Korpusabfrage zu *chen und *lein

Guten Abend,
Ich arbeite derzeit mit dem DWDS Kernkorpus 1900-1999 an der Thematik der Diminutivsuffixe -chen und -lein. Nun ist es ja eigentlich so, dass -chen viel produktiver als -lein ist. Bei meinen Suchanfragen "*chen WITH $p=NN" und "*lein WITH $p=NN" ist es jedoch so, dass -lein deutlich produktiver ist, da eigentlich nur passende Diminutive angezeigt werden. Ich bekomme die -chen Anfrage nicht soweit eingegrenzt, dass Tausende Ergebnisse wie "Verbrechen, Jugendlichen, Ostdeutchen...etc" herausfallen. Könnte mir da jemand weiterhelfen? An sich wäre das kein Problem. Sortiere ich die Treffer händisch aus, habe ich nur die Problematik, dass -chen deutlich weniger Diminutive bildet, als -lein. Das Ergebnis ist komplett verfälscht. Als Basis habe ich 500 Einträge ausgewertet. Die Basiszahl ist auch so festgelegt worden. Die Sortierung habe ich auf zufällig gestellt, um ein möglichst breites Trefferfeld zu erzielen.
Für Anregungen zu Suchanfragen wäre ich sehr dankbar.
Vielen Dank :)

Ich glaube, ich würde an die Aufgabe umgekehrt herangehen: Ich würde mir zufällig ein Nomen (aus dem Korpus oder aus einer anderen Quelle) nehmen, für dieses die (hypothetischen) '-lein' und die '-chen' Form erzeugen und schauen, ob sie im Korpus vorkommen. Die Prozedur kann wiederholt werden, bis die gewünschte Anzahl erreicht ist. So bekommst du auch gleich Häufigkeitsangaben zu den beiden möglichen Diminutivbildungen eines Wortes, so wie eine Übersicht über Nicht-Diminutive. Allerdings müsste man schauen, wie viel Aufwand das von Hand ist; ich kann mir vorstellen, dass man recht lange beschäftigt ist, bis man so 500 Diminutive gefunden hat (je nach vorhandenen IT-Kenntnissen kann man das jedoch gut automatisieren). Vielleicht hat ja ansonsten noch jemand eine andere Idee :)

Vielen Dank für die schnelle Antwort!
Leider ist die Aufgabe nicht, auf 500 Diminutive zu kommen. Ein erster Teilschritt ist es, zu überprüfen, dass -chen produktiver als -lein ist. Deswegen die 500 Ergebnisse als Grundlage zur Auszählung. Ich müsste irgendwie die Suchanfrage ändern, sodass sowohl Diminutive kommen, als auch keine. Bei -lein bekomme ich beispielsweise Äuglein , Dörflein, usw. Aber auch "Klein" beispielsweise. Das Verhältnis hier ist ausgewogen. Bei -chen bekomme ich jedoch fast keine Diminutive angezeigt. Mein Ergebnis wäre daher, dass -lein produktiver als -chen ist, was ja nicht stimmt. Deswegen müsste ich irgendwie die Suchabfrage weiter eingrenzen, außer, dass mir Suffixe und nur Substantive angezeigt werden.

Sofern möglich (getaggt), könntest Du Plurale herausfiltern, das würdezumindest einige falsche Treffer wie "Menschen" und "Jugendlichen" bei -chen vermeiden. Andere nicht-diminutive Nomina könnte man über die Wortlänge herausfiltern, indem vor dem -chen mehr als 2 Buchstaben stehen müssen, das vermeidet falsche Treffer wie "Rachen", "Kuchen", "Sachen". Wir haben so wenige zweibuchstabige Substantive, die -chen tragen können (mir fällt gerade nur "Ei" ein), dass das nicht ins Gewicht fallen sollte.

