Dokumentation Version 6.0

Korpuslinguistik und Morphologie | Dokumentation Version 6.0

Dokumentation Version 6.0

Die ausführlichen Annotationsguidelines können Sie hier herunterladen.

Korpus-Pipeline

Erweiterung durch 14 weitere Texte:
GartDerGesundheit-VR_1487_vonCuba

ArtzneyBuchleinDerKreutter-VR_1532_Tallat

ContrafaytKreuterbuch-VR_1532_Brunfels

ContrafaytKreuterbuch-CCXXXVII-CCXLVIII_1532_Brunfels

NewKreuetterBuch-VR_1539_Bock

WieSichMeniglich-VR_1557_vonBodenstein

AlchymistischePractic-VR_1603_Libavius

BlackwellischesKraeuterbuch_1750_Blackwell

Apothekerlexikon_1793_Hahnemann

GetreueDarstellungUndBeschreibung_1809_Hayne

EigenschaftenAllerHeilpflanzen-149-165_1828_Anonymous

GrossesIllustriertesKraeuterbuch_1860_Mueller

GemeinnuetzigesKraeuterbuch_1874_Siegmund

NatürlichePflanzenfamilien_1887_Engler

Eine vollständige Liste aller Dokumente dieser Version lässt sich unter Download finden.
Transkription und anschließende Tokenisierung der 14 neuen Texte mit TreeTagger.
Manuelle Erstellung von <norm> und manuelle Korrektur <norm> in allen Texten der Version 5.0 in MS Excel.
Folgende Annotationsebenen wurden gelöscht: <p>, <p_rend>, <p_n>, <brace>, <brace_dir>, <pb_rend>, <div1-div5>, <div1_type-div5_type>, <div1_n-div5_n>, <xml:id>, <list>, <list_type>, <pos_klein>, <head>, <head_n>, <dialekt>, <diachronie>, <citation>, <term> (der Wert "h" aus <term> ist nun als "pl" in der Ebene <plant> enthalten und der Wert "d" aus <term> ist nun als "di" in der Ebene <disease> enthalten).
Alle Annotationsebenen und Metadaten mit einem deutschen Namen haben einen englischen Namen erhalten.
Wortartentagging und Lemmatisierung in allen Dokumenten 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 großflächige Korrektur von strukturellen und inhaltlichen Annotationen.
Semi-automatische Erstellung von <clean> für alle Dokumente (Python-Skript und Readme).
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): Text	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): Text	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): Text	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): STTS	Automatische Wortarten-Annotation nach dem Stuttgart-Tübingen-Tagset (STTS).
lemma Segmentierung basiert auf 'norm' Annotationswert(e): Freitext	Lemmatisierung: Normalisierung der flektierten Wortformen, Zuordnung der entsprechenden Lexikoneinträge zu jeder Wortform.
comment Segmentierung basiert auf 'norm' Annotationswert(e): Freitext	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): foreign	Markiert einen Text, der in einer Fremdsprache geschrieben ist.
foreign_trans Segmentierung basiert auf 'norm' Annotationswert(e): trans_to_german trans_from_german trans_from_german_extended trans_to_german_extended	Beschreibung der Zielsprache und der Ausgangssprache einer Übersetzung.
lang Segmentierung basiert auf 'norm' Annotationswert(e): ISO 639-2	Kodiert die konkrete Sprache des im Layer foreign markierten Textes nach ISO Drei-Buchstaben-Code (z. B. lat).
comp Segmentierung basiert auf 'norm' Annotationswert(e): k	Komposition. Markiert alle im Korpus enthaltenen zusammen, getrennt oder mit Bindestrich geschriebenen Substantivkomposita (mit nominalem Kopf).
comp_orth Segmentierung basiert auf 'norm' Annotationswert(e): zs gtr bs lb1 lb2	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): prot1 prot2 prot3	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): gprä gpost	Markiert alle im Korpus enthaltenen Nominalphrasen, die ein Genitivattribut enthalten, gprä: pränominales Genitivattribut und gpost: postnominales Genitivattribut.
morph_ellipsis Segmentierung basiert auf 'norm' Annotationswert(e): strD	Strukturelle Destruktion. Markiert alle im Korpus enthaltenen Koordinationen von Kompositionserst- und Zweitglied ("strukturelle Destruktionen"; z.B.: gelb⸗ und Waſſerſucht).
persname Segmentierung basiert auf 'norm' Annotationswert(e): Freitext	Es werden alle Personennamen annotiert, auf die ein Autor referiert. Es wird der jeweilige Personenname im Nominativ angegeben.
title Segmentierung basiert auf 'norm' Annotationswert(e): Freitext	Es werden alle Werknamen annotiert, auf die ein Autor referiert. Es wird der jeweilige Werkname im Nominativ angegeben.
form_disease Segmentierung basiert auf 'norm' Annotationswert(e): deriv derivat kompNN kompNNgetrennt lat phrase Phrase phraseDasIst phraseGen phraseGEN phraseGenannt phraseHS phraseRS phraseSubj phraseV1 phraseVP simplex wort	NA
problem Segmentierung basiert auf 'norm' Annotationswert(e): Freitext	Probleme, die die Annotation von Relativsätzen und ihren Eigenschaften betreffen.
