Technologie

XSEARCH Linguistik

Das wortweise Indexieren von Text und die Verknüpfung mit Boolescher Logik führt gerade bei einer komplexen Sprache wie dem Deutschen zu ungenügenden Resultaten bei der Suche.

Schon einfache Wortkreationen wie "Zylinderkopfdichtung" oder "Bezugsscheinabgabe" sowie zahlreiche unregelmäßige Beugungen (Haus-Häuser) setzen dem Finden schnell Grenzen. Häufig benutzte Methoden wie Bayesian oder der Porter Algorithmus helfen in der deutschen Sprache nur marginal, da sie nicht die komplexe Struktur des Deutschen berücksichtigen.

Nur mit Hilfe lexikalischer Analysen und morphologischer Methoden speziell für das Deutsche können signifikante Verbesserungen im Information Retrieval erzielt werden. X-SEARCH Linguistik ist die mehrsprachige Erweiterung für nahezu jede Search-Engine.

XSEARCH Linguistik liegt ein nahezu vollständiges Vollformenlexikon zugrunde, das von anerkannten sprachwissenschaftlichen Experten über mehr als 25 Jahre entwickelt wurde und in vielen nationalen und europäischen Projekten mit großem Erfolg eingesetzt wird. Das Vollformenlexikon deckt nahezu den gesamten Bereich der deutschen Sprache ab:

Grundwortschatz von rund 1 Millionen Einträgen
zusätzlich rund 150.000 Synonymeinträge
zusätzlich rund 1 Millionen Komposita
Wortklasseninformationen Part of Speech
alte und neue Rechtschreibung
Umlautvariationen
Mehrwortbegriffe und Abkürzungen
Schweizer Variante für sZet
Eigennamen, Länder- und Ortsbezeichnungen
Komposita Algorithmus

Da Komposita nahezu beliebig gebildet werden können, verfügt die X-SEARCH Linguistik zusätzlich über einen ausgeklügelten Algorithmus (Finite State Technologie), um unbekannte Komposita, die nicht im Lexikon vorhanden sind, korrekt zu zerlegen. Dies ist eine sehr schwierige Aufgabe, da Komposita über ein Fugen-S verfügen können (Behandlungsraum) und immer neu kreiert werden können. Das Vollformenlexikon wird von unserem Wissenschaftspartner ständig erweitert und bietet selbstverständlich die Möglichkeit, es um bel. eigene Lexika oder -einträge zu ergänzen.

Kompositazerlegung

Zusammengesetzte Worte wie "Aluminiumfabrik" werden in die Begriffe "Aluminium" und "Fabrik" zerlegt und die Bestandteile ebenfalls gesucht.

Lemmatisierung

Grundformreduktion und Expansion aller Flexionen wie
"gehen, ging, gegangen"
"groß, größer, am größten"
"Gang, Gänge".

Erweiterte Flexionen

Viele Begriffe werden abgekürzt oder mal mit und ohne Trennstrich geschrieben. Das erweiterte Flexionslexikon findet "zum Beispiel" aber auch "z. B.", "zB" oder "knowhow" und "Know-how".

Derivation

Zerlegung oder Erweiterung auf sinnhafte Begriffe: "Gottheit" sucht auch nach "Gott", aber nicht nach "heit", da dieses Wort nicht existiert.

Umlautvarianten

Die Suche nach "Übel" findet auch "Uebel".

Neue Rechtschreibung

Die Suche nach "Delphin" findet auch "Delfin".
Synonyme und Wortfamilien
X-SEARCH Linguistik stellt rund 140.000 Synonymeinträge zur Verfügung. So findet die Suche nach "Bank" auch "Bankhaus" oder "Geldinstitut". Auch Mehrwortbegriffe wie "Frankfurter Allgemeine Zeitung" und "F.A.Z." können abgebildet werden.

Wortklassifizierung (Part of Speech tagging POS)

Zu jedem Wort ist eine Wortklasse hinterlegt, wie Substantiv, Adjektiv, Verb, Adverb, Ortsangabe, Mehrwortbegriff oder Name. Mit Hilfe dieser Informationen können Softwareapplikationen aus dem Bereich Data Mining, Clustering oder Kategorsierung wesentlich verbessert werden. Knowledge Discovery Lösungen können mit X-SEARCH Linguistik verstehen, in welchem Kontext der gesuchte Begriff steht und mit welchen Inhalten das Dokument sich beschäftigt.