Dokumentation Version 9.0

Korpuslinguistik und Morphologie | Dokumentation Version 9.0

Dokumentation Version 9.0

Die ausführlichen Annotationsrichtlinien können Sie hier herunterladen.

Korpus-Pipeline

Folgende Dokumente wurden in Version 9.0 hinzugefügt:
BuchDerNatur-Canamellis_1482_vonMegenberg
NewKreuterbuch-VR_1543_Fuchs
Experimenta_1550_Schellenberg
Experimenta-VR_1550_Schellenbeg
NewKreuterbuchVR_1563_HandschNeuw
Kreuterbuch_1588_Theodorus
Paradeiszgaertlein-VR_1588_Rosbach
NeuwKreuterbuch-VR_1588_Theodorus
HortulusSanitatis-VR_1609_Uffenbach
Kraeutterbuch-VR_1609_Carrichter
BeschreibungDerGraeser_c27-31_1769_Schrebers
BeschreibungDerGraeser_c37-48_1769_Schrebers

Eine vollständige Liste aller Dokumente dieser Version finden Sie in den Annotationsguidelines oder unter Download.
Manuelle diplomatische Transkription für die neuen Texte.
Tokenisierung der Transkription mit TreeTagger.
Manuelle Erstellung der Normalisierung in <norm>.
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).
Semi-automatische Erstellung von <clean> für alle neuen Dokumente (Python-Skript und Readme).
Konvertierung von Excel 2013 nach ANNIS und PAULA mit Pepper mithilfe der folgenden Importer: SpreadsheetImporter, PTBImporter, CoNNLImporter. Merging mithilfe des Merger-Moduls. Export ins ANNIS- und PAULAFormat mit dem ANNISExporter und dem PAULAExporter.
Durchgängige Korrektur der lang-Annotationen (nach erweiterten Annotationsrichtlinien)
In den Dokumenten HortulusSanitatis-VR_1609_Uffenbach und BeschreibungDerGraeser-c27-31_1769_Schrebers wurde die Annotationsebene „quotemark“ hinzugefügt
In allen Dokumenten wurden die Annotationsebenen „abbr“ , „gram“, „technicalterm“ und „M“ hinzugefügt
In folgenden Dokumenten wurden die Annotationsebenen „kaus1“, „kaus2“, „kaus3“, „kaus4“, „kon1“, „kon2“, „lin1“, „lin2“, „lin3“, „lin4“ und „hypo“ hinzugefügt:
ArtzneyBuchleinDerKreutter-Abrotanum_1532_Tallat
ArtzneyBuchleinDerKreutter-VR_1532_Tallat
GartDerGesundheit-c23-33_1487_Cuba
GartDerGesundheit-VR_1487_vonCuba
PflantzGart_1639_Rhagor
PflantzGart-VR_1639_Rhagor
In dem Dokument NeuwKreuterbuch_1588_Theodorus konnten die Bilder der Seiten 34-36 nicht annotiert
Folgende Annotationsebenen wurden (soweit vorhanden) aus allen Dokumneten erntfernt: orc, cat, cat-const, func, deprel, lemma-deprel, pos-deprel, morph, pos-const, foreign, foreign_trans, sentence_end, position_verb, subclause_type, KOUS_sem, comment_lex, comment, reference, form_disease, problem, herbname_norm, herbprep, form_prep, noun_nom, form_noun, clause_type, position_rel, position_referent, form_referent, position_verb_rel, form_relpron, mod_referent, ppk_e1, ppk_e2, ppk_e3, pb_ana, atLeast, atMost, interpretation, hi, ref, ref_target, ref_type, definition, disease, plant, property, name, name_type

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. Die folgende Abbildung zeigt die Verteilung der "norm" - Einheiten pro Jahr:

Annotationsebenen

Das RIDGES-Korpus setzt sich aus Annotationen zusammen, die in verschiedenen Formaten erstellt wurden. Alle (Zwischen-) Formate stehen unter Download zum Herunterladen bereit, enthalten aber jeweils nicht alle hier aufgeführten Annotationsebenen, bzw. einige zusätzliche (irrelevante) Ebenen, die nicht nach ANNIS und PAULA konvertiert wurden. Eine ausführlichere Dokumentation der einzelnen Formate finden Sie im LAUDATIO-Repositorium.

