themenbereiche zu. Additiver Wert aus den verschiedenen Kürzeln, alphabetisch geordnet. Al: Alchemie, As: Astronomie, B: Botanik, G: Gärtnerei, K: Küche, M: Medizin, R: Religion, S: Sprachwissenschaft. Beispielwerte sind "B", "BM" oder "BKM". |
| register Annotationswert(e):
|
Register des Textes. |
| einMehrspr Annotationswert(e):
|
Gibt an, ob größere Textstellen vorhanden sind, die nicht auf Deutsch verfasst wurden. Dies gilt nicht für einzelne Übersetzungen von Pflanzennamen. |
| originaldatum Annotationswert(e):
|
Ist ein Text eine Nichterstauflage, dann kann hier das Jahr der Erstauflage stehen, wenn bekannt. |
| originalort Annotationswert(e):
|
Ist ein Text eine Nichterstauflage, dann kann hier der Erscheinungsort der Erstauflage stehen, wenn bekannt. |
| repositorium Annotationswert(e):
|
URL zum Repositorium des Faksimiles. |
| sprachtyp Annotationswert(e):
|
Angabe des Sprachtyps. mhd: mittelhochdeutsch; fnhd: frühneuhochdeutsch, nhd: neuhochdeutsch |
| sprachgebiet Annotationswert(e):
|
Das Sprachgebiet wird angegeben. md: Mitteldeutsch, obd: oberdeutsch. Bei jüngeren Texten, die schon weitesgtehend standardisiert sind und denen kein Sprachgebiet zugeordnet werden konnte, wird als Wert "NA" angegeben. |
| textgestaltung Annotationswert(e):
|
Angaben über die allgemeine Textgestaltung. Prosa: der Text ist komplett in Prosaform verfasst, Poesie: der Text ist komplett in Reimform verfasst; gemischt: der Text ist teilweise prosaisch, teilweise gereimt verfasst. |
| gestaltungselemente Annotationswert(e):
|
Wenn im Metadatum "textgestaltung" die Werte "Poesie" oder "gemischt" angegeben sind, dann wird hier eingetragen, welche Gestaltungselemente dafür verwendet wurden. |
| vorredeVorh Annotationswert(e):
|
Gibt an, ob eine Vorrede mit transkribiert wurde. |
| wermutVorh Annotationswert(e):
|
Gibt an, ob ein Textabschnitt zum Thema "Wermut" transkribiert wurde. |
| kraeutermonographiesammlung Annotationswert(e):
|
Gibt an, ob es sich bei dem Text um eine Kräutermonographiesammlung handelt, d.h. dass nacheinander verschiedene Kräuter abgehandelt werden. |
| korpusdokumentation Annotationswert(e):
|
URL zur Korpusdokumentation. |