templates/de/about.html.ep - ids-kl/derekovecs - Gitiles

 <html>
 <p>
     DeReKoVecs (Fankhauser & Kupietz 2022, 2017, 2019; Kupietz et al. 2018) ist das neue gläserne Labor der des Programmbereichs Korpuslinguistik am IDS. Ähnlich wie die
     Kookkurrenzdatenbank <a href="http://corpora.ids-mannheim.de/">CCDB</a> (Keibel &amp; Belica 2007, Belica 2011) dient DeReKoVecs zur Erforschung und zum Vergleich
     von Maßen, Dimensionsreduktionsverfahren, Visualisierungen etc., zum Aufspüren von detaillierten paradigmatischen und syntagmatischen Beziehungen
     zwischen Wörtern auf Grundlage Ihrer Verwendung in sehr großen Korpora wie DeReKo (Kupietz et al. 2010, 2018) oder CoRoLa (Barbu Mititelu et al. 2018, Cristea et al. 2017).
 </p>
 <p>
     Die hier verwendeten Modelle beruhen zum einen auf einer Erweiterung von word2vec (Mikolov et al. 2013), wang2vec (Ling et al. 2015)
     und zum anderen auf einfachen Kookkurrenzhäufigkeiten und Analysemethoden, die auf diesen operieren.
 </p>
 <h3>Suchanfragen</h3>
 <p>
     Mehrere durch Leerzeichen getrennte Wortformen werden zu einem Suchvektor addiert, es wird
     also um den Mittelpunkt der Alternativen herum gesucht; ein „|“ trennt dagegen mehrere
     voneinander unabhängige Suchen. Mit „+“ und „-“ lässt sich darüber hinaus im Vektorraum
     rechnen: <span class="mono">König - Mann + Frau</span> sucht die Nachbarn der Position
     vec(König) - vec(Mann) + vec(Frau) statt der Position eines einzelnen Wortes. Ein Vorzeichen
     ist nur am Anfang eines Tokens ein Operator, Bindestrichkomposita wie
     <span class="mono">Nord-Süd-Dialog</span> bleiben also suchbar.
 </p>
 <p>
     Die syntagmatische Ansicht rechnet mit. Der prädiktive Kollokationswert eines Kandidaten ist
     \(\sigma(q \cdot u)\), vor der Sigmoidfunktion also linear in \(q\); ein Ausdruck liefert
     deshalb die Kontexte, die die berechnete Position vorhersagt – bei „König - Mann + Frau“ die,
     die König und Frau vorhersagen, Mann aber nicht. Gemittelt wird dabei über die positiven
     Terme statt zu summieren, damit die Werte in demselben Bereich bleiben wie bei einer
     einzelnen Wortform: Der informative Bereich der Sigmoidfunktion ist schmal, und die
     stärksten Kollokatoren eines einzelnen Wortes liegen bereits an seinem oberen Rand. Eine
     ausgeglichene Analogie (+1 -1 +1) hat einen Term und damit denselben Maßstab wie eine
     einzelne Wortform.
 </p>
 <p>
     Die zählbasierten Kollokatoren bleiben dagegen auf eine einzelne Wortform beschränkt: Sie
     werden pro Knoten in der Kookkurrenzdatenbank nachgeschlagen und lassen sich nicht aus dem
     Suchvektor berechnen. Operanden, die nicht im Vokabular stehen, werden über dem Ergebnis
     genannt und bei der Berechnung weggelassen.
 </p>

 <h3>Effektive Fenstergröße und Auto-Focus</h3>
 <p>
     Die Assoziationsmaße LL, MI, MI², MI³ und nPMI werden nicht über das gesamte Kontextfenster
     berechnet, sondern nur über die <em>belegten Positionen</em>, also diejenigen, an denen der
     Kollokator mindestens einmal vorkommt. Die erwartete Häufigkeit beruht damit auf dieser
     effektiven Fenstergröße, wodurch ein Kollokator, der nur an wenigen Positionen auftritt,
     höher bewertet wird als einer, der sich über viele verteilt. Das hilft dabei, echte
     Kollokationen von Wörtern zu unterscheiden, die lediglich in denselben Kontexten vorkommen.
     Die Werte sind dadurch allerdings nicht unmittelbar mit denen von Werkzeugen vergleichbar,
     die stets mit einer festen Fenstergröße rechnen.
 </p>
 <p>
     LDaf ist demgegenüber der <em>Auto-Focus</em>-Wert (Belica), also der höchste Wert, den
     irgendeine – nicht notwendig zusammenhängende – Auswahl von Positionen erreicht, wie er auch
     aus der Kookkurrenzdatenbank <a href="http://corpora.ids-mannheim.de/">CCDB</a> bekannt ist.
     Da sein Nenner mit der Breite der Auswahl wächst, bevorzugt er Paare, deren Kookkurrenzen
     konzentriert auftreten – weshalb er die Kollokatoren in aller Regel am nützlichsten ordnet
     und hier als Standardsortierung dient. Er ist Dice-artig, aber kein Log-Dice, liegt also
     nicht auf derselben Skala wie LD und kann höher oder niedriger als dieses ausfallen. Beides
     lässt sich an der Auto-Focus-Spalte der Kollokationstabelle ablesen: Die belegten Positionen
     sind mit ◽ markiert, die vom Auto-Focus ausgewählten mit ◾. LD selbst hängt von keinem
     Fenster ab.
 </p>