Die Annotationsbenen in den Korpora werden in einer Mehrebenenarchitektur gespeichert und lassen sich in fünf 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 mit dem TreeTagger: Normalisierung der flektierten Wortformen, Zuordnung der entsprechenden Lexikoneinträge zu jeder Wortform.
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).
abbr Segmentierung basiert auf 'norm' Annotationswert(e) yes no unknown	Annotation von Abkürzungen in <norm>: yes: Abkürzungen in <norm>, no: keine Abkürzung in <norm> (Default-Wert), unknown: für unknown in <norm>.
comp Segmentierung basiert auf 'dipl' Annotationswert(e): k	Komposition. Markiert alle im Korpus enthaltenen zusammen, getrennt oder mit Bindestrich geschriebenen Substantivkomposita (mit nominalem Kopf).
comp_orth Segmentierung basiert auf 'dipl' 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 'dipl' 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).
comp_amb Segmentierung basiert auf 'dipl' Annotationswert(e): a gpre	Annotation von Wortfolgen, die möglicherweise Komposita sein könnten. a: Adjektiv-Nomen-Abfolgen, bei denen das Adjektiv unflektiert ist und bei denen man im modernen Deutschen eher ein Kompositum verwenden würde (z.B. das edel geſteine). Es gibt noch weitere AN-Abfolgen, die ebenfalls ein unflektiertes Adjektiv enthalten, die aber im heutigen Deutschen auch genauso (oder noch eher) als attributive Adjektive verwendet werden können. Diese wurden jedoch in ADJA_uninfl annotiert. gpre: Nomen-Nomen-Abfolgen, die sowohl als Komposita als auch als Nomina mit pränominalem Genitivattribut interpretiert werden können und bei denen der Kontext oder die Flexion keinen Aufschluss auf den grammatischen Status geben können.
infl_fuge Segmentierung basiert auf 'dipl' Annotationswert(e): y n yn NA	Annotation von Flexion bzw. Fugenelementen bei Wortfolgen, die möglicherweise Komposita sein könnten. y: Es ist ein Fugenelement, bzw. ein Flexionselement vorhanden (‚yes‘). n: Es ist kein Fugenelement, bzw. ein Flexionselement vorhanden (‚no‘). yn: Gilt für potentielle Komposita mit mehr als zwei lexikalischen Wortteilen, die sowohl mit als auch ohne Fugenelement oder Flexionselement realisiert wurden (z.B. Jungkfrawen har). NA: Es kann nicht beurteilt werden, ob ein Fugenelement, bzw. Flexionselement vorhanden ist (meistens weil das betroffene Wort/lexikalische Material nicht mehr transparent ist oder aus einer anderen Sprache (Latein) stammt).
comp_lex Segmentierung basiert auf 'dipl' Annotationswert(e): lex n	lex: lexikalisierte Komposita, die nicht (mehr) als Syntagma ausgedrückt werden können, weil ihre addierten Teilbedeutungen stark von der Kompositionsbedeutung abweichen (betroffene Themenbereiche: Pflanzennamen, geographische Namen, bestimmte Krankheiten, Körperteile, Tierarten, Sternzeichen), aber nicht wenn sie mit einem zusätzlichen Glied versehen sind, das nicht zu dem lexikalisierten Wort gehört, z.B. Eisenkrautsaft oder Beifußblumen (vs. Johannisblumen), Blutwassersucht. Verbindungen mit "Baum" werden wie Verbindungen mit "Kraut" behandelt - meistens sind sie ein zusätzliches Glied zur eigentlichen Pflanzenbezeichnung - Kirsche -> Kirschbaum, Eiche -> Eichenbaum; manchmal gehören sie aber zur lexikalisierten Pflanzenbezeichnung (z.B. Schildkraut, Rutelkraut, Wunderbaum). n: Oberes trifft nicht zu. Eine Tabelle mit Einzelentscheidungen findet man in den ausführlichen Annotationsguidelines.
comp_n Segmentierung basiert auf 'dipl' Annotationswert(e): N A V ADV APPR CARD SUFF CONV X	Additive Werte zur Beschreibung der morphologischen Struktur der nominalen Komposita, z.B. N_N für Komposita, die aus zwei Nomina bestehen. Suffixe wurden nur berücksichtigt, wenn Suffigierung der letzte Wortbildungsprozess war ([[Kindbett]erin]). Zwischen den Kürzeln für die Kategorien der einzelnen morphologischen Elemente stehen Unterstriche. Ist die Kategorie eines Elements nicht ermittelbar, wird der Platzhalter „X“ verwendet.
comp_n_graph Segmentierung basiert auf 'dipl' Annotationswert(e): sep nospace hyph lb1 lb2 camel	Additive Werte zur Beschreibung der morphologischen Struktur der nominalen Komposita, z.B. N_N für Komposita, die aus zwei Nomina bestehen. Suffixe wurden nur berücksichtigt, wenn Suffigierung der letzte Wortbildungsprozess war ([[Kindbett]erin]). Zwischen den Kürzeln für die Kategorien der einzelnen morphologischen Elemente stehen Unterstriche. Ist die Kategorie eines Elements nicht ermittelbar, wird der Platzhalter „X“ verwendet.
comp_n_mod Segmentierung basiert auf 'dipl' Annotationswert(e): n art apprart adja piat pposat pdat card prelat NA	Gibt an, ob die in der Ebene <comp_n> annotierten Komposita einen oder mehrere(flektierende) Modifikatoren erhalten haben und welche(n). Dafür wurde dem Kompositum ein Wert aus dem STTS zugewiesen, der die Wortart des Modifikators beschreibt. Bei mehreren Modifikatoren wurden additive Werte vergeben, die durch einen Unterstrich separiert sind, z.B. 'art_adja'. Vom STTS abweichende Werte sind n (kein Modifikator vorhanden) und NA (keine Angabe möglich).
