<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>