 <h3>Disclaimer</h3>
 <p>
     Bitte beachten Sie, dass wir – anders als z.B. <a href="https://korap.ids-mannheim.de/">KorAP</a> – DeReKoVecs
     nicht als einen Dienst mit hoher Ausfallsicherheit betreiben (können). DeReKoVecs ist lediglich als gläsernes Labor gedacht.
     Es können sich jederzeit unangekündigt Dinge ändern und auch ein kompletter Ausfall über längere Zeit lässt sich nicht mit Sicherheit ausschließen.
     Wenn Sie DeReKoVecs längerfristig für eigene Forschungen verwenden wollen, sprechen Sie uns bitte an.
 </p>
 <h3>Änderungen</h3>
 <p>
     <strong>06.09.2026</strong>

         Das Suchfeld versteht jetzt Vektorarithmetik, siehe <em>Suchanfragen</em> oben.
 </p>
 <p>
     <strong>04.09.2026</strong>

         Log-Dice (LD) wird jetzt genau so berechnet, wie es Rychlý (2008) definiert,
         \(14 + \log_2 \frac{2f_{1,2}}{f_1 + f_2}\), also ohne den Fenstergrößenfaktor, der bisher
         auf \(f_1\) angewendet wurde. Die Werte sind dadurch höher als zuvor, um bis zu
         \(\log_2\) der Fenstergröße, und direkt mit denen anderer Werkzeuge wie Sketch Engine
         vergleichbar. Auch LL ändert sich: Seine Vierfeldertafel wird jetzt als Ganzes mit der
         Fenstergröße skaliert und nicht mehr nur in der Zeilensumme.
         LDaf bleibt unverändert, ebenso die Reihenfolge der Kollokatoren: Es ist der
         Auto-Focus-Wert, der den Fenstergrößenfaktor bewusst behält, weil er ihn erst empfindlich
         dafür macht, wie konzentriert ein Paar auftritt. MI, MI², MI³ und nPMI ändern sich nicht,
         da sie nur die erwartete Häufigkeit benötigen, und die bleibt gleich.
 </p>

 <h3>Geplante Ausfallzeiten und Ankündigungen</h3>
 <dl id="downtimes">
     <dt></dt><dd>–</dd>
 </dl>
 </html>
	<html>
	<p>
	DeReKoVecs (Fankhauser & Kupietz 2022, 2017, 2019; Kupietz et al. 2018) ist das neue gläserne Labor der des Programmbereichs Korpuslinguistik am IDS. Ähnlich wie die
	Kookkurrenzdatenbank <a href="http://corpora.ids-mannheim.de/">CCDB</a> (Keibel & Belica 2007, Belica 2011) dient DeReKoVecs zur Erforschung und zum Vergleich
	von Maßen, Dimensionsreduktionsverfahren, Visualisierungen etc., zum Aufspüren von detaillierten paradigmatischen und syntagmatischen Beziehungen
	zwischen Wörtern auf Grundlage Ihrer Verwendung in sehr großen Korpora wie DeReKo (Kupietz et al. 2010, 2018) oder CoRoLa (Barbu Mititelu et al. 2018, Cristea et al. 2017).
	</p>
	<p>
	Die hier verwendeten Modelle beruhen zum einen auf einer Erweiterung von word2vec (Mikolov et al. 2013), wang2vec (Ling et al. 2015)
	und zum anderen auf einfachen Kookkurrenzhäufigkeiten und Analysemethoden, die auf diesen operieren.
	</p>
	<h3>Suchanfragen</h3>
	<p>
	Mehrere durch Leerzeichen getrennte Wortformen werden zu einem Suchvektor addiert, es wird
	also um den Mittelpunkt der Alternativen herum gesucht; ein „\|“ trennt dagegen mehrere
	voneinander unabhängige Suchen. Mit „+“ und „-“ lässt sich darüber hinaus im Vektorraum
	rechnen: <span class="mono">König - Mann + Frau</span> sucht die Nachbarn der Position
	vec(König) - vec(Mann) + vec(Frau) statt der Position eines einzelnen Wortes. Ein Vorzeichen
	ist nur am Anfang eines Tokens ein Operator, Bindestrichkomposita wie
	<span class="mono">Nord-Süd-Dialog</span> bleiben also suchbar.
	</p>
	<p>
	Die syntagmatische Ansicht rechnet mit. Der prädiktive Kollokationswert eines Kandidaten ist
	\(\sigma(q \cdot u)\), vor der Sigmoidfunktion also linear in \(q\); ein Ausdruck liefert
	deshalb die Kontexte, die die berechnete Position vorhersagt – bei „König - Mann + Frau“ die,
	die König und Frau vorhersagen, Mann aber nicht. Gemittelt wird dabei über die positiven
	Terme statt zu summieren, damit die Werte in demselben Bereich bleiben wie bei einer
	einzelnen Wortform: Der informative Bereich der Sigmoidfunktion ist schmal, und die
	stärksten Kollokatoren eines einzelnen Wortes liegen bereits an seinem oberen Rand. Eine
	ausgeglichene Analogie (+1 -1 +1) hat einen Term und damit denselben Maßstab wie eine
	einzelne Wortform.
	</p>
	<p>
	Die zählbasierten Kollokatoren bleiben dagegen auf eine einzelne Wortform beschränkt: Sie
	werden pro Knoten in der Kookkurrenzdatenbank nachgeschlagen und lassen sich nicht aus dem
	Suchvektor berechnen. Operanden, die nicht im Vokabular stehen, werden über dem Ergebnis
	genannt und bei der Berechnung weggelassen.
	</p>

