Polysemie kausativer Verben : Entwicklung automatischer Extraktionsmethoden zur Klassifizierung des französischen Verbwortschatzes

Abstract

Die Dissertation beinhaltet die semantische Unterspezifizierung französischer lexikalischer (tuer qn) und morphologischer (allonger qc) Kausativa. Anhand semantischer und syntaktischer Kriterien sowie ontologischer Prinzipien wurde eine Taxonomie kausativer Verben erstellt. Klassenbildendes Merkmal sind die möglichen Nachzustände, die aus kausierten Zustandsveränderungen resultieren können. „Les verbes français“ (LVF) (Dubois/Dubois-Charlier: 1997) ist eine französische Verbdatenbank, die 12310 Verben bzw. insgesamt 25609 Verblesarten umfasst und als Tabellenkalkulationsformat vorliegt. Den theoretisch definierten Kausationsklassen wurden im Praxisteil Lesarten der LVF-Verbdatenbank automatisch zugeordnet, um die bereits bestehenden semantisch-syntaktischen und morpho-syntaktischen Informationen in Bezug auf Kausativität zu ergänzen. In der Dissertation wurden mithilfe der Programmiersprache Python prototypische Anfragen gestartet und automatische Extraktionsmethoden entwickelt, um kausative Verblesarten systematisch zu extrahieren und den jeweiligen Kausationsklassen zuzuordnen. Die Verblesarten wurden vorwiegend anhand der semantischen LVF-Klassen extrahiert. Mithilfe weiterer syntaktischer oder konzeptueller Kriterien konnte die Precision (oder Relevanzrate) für jedes kausative Konzept auf 1 erhöht werden, ohne den Recall zu beeinträchtigen. Das gesamte Python-Skript zur Extraktion aller Kausationsklassen ist in Anhang II verfügbar.

This thesis deals with the semantic underspecification of French lexical (tuer qn) and morphological causatives (allonger qc). A taxonomy of causative verb classes according to different target states was defined by means of semantic and syntactic properties as well as ontological principles. “Les verbes français” (LVF) (Dubois/Dubois-Charlier: 1997) is a lexical resource comprising 12310 French verbs and accordingly 25609 verbal readings with a detailed syntactico-semantic and morpho-syntactic description of all lexical units. Based on the theoretically defined causative concepts, corresponding verbal readings were automatically extracted from the electronic verb database LVF. The automatic classification of causative verbs allows to enrich the existing linguistic information in LVF in terms of causativity. In this thesis, an incremental extraction method was developed by means of the programming language Python. In most cases, verbal readings are extracted by means of the LVF semantic classes. Further syntactic and conceptual criteria are added in order to improve the precision (or relevance ratio) for each causative concept without reducing the recall rate. The complete Python script for the extraction of all causative verb classes defined in this thesis is available in appendix II.