comp_a Segmentierung basiert auf 'dipl' Annotationswert(e): N A ADV CARD SUFF CONV farb	Additive Werte zur Beschreibung der morphologischen Struktur der adjektivischen Komposita, z.B. A_A für Komposita, die aus zwei Adjektiven bestehen. Suffixe wurden nur berücksichtigt, wenn Suffigierung der letzte Wortbildungsprozess war. Zwischen den Kürzeln für die Kategorien der einzelnen morphologischen Elemente stehen Unterstriche. farb: das letzte Glied enthält die Wurzel „farb“, z.B. himmelfarben.
comp_a_graph Segmentierung basiert auf 'dipl' Annotationswert(e): sep nospace hyph lb1 lb2	Beschreibt die Graphematik der in der Ebene <comp_a> annotierten Komposita. sep: getrennt; nospace: zusammen; hyph: Bindestrich; lb1: unterbrochen durch Zeilenumbruch (ohne Bindestrich); lb2: unterbrochen durch Zeilenumbruch (mit Bindestrich). Komposita, die aus mehr als zwei lexikalischen Teilen entstehen, erhalten einen additiven Wert (verbunden durch Unterstriche), z.B. „nospace_sep“ bei Saurampffer waſſer.
attr_gen Segmentierung basiert auf 'norm' Annotationswert(e): gpre gpost	Markiert alle im Korpus enthaltenen Nominalphrasen, die ein Genitivattribut enthalten, gpre: pränominales Genitivattribut und gpost: postnominales Genitivattribut.
morph_ellipsis Segmentierung basiert auf 'norm' Annotationswert(e): morph_ellipsis	Wortteilellipse Markiert alle im Korpus enthaltenen Koordinationen von Kompositionserst- und Zweitglied, z.B.: gelb⸗ und Waſſerſucht).
persname Segmentierung basiert auf 'norm' Annotationswert(e): Personennamen (nach Liste)	Diese Ebene dient der eindeutigen und schnellen Verknüpfung der im Korpus auftretenden Namen mit den dazugehörigen historischen Personen. Ist eine Person nicht eindeutig identifizierbar wird der in der "norm" gegebene Wert im Nominativ Singular in die Ebene "persname" übertragen. Die Schreibung der Namen richtet sich nach dieser Liste (diese enthält offizielle Abkürzungen und die entsprechende Ausschreibung vieler BotanikerInnen) und wenn dort nicht aufgeführt nach ihrer Schreibung in der deutschsprachigen Wikipedia. Anstelle von Leerzeichen werden Unterstriche gesetzt. Im Folgenden sind alle bisher in RIDGES vorkommenden eindeutigen Personennamen aufgeführt. Diese werden weiterhin so übernommen. Hinweis: Viele Autoren haben eine Art Künstlername und es gibt auch viele verschiedene Schreibweisen. In dieser Ebene muss darauf geachtet werden, dass ein und dieselbe Person immer mit dem gleichen Namen annotiert wird.
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.
kaus1-kaus4 Segmentierung basiert auf 'dipl' Annotationswert(e): ant kons	Erste bis vierte Annotationsebene von Antezedens und Konsequens in einer kausalen Relation: ant: Antezedens einer kausalen Relation, kons: Konsequens einer kausalen Relation.
kon1-kon2 Segmentierung basiert auf 'norm' Annotationswert(e): konk kone koni kona	Erste und zweite Annotationsebene der Art des Konnektors in kausalen Relationen (besierend auf <kaus1> - <kaus4>), konk: Kausaler Konnektor nach dem Handbuch deutscher Konnenktoren (HdK), kone: Konnektor (nicht kausal nach dem HdK), koni: kein Konnektor, kona: Annotation von und oder auch in Kombination mit einem weiteren Konnektor am Anfang einer Relation.
lin1-lin4 Segmentierung basiert auf 'dipl' Annotationswert(e): ik ika ikinsert ikainsert	Erste bis vierte Annotationsebene der Relation der Konnekte (Abfolge von Antezedens und Konsequens basierden auf <kaus>): ik: Konsequens folgt Antezedens, ika: Antezedens folgt Konsequens, ikinsert: Konsequens ist in Antezedens eingebettet, ikainsert: Antezedens ist in Konsequens eingebettet.
hypo Segmentierung basiert auf 'dipl' Annotationswert(e): hypo	Verknüpfung der kausalen Relationen (basierend auf <kaus>): hypo: Markierung von ineinander eingebetteten kausalen Relationen.
M Segmentierung basiert auf 'norm' Annotationswert(e): M	Annotation von „Menstruation“: M: Annotation der minimalen Nominalphrase (exklusive Präpositionen oder höher eingebetteten Phrasen )
gram Segmentierung basiert auf 'norm' Annotationswert(e): det adjAtt genAtt objAtt relAtt nks nkc nkd	Zurodnung grammatikalischer Einheiten der Nominalphrase, sowie Klassifizierung der morphologischen Komplexität des nominalen Kerns: det: Determinierer der Nominalphrase mit Referenz auf “Menstruation”, adjAtt: Adjektiv Attribut der Nominalphrase mit Referenz auf “Menstruation”, genAtt: Genitiv Attribut der Nominalphrase mit Referenz auf “Menstruation“, objAtt: Objekattribut der Nominalphrase mit Referenz auf “Menstruation”, relAtt: Relativsatzattribut der Nominalphrase mit Referenz auf “Menstruation”, nks: Nomenkern Simplex, nkc: Nomenkern Kompositum, nkd: Nomenkern Derivation
technicalterm Segmentierung basiert auf 'norm' Annotationswert(e): para met loanmed her herspec	Semiotische Variation: Art der Beziehung zwischen der Wahl des vernakulären Zeiches, seiner grundsätzlichen Bedeutung und den Eigenschaften des medizinischen Konzepts auf das es referiert: para: Paraphrase, met: Metapher, loanmed: Medizinisches Lehnwort aus klassischen Sprachen, her: Ererbtes Vokabular, das zur Modifikation von Referenzen verwendet wird (nur für Attribute annotiert), herspec: Ererbtes Vokabular, dass als Terminologie fungiert (nur für Attribute annotiert)