herbname_norm Segmentierung basiert auf 'norm' Annotationswert(e): Freitext	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.
herbprep Segmentierung basiert auf 'norm' Annotationswert(e): Freitext	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_prep Segmentierung basiert auf 'norm' Annotationswert(e): kompNN kompNNgetrennt phraseVon phraseGen	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.
noun_nom Segmentierung basiert auf 'norm' Annotationswert(e): Freitext	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_noun Segmentierung basiert auf 'norm' Annotationswert(e): simplex kompNN kompNNgetrennt kompNEN kompNENgetrennt kompNNNgetrennt kompAN kompVN derivat nom gri lat lex	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; kompNEN = NE-N-Komposita, die zusammengeschrieben oder mit einem Bindestrich verbunden sind; kompNENgetrennt = alle NE-N Folgen, die ein Kompositum sein könnten, aber mit Spatium geschrieben wurden; kompNNNgetrennt = alle NNN Folgen, die ein Kompositum sein könnten, aber mit Spatium geschrieben wurden; kompAN = AN-Komposita; kompVN = VN-Komposita; derivat = Derivate; nom= implizite Nominalisierung (Konversion, Ablaut, syntaktische Nominalisierung); 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".
comment_lex Segmentierung basiert auf 'norm' Annotationswert(e): Freitext	Dies ist eine unsystematische Ebene für Bemerkungen und Fragen zur Lexik.
clause_type Segmentierung basiert auf 'norm' Annotationswert(e): rs padv rsx rsdem padvpart dem part	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_rel Segmentierung basiert auf 'norm' Annotationswert(e): vor nach int	Position des Relativsatzes im Hauptsatz. vor = vorangestellt; nach = nachgestellt; int = eingebettet.
position_referent Segmentierung basiert auf 'norm' Annotationswert(e): adja-v adja-n dist na	Position des Relativsatzes zur Bezugskategorie.adja-v = adjazent vorangestellt; adja-n = adjazent nachgestellt; dist = distant; na = nicht anwendbar.
form_referent Segmentierung basiert auf 'norm' Annotationswert(e): np d-pron p-pron null	Form der Bezugskategorie des Relativsatzes. np = nicht-pronominale NP; d-pron = der, die, das, dieser, etc.; p-pron = Personalpronomina; null = bei freien und asyndetischen Relativsätzen, die kein overtes Korrelat im Hauptsatz haben.
position_verb_rel Segmentierung basiert auf 'norm' Annotationswert(e): v2 ve venf	Verbstellung im Relativsatz. v2 = Verb-Zweit-Stellung; ve = Verb-End-Stellung; venf = Verb-End-Stellung mit besetztem Nachfeld.
form_relpron Segmentierung basiert auf 'norm' Annotationswert(e): d-pron w-pron w-phras	Form der reltivsatzeinleitenden Kategorie. d-pron = alle d-Pronomina; w-pron = wer, welch-; w-phras = z.B. welch frau
mod_referent Segmentierung basiert auf 'norm' Annotationswert(e): relsatz d-pron m-padv m-part np	relsatz = An Pronomen, NP oder Satz annotiert, wenn von einem Relativsatz modifiziert. Bei freien Relativsätzen nicht anwendbar. Die ganze Bezugskategorie wird als Spanne annotiert. d-pron/m-padv/ m-part/ np = NA.
position_verb Segmentierung basiert auf 'norm' Annotationswert(e): V2 Vletzt V? V1	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.
subclause_type Segmentierung basiert auf 'norm' Annotationswert(e): Adverbial Attribut Komplement	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_sem Segmentierung basiert auf 'norm' Annotationswert(e): additiv final k.a. kausal konditional konsekutiv konzessiv modal temporal 0	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; 0: NA.
ppk_e1 - ppk_e3 Segmentierung basiert auf 'dipl' Annotationswert(e): ppk ppk_e2 ppk_e3 zwf ppk_rek BSP BSP+ BSPBuchtitel	Die ppk_e1-Ebene gibt an, ob es sich bei einer Textsequenz um eine Präpositionalkonstruktion (Präpositionalattributskonstruktion bzw. Attributive Adverbiale Bestimmung) handelt. ppk: normale Präpositionalkonstruktion ppk_e2: normale ppk innerhalb einer ppk in der Ebene ppk_e1 ppk_e3: normale ppk innerhalb einer ppk in der Ebene ppk_e2 zwf: Zweifelsfall ppk_rek: rekursive (verschachtelte) ppk attr_X: Attribute, die sich auf ein Element einer PPK beziehen, ohne innerhalb einer syntaktischen Sequenz direkt an dieses angeschlossen zu sein. X ist ein Platzhalter für das jeweilige Bezugswort. BSP/BSP+: Beispiele für Besonderheiten (Markierung für den Annotator) BSPBuchtitel: Beispiele für Besonderheiten, die Buchtitel betreffen (Markierung für den Annotator)
sentence_end Segmentierung basiert auf 'dipl' Annotationswert(e): S	Markierung von Satzenden nach diesen Richtlinien.