(19.04.2020, 17:36:56)th59kami schrieb: Guten Abend,
Ich arbeite derzeit mit dem DWDS Kernkorpus 1900-1999 an der Thematik der Diminutivsuffixe -chen und -lein. Nun ist es ja eigentlich so, dass -chen viel produktiver als -lein ist. Bei meinen Suchanfragen "*chen WITH $p=NN" und "*lein WITH $p=NN" ist es jedoch so, dass -lein deutlich produktiver ist, da eigentlich nur passende Diminutive angezeigt werden. Ich bekomme die -chen Anfrage nicht soweit eingegrenzt, dass Tausende Ergebnisse wie "Verbrechen, Jugendlichen, Ostdeutchen...etc" herausfallen. Könnte mir da jemand weiterhelfen? An sich wäre das kein Problem. Sortiere ich die Treffer händisch aus, habe ich nur die Problematik, dass -chen deutlich weniger Diminutive bildet, als -lein. Das Ergebnis ist komplett verfälscht. Als Basis habe ich 500 Einträge ausgewertet. Die Basiszahl ist auch so festgelegt worden. Die Sortierung habe ich auf zufällig gestellt, um ein möglichst breites Trefferfeld zu erzielen.
Für Anregungen zu Suchanfragen wäre ich sehr dankbar.
Vielen Dank :)

Ich bezweifle irgendwie, dass sich da durch die Suchanfrage noch etwas präzisieren lässt. Aber es schadet nicht, sich mit dem Support-Team des DWDS in Verbindung zu setzen. Die sind sehr freundlich und hilfsbereit und haben da vielleicht noch Ideen. Wie ist das Verhältnis von echten Treffern zu falschen (bei beiden Endungen)? Eine Möglichkeit wäre, die Zufallsauswahl für <-chen> in demselben Verhältnis von echten zu falschen Treffern zu erhöhen, so dass sichergestellt ist, dass genügend echte Treffer vorhanden sind.

Zitat:Ein erster Teilschritt ist es, zu überprüfen, dass -chen produktiver als -lein ist.

Ob <-chen> in den vorliegenden Daten produktiver ist als <-lein>. Und deine Ergebnisse zeigen ja bereits eine interessante Beobachtung, nämlich ...

Zitat:Mein Ergebnis wäre daher, dass -lein produktiver als -chen ist, was ja nicht stimmt. Deswegen müsste ich irgendwie die Suchabfrage weiter eingrenzen, außer, dass mir Suffixe und nur Substantive angezeigt werden.

... diese hier. Dein Ergebnis an der Stelle wäre erstmal, dass es für <-chen> mehr homophone Formen als für <-lein> gibt. Lässt sich daraus vielleicht etwas hinsichtlich der erwartbaren Produktivität ableiten? Gibt es vermutete Zusammenhänge?

(20.04.2020, 06:19:08)janwo schrieb: Sofern möglich (getaggt), könntest Du Plurale herausfiltern, das würdezumindest einige falsche Treffer wie "Menschen" und "Jugendlichen"  bei -chen vermeiden. Andere nicht-diminutive Nomina könnte man über die Wortlänge herausfiltern, indem vor dem -chen mehr als 2 Buchstaben stehen müssen, das vermeidet falsche Treffer wie "Rachen",  "Kuchen",  "Sachen". Wir haben so wenige zweibuchstabige Substantive, die -chen tragen können (mir fällt gerade nur "Ei" ein), dass das nicht ins Gewicht fallen sollte.

th59kami, falls du ein wenig programmieren kannst, kannst du die Nachverarbeitung noch etwas komplexer machen. Ich würde nach einer möglichst großen deutschen Wortliste suchen (gibt es sicher als computerlinguistische Ressource online zu finden) und dann bei jedem Ergebnis aus der Korpussuche prüfen, ob der Teil des Wortes vor -chen/lein in der Wortliste vorkommt (du müsstest Umlaute durch a/o/u ersetzen und ein zusätliches -e am Ende von Wörtern aus der Wortliste erlauben). Damit würdest du auch Wörter wie "Verbrechen" vermeiden.