StrukturelleAnnotationen

Annotationsebene und -wert(e)	Beschreibung
lb Segmentierung basiert auf 'dipl' Annotationswert(e): lb	Markierung einer ganzen Zeile.
pb Segmentierung basiert auf 'dipl' Annotationswert(e): pb	Markierung einer ganzen Seite.
pb_n Segmentierung basiert auf 'dipl' Annotationswert(e): Ganzzahlwert oder Buchstabe	Seitenzahl aus dem Faksimile.
unclear Segmentierung basiert auf 'dipl' Annotationswert(e): unclear	Markierung, dass Zeichen eines Tokens oder ein Token bzw. ein Text nicht lesbar sind.
figure Segmentierung basiert auf 'dipl' Annotationswert(e): figure table	Markiert eine Grafik oder Tabelle, die im Text eingebettet ist.
figure_p Segmentierung basiert auf 'dipl' Annotationswert(e): Integer	Angabe der Seite, auf der eine Abbildung im Original zu sehen ist.
column Segmentierung basiert auf 'dipl' Annotationswert(e): l r	Annotation aller dipl-Einheiten, die zusammen in einer Spalte stehen, wenn der Text mindestens in zwei Spalten aufgeteilt ist. l: links; r: rechts.
script Segmentierung basiert auf 'dipl' Annotationswert(e): blackletter roman mixed	Beschreibung von Schriftartenänderungen, wobei die vorwiegende Schriftart als default-Wert gesetzt wurde.
hi_rend Segmentierung basiert auf 'dpl' Annotationswert(e): bold iniCap italics letter-spacing:1em red underlined	Beschreibung der Darstellung des hervorgehobenen Bereichs, z. B. Schriftart, Farben etc. bold: Fettrdruck; iniCap: ausgeschmückter großer Anfangsbuchstabe (meistens bei Kapitelanfängen), italics: Kursivdruck, letter-spacing:1em: Sperrdruck; red: rot; underlined: unterstrichen.
head Segmentierung basiert auf 'dipl' Annotationswert(e): head	Markierung einer Überschrift.
note Segmentierung basiert auf 'dipl' 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.
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".
quotemark Segmentierung basiert auf 'dipl' Annotationswert(e): qm	Markierung von Anführungszeichen (außerhalb des Fließtextes): qm: Markierung pro Zeile mit Anführungszeichen

Inhaltliche Annotationen

Diese Annotationen wurden von unseren Studenten entwickelt, um Spannen von Token mit besonderen Eigenschaften auszuzeichnen.

Annotationsebene und -wert(e)	Beschreibung
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.

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): 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0	Version, in der das jeweilige Dokument zum Korpus hinzugefügt wurde.
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.
lingualism 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.
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.