Potsdamer Zeitungskorpus - diachron

Das Potsdamer Zeitungskorpus ist eine diachrone Dependenzbaumbank, die sowohl Informationen zu den Lemmata und Wortarten als auch ausgewählte Dependenzrelationen der Universal Dependencies enthält. Das annotierte Korpus umfasst Zeitungstexte in strukturierter Auswahl, die in der Zeit von 1600 bis 1950 in unterschiedlichen Regionen Deutschlands publiziert wurden. Insