Lemmatisierung

Das Lemma (von griechisch λῆμμα lēmma, Gen. „Lemmas“, Pl. „Lemmata“) ist in der Lexikografie und Linguistik die Grundform eines Wortes, also die Wortform, unter der man es in einem Nachschlagewerk sucht (Zitierform, Grundform). Der Vorgang zur Bestimmung der genaueren Lemmata wird als Lemmaselektion oder auch Lemmatisierung bezeichnet.

Lemma, Lexem und Zitierform

Das Lemma ist der Eintrag oder das Stichwort in einem Wörterbuch (Lexikon, Enzyklopädie)^[1]. Man bezeichnet es sowohl als Grundform eines Wortes ^[2] als auch als Zitier- oder Grundform eines Lexems ^[3].

Ein Lexem – eine sprachliche Grundform – könnte im Prinzip auf beliebige Weise benannt werden, da es als sprachliche Einheit über verschiedene Formen abstrahiert, aber selbst keine Form besitzt, das es gegenüber diesen anderen Formen auszeichnet.

Üblicherweise werden Lexeme nach einer konventionell bestimmten Form benannt, die dann Zitierform (auch: Grundform, Stichwort) dieses Lexems heißt:

• Im Deutschen ist die Zitierform für Nomen normalerweise der Nominativ Singular (z. B. Traum), für Verben der Infinitiv Präsens Indikativ (z. B. träumen).
• Im Lateinischen ist die Zitierform für Verben das Paradigma (etwa „Beispiel“), das eine Reihenfolge bestimmter Modi (Indikativ, Infinitiv, …) und Tempora (Präsens, Perfekt, …) angibt, die vor allem bei unregelmäßigen Verben sehr hilfreich ist; diese Reihenfolge ist in den meisten Wörterbüchern: 1. (und manchmal auch die 2.) Person singular vom Präsens des aktiven Indikativs, 1. Person singular vom Perfekt des aktiven Indikativs, aktives Supinum I und aktiver Infinitiv Präsens (z. B. für „bringen“ lautet das Paradigma: fero, (fers,) tuli, latum, ferre).

Wird diese Wortform in Großbuchstaben angegeben, so bezeichnet sie das Lexem mit allen seinen Formen.

Am Wort orientierte linguistische Nachschlagewerke (Lexika, Thesauri, etymologische Werke) verwenden als Lemma alle Lexeme, während Nachschlagewerke, die mehr an begrifflicher Lemmaselektierung interessiert sind (Sachwörterbücher, Fachglossare, Enzyklopädien und ähnliches) als Zitierform – insbesondere im Deutschen – das einfachste Substantiv bevorzugen: So fasst man etwa „der Traum“ mit dem Verb „träumen“ bzw. dessen Substantivierungen „das Träumen“ und „das Geträumte“ unter einem gemeinsamen Lemma zusammen, insoferne sie denselben Sachverhalt beschreiben. Hier wird meist vom Lemma als einem Deskriptor gesprochen.

Dass die Wahl der Zitierform vom lexikologischen Typ des Nachschlagewerks abhängig ist, zeigt folgendes Beispiel:

• Das Wort „Mäuse“ wird unter dem Lemma Maus eingeordnet.

  Diese Vorgehensweise wählt ein Wörterbuch, da „Maus“ lexikalische Zitierform des Plural „Mäuse“ ist

• Das Wort „Maus“ wird unter dem Lemma Mäuse eingeordnet.

  Das Lemma kann einen Überbegriff für verwandte Themen darstellen: Hier ist die zoologische Familie der Mäuse Überbegriff des umgangssprachlichen „Maus“, die taxonomische Zitierform wird höher bewertet als die der Umgangssprache („Alles, was in etwa wie eine Maus aussieht, ist eine Maus“). Dafür wird die „Maus“ als Eingabegerät eines Computers als eigenständiges Lemma geführt.

Lemmatisierung

Die lexikographische Reduktion der Flexionsformen eines Wortes auf eine Grundform, also die Festlegung der Grundform eines Lexems und die Anordnung der Lemmata wird auch Lemmatisierung genannt. Eine Teilmenge unmittelbar aufeinander folgender Lemmata bildet eine Lemmastrecke.

Unter Lemmatisierung wird außerdem die Zuordnung (oder auch Rückführung) einer Vollform zum entsprechenden Lemma verstanden. Dieser Vorgang ist je nach Anwendung in der Sprachtechnologie von Bedeutung. Beim Einsatz von statistischen Modellen etwa eignet sich die Lemmatisierung eines sehr kleinen Textkorpus manchmal dazu, um die Frequenz einzelner Lexeme zu erhöhen und dadurch das statistische Rauschen zu verringern. Die Vollformen des Korpus werden dabei durch ihr Lemma ersetzt, bevor die statistische Auswertung gemacht wird. Gab es vorher beispielsweise die Wortformen „traf“, „treffe“, „trifft“ und „treffen“ jeweils ein Mal im Korpus, so gibt es nach der Lemmatisierung nur noch das Lemma „treffen“ – allerdings mit einer Frequenz von vier. Das Lexem „treffen“ hat damit ein potenziell viel höheres Gewicht im Korpus als es die einzelnen Vollformen vor der Lemmatisierung hatten.

Lemmaselektion

Vor der Lemmatisierung wird eine Lemmaselektion durchgeführt, bei der entschieden wird, welche Arten von Lemmata in das Lexikon aufgenommen werden. Die Lemmaselektion ist notwendig, da eine vollständige Lemmatisierung aller Wörter, Wortteile und Wortgruppen einer Sprache mühsam ist. Ein Kriterium für die Aufnahme eines Lemma in ein Lexikon ist die Zeitspanne, in der der Begriff in der jeweiligen Sprache existiert.

Eng verbunden ist die Lemmaselektierung mit der Verschlagwortung der herangezogenen Texte – die sich bei gesamtsprachlichen Werken erübrigt, weil der vollständige Sprachschatz erschlossen werden soll, bei fach- und anderen gruppensprachlichen Lexika aber durchaus relevant ist, und mit der Frage nach Synonymie, Homonymie und den Polysemen.

Siehe auch

• Lexem
• Alphabetische Sortierung
• Stichwort

Literatur

• Brandt, Dietrich, Schön: Sprachwissenschaft. 2. Aufl. 2006, S. 151
• Ulrich: Linguistische Grundbegriffe, 5. Aufl. 2002

Weblinks

• Die Auswahl der Stichwörter, Erläuterungen zum elexiko-Projekt des IDS

Quellen

1. ↑ Brandt, Dietrich, Schön: Sprachwissenschaft. 2. Aufl. 2006, S. 151
2. ↑ Eintrag Lemma, Lemmatisierung. In: Glück: Metzler-Lexikon Sprache, 3. Aufl. 2005
3. ↑ Eintrag Lemma. In: Ulrich: Linguistische Grundbegriffe, 5. Aufl. 2002