Header

UZH-Logo

Maintenance Infos

Die Hofmethode in der Praxis


Michel, Oliver. Die Hofmethode in der Praxis. 2012, University of Zurich, Faculty of Arts.

Abstract

Ausgehend von einem assoziativen Bedeutungsmodell und einem relationalen Textverständnis wird die Bedeutung eines Wortes als Funktion derjenigen Wörter aufgefasst, die das betreffende Wort (wie einen Hof) umgeben. Die Hofmethode greift aus einem längeren Text die fünf Wörter vor und die fünf Wörter nach bestimmten Stichwörtern als "Bedeutungshöfe" heraus und vergleicht diese Höfe mit den Stichwörtern eines anderen Textes. Der paarweise Ähnlichkeitswert zwischen einer Reihe von Wortverwendungen bildet dann die Grundlage einer euklidischen Karte, in der die Ähnlichkeitsrelationen geometrisch dargestellt sind: Texte mit ähnlichen Bedeutungshöfen kommen nahe beieinanderzuliegen. Die aus der Hofmethode resultierende Karte erlaubt eine rasche visuelle und rechnerische Klassifikation dieser Texte, was beispielsweise eine einfache Disambiguierung von Homonymen erlaubt. Suchmaschinen und Übersetzungsdienste profitieren durch die Kontextberücksichtigung: So kann die durch eine Suchmaschine vorgefilterte Resultatsliste in eine relationale Darstellung überführt werden, welche beispielsweise die Orientierung bei eLearning-Produkten erleichtert. Sogar unterschiedlich sprachliche Texte lassen sich in einer einzigen Karte nach ihrer inhaltlichen Bedeutung geordnet darstellen.

Abstract

Ausgehend von einem assoziativen Bedeutungsmodell und einem relationalen Textverständnis wird die Bedeutung eines Wortes als Funktion derjenigen Wörter aufgefasst, die das betreffende Wort (wie einen Hof) umgeben. Die Hofmethode greift aus einem längeren Text die fünf Wörter vor und die fünf Wörter nach bestimmten Stichwörtern als "Bedeutungshöfe" heraus und vergleicht diese Höfe mit den Stichwörtern eines anderen Textes. Der paarweise Ähnlichkeitswert zwischen einer Reihe von Wortverwendungen bildet dann die Grundlage einer euklidischen Karte, in der die Ähnlichkeitsrelationen geometrisch dargestellt sind: Texte mit ähnlichen Bedeutungshöfen kommen nahe beieinanderzuliegen. Die aus der Hofmethode resultierende Karte erlaubt eine rasche visuelle und rechnerische Klassifikation dieser Texte, was beispielsweise eine einfache Disambiguierung von Homonymen erlaubt. Suchmaschinen und Übersetzungsdienste profitieren durch die Kontextberücksichtigung: So kann die durch eine Suchmaschine vorgefilterte Resultatsliste in eine relationale Darstellung überführt werden, welche beispielsweise die Orientierung bei eLearning-Produkten erleichtert. Sogar unterschiedlich sprachliche Texte lassen sich in einer einzigen Karte nach ihrer inhaltlichen Bedeutung geordnet darstellen.

Statistics

Downloads

89 downloads since deposited on 27 Feb 2014
33 downloads since 12 months
Detailed statistics

Additional indexing

Item Type:Dissertation
Referees:Läge Damian, Strobl Carolin
Communities & Collections:06 Faculty of Arts > Institute of Psychology
Dewey Decimal Classification:150 Psychology
Language:German
Date:2012
Deposited On:27 Feb 2014 08:31
Last Modified:05 Apr 2016 17:43
Number of Pages:263

Download

Preview Icon on Download
Preview
Filetype: PDF
Size: 11MB

TrendTerms

TrendTerms displays relevant terms of the abstract of this publication and related documents on a map. The terms and their relations were extracted from ZORA using word statistics. Their timelines are taken from ZORA as well. The bubble size of a term is proportional to the number of documents where the term occurs. Red, orange, yellow and green colors are used for terms that occur in the current document; red indicates high interlinkedness of a term with other terms, orange, yellow and green decreasing interlinkedness. Blue is used for terms that have a relation with the terms in this document, but occur in other documents.
You can navigate and zoom the map. Mouse-hovering a term displays its timeline, clicking it yields the associated documents.

Author Collaborations