body div table tbody tr td

Strukturelle Annotationen

Annotationsebene und -wert(e)	Beschreibung
lb Segmentierung basiert auf 'norm' Annotationswert(e): lb	Markierung einer ganzen Zeile.
pb Segmentierung basiert auf 'norm' Annotationswert(e): pb	Markierung einer ganzen Seite.
pb_n Segmentierung basiert auf 'norm' Annotationswert(e): Ganzzahlwert oder Buchstabe	Seitenzahl aus dem Faksimile.
pb_ana Segmentierung basiert auf 'norm' Annotationswert(e): Ganzzahlwert	Korrektur/ Interpretation von vermutlich nicht korrekten Seitenzahlangaben.
unclear Segmentierung basiert auf 'norm' Annotationswert(e): unclear	Markierung, dass Zeichen eines Tokens oder ein Token bzw. ein Text nicht lesbar sind.
atLeast Segmentierung basiert auf 'norm' Annotationswert(e): Ganzzahlwert	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): Ganzzahlwert	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): Freitext	Interpretationsvorschläge für unleserliche Zeichen/Zeichenketten, die in der Annotationsebene unclear als „unclear“ getagged sind.
figure Segmentierung basiert auf 'norm' Annotationswert(e): figure table	Markiert eine Grafik oder Tabelle, die im Text eingebettet ist.
figure_rend Segmentierung basiert auf 'norm' Annotationswert(e): drawingOfTwoJars drawingOfThreeJars drawingOfTwoGlasses drawingOfThreeGlasses drawingOfTwoAlembics drawingOfAnInstrument drawingOfAnEibisch drawingOfAStaubwurtz drawingOfAKamille drawingOfAHühnerdarm drawingOfAHelmet drawingOfAFilter drawingOfAWaldenburgischerKolben drawingOfAHaselwurtz drawingOfADrachenwurtz drawingOfAGauchheyl drawingOfADill drawingOfAHauswurz	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): hi	Markierung eines irgendwie hervorgehobenen Bereichs.
script Segmentierung basiert auf 'norm' Annotationswert(e): blackletter roman mixed	Beschreibung von Schriftartenänderungen, wobei die vorwiegende Schriftart als default-Wert gesetzt wurde.
hi_rend Segmentierung basiert auf 'norm' Annotationswert(e): bold end iniCap italics letter-spacing:1em red	Beschreibung der Darstellung des hervorgehobenen Bereichs, z. B. Schriftart, Farben etc.
head Segmentierung basiert auf 'norm' Annotationswert(e): head	Markierung einer Überschrift.
note Segmentierung basiert auf 'norm' Annotationswert(e): note margin end	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): ref	Referenz einer Fußnote.
ref_target Segmentierung basiert auf 'norm' Annotationswert(e): #fINT	ID der Fußnote, auf die referiert wird. Es wird fortlaufend mit #fZ nummeriert.
ref_type Segmentierung basiert auf 'norm' Annotationswert(e): noteAnchor	Art der Referenz, z.B. TEI "noteAnchor".
quote Segmentierung basiert auf 'dipl' Annotationswert(e): yes no	dipl-Token, die zu einem Zitat gehören, werden mit dem Wert "yes" versehen. Als default-Wert gilt "no".
item Segmentierung basiert auf 'norm' Annotationswert(e): item	Element des Textes, der als Liste in der Ebene list 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): fig expl	Beschreibung (fig) oder Erklärung (expl) eines auf eine Abbildung bezogenen oder im Text genannten Begriffs.
disease Segmentierung basiert auf 'norm' Annotationswert(e): di	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.
author_ref Segmentierung basiert auf 'norm' Annotationswert(e): author pron1sg pron1pl pron2pl pron3sg	Markiert Referenzen des Autors auf sich oder andere Autoren bzw. auf beide.
reader_ref Segmentierung basiert auf 'norm' Annotationswert(e): pron1pl pron2pl pron2sg pron3sg reader author	Markiert Referenzen des Autors auf den Leser.
plant Segmentierung basiert auf 'norm' Annotationswert(e): pl	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): appearance cultivation effect preparation smell taste	Beschreibt den Bezug von Eigenschaften wie Geruch, Aussehen etc. auf eine Referenz (z.B. Kraut).
name Segmentierung basiert auf 'norm' Annotationswert(e): name	Markiert Eigennamen.
name_type Segmentierung basiert auf 'norm' Annotationswert(e): flower gardener herb person plant publisher scholar tree	Spezifiziert den Typ der Eigennamen.
reference Segmentierung basiert auf 'norm' Annotationswert(e): Freitext	Diese unsystematische Ebene dient der Referenz von Interpretationen jeglicher Art.