	<h3>Effektive Fenstergröße und Auto-Focus</h3>
	<p>
	Die Assoziationsmaße LL, MI, MI², MI³ und nPMI werden nicht über das gesamte Kontextfenster
	berechnet, sondern nur über die <em>belegten Positionen</em>, also diejenigen, an denen der
	Kollokator mindestens einmal vorkommt. Die erwartete Häufigkeit beruht damit auf dieser
	effektiven Fenstergröße, wodurch ein Kollokator, der nur an wenigen Positionen auftritt,
	höher bewertet wird als einer, der sich über viele verteilt. Das hilft dabei, echte
	Kollokationen von Wörtern zu unterscheiden, die lediglich in denselben Kontexten vorkommen.
	Die Werte sind dadurch allerdings nicht unmittelbar mit denen von Werkzeugen vergleichbar,
	die stets mit einer festen Fenstergröße rechnen.
	</p>
	<p>
	LDaf ist demgegenüber der <em>Auto-Focus</em>-Wert (Belica), also der höchste Wert, den
	irgendeine – nicht notwendig zusammenhängende – Auswahl von Positionen erreicht, wie er auch
	aus der Kookkurrenzdatenbank <a href="http://corpora.ids-mannheim.de/">CCDB</a> bekannt ist.
	Da sein Nenner mit der Breite der Auswahl wächst, bevorzugt er Paare, deren Kookkurrenzen
	konzentriert auftreten – weshalb er die Kollokatoren in aller Regel am nützlichsten ordnet
	und hier als Standardsortierung dient. Er ist Dice-artig, aber kein Log-Dice, liegt also
	nicht auf derselben Skala wie LD und kann höher oder niedriger als dieses ausfallen. Beides
	lässt sich an der Auto-Focus-Spalte der Kollokationstabelle ablesen: Die belegten Positionen
	sind mit ◽ markiert, die vom Auto-Focus ausgewählten mit ◾. LD selbst hängt von keinem
	Fenster ab.
	</p>

	<h3>Disclaimer</h3>
	<p>
	Bitte beachten Sie, dass wir – anders als z.B. <a href="https://korap.ids-mannheim.de/">KorAP</a> – DeReKoVecs
	nicht als einen Dienst mit hoher Ausfallsicherheit betreiben (können). DeReKoVecs ist lediglich als gläsernes Labor gedacht.
	Es können sich jederzeit unangekündigt Dinge ändern und auch ein kompletter Ausfall über längere Zeit lässt sich nicht mit Sicherheit ausschließen.
	Wenn Sie DeReKoVecs längerfristig für eigene Forschungen verwenden wollen, sprechen Sie uns bitte an.
	</p>
	<h3>Änderungen</h3>
	<p>
	<strong>06.09.2026</strong>

	Das Suchfeld versteht jetzt Vektorarithmetik, siehe <em>Suchanfragen</em> oben.
	</p>
	<p>
	<strong>04.09.2026</strong>

	Log-Dice (LD) wird jetzt genau so berechnet, wie es Rychlý (2008) definiert,
	\(14 + \log_2 \frac{2f_{1,2}}{f_1 + f_2}\), also ohne den Fenstergrößenfaktor, der bisher
	auf \(f_1\) angewendet wurde. Die Werte sind dadurch höher als zuvor, um bis zu
	\(\log_2\) der Fenstergröße, und direkt mit denen anderer Werkzeuge wie Sketch Engine
	vergleichbar. Auch LL ändert sich: Seine Vierfeldertafel wird jetzt als Ganzes mit der
	Fenstergröße skaliert und nicht mehr nur in der Zeilensumme.
	LDaf bleibt unverändert, ebenso die Reihenfolge der Kollokatoren: Es ist der
	Auto-Focus-Wert, der den Fenstergrößenfaktor bewusst behält, weil er ihn erst empfindlich
	dafür macht, wie konzentriert ein Paar auftritt. MI, MI², MI³ und nPMI ändern sich nicht,
	da sie nur die erwartete Häufigkeit benötigen, und die bleibt gleich.
	</p>

	<h3>Geplante Ausfallzeiten und Ankündigungen</h3>
	<dl id="downtimes">
	<dt></dt><dd>–</dd>
	</dl>
	</html>