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
author Annotationswert(e): Freitext NA	Name des Autors des Textes.
bibl Annotationswert(e): Freitext	Voller bibliographischer Eintrag für die Quelle inklusive der im Korpus annotatierten Seitenzahlen.
date Annotationswert(e): Ganzzahlwert	Datum der Veröffentlichung, normalerweise das Jahr.
publisher Annotationswert(e): Freitext NA	Verlag/Verleger.
place Annotationswert(e): Freitext NA	Verlagsort.
title Annotationswert(e): Freitext	Titel der Arbeit, aus dem das Dokument extrahiert wurde.
translator Annotationswert(e): Freitext NA	Übersetzer des Textes, wenn vorhanden.
trans_from Annotationswert(e): it lat NA	Sprache, aus der der Text übersetzt wurde.
editor Annotationswert(e): Freitext NA	Herausgeber des Textes (wenn zusätzlich zum Verlag/Verleger angegeben).
version Annotationswert(e): 5.0	Versionierung des Korpus.
edition_first Annotationswert(e): yes no	Wenn bekannt, wird hier angegeben, ob es sich bei dem Faksimile um eine Erstauflage handelt oder nicht.
band Annotationswert(e): Ganzzahlwert NA	Nummer des Bandes, wenn vorhanden.
maintopic Annotationswert(e): science non-science	Angabe darüber, ob der Text eher Alltags- (non-science) oder Wissenschaftsthemen (science) behandelt.
thema Annotationswert(e): Al As B G K L M R	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, L: Linguistik. M: Medizin, R: Religion. Beispielwerte sind "B", "BM" oder "BKM".
register Annotationswert(e): herbology	Register des Textes.
linguism Annotationswert(e): monoling multiling	Gibt an, ob größere Textstellen vorhanden sind, die nicht auf Deutsch verfasst wurden. Dies gilt nicht für einzelne Übersetzungen von Pflanzennamen.
orig_date Annotationswert(e): Ganzzahlwert NA	Ist ein Text eine Nichterstauflage, dann kann hier das Jahr der Erstauflage stehen, wenn bekannt.
orig_place Annotationswert(e): Freitext NA	Ist ein Text eine Nichterstauflage, dann kann hier der Erscheinungsort der Erstauflage stehen, wenn bekannt.
repository Annotationswert(e): URL	URL zum Repositorium des Faksimiles.
lang_type Annotationswert(e): mhd fnhd nhd	Angabe des Sprachtyps. mhd: mittelhochdeutsch; fnhd: frühneuhochdeutsch, nhd: neuhochdeutsch
lang_area Annotationswert(e): md obd NA	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.
text_type Annotationswert(e): prose lyric mixed	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.
lyric_type Annotationswert(e): end_rhyme meter rhyme_meter	Wenn im Metadatum "textgestaltung" die Werte "Poesie" oder "gemischt" angegeben sind, dann wird hier eingetragen, welche Gestaltungselemente dafür verwendet wurden.
preface Annotationswert(e): yes no	Gibt an, ob eine Vorrede mit transkribiert wurde.
wormwood Annotationswert(e): yes no	Gibt an, ob ein Textabschnitt zum Thema "Wermut" transkribiert wurde.
herb_sorting Annotationswert(e): yes no	Gibt an, ob es sich bei dem Text um eine Kräutermonographiesammlung handelt, d.h. dass nacheinander verschiedene Kräuter abgehandelt werden.

Sprach- und literaturwissenschaftliche Fakultät - Korpuslinguistik und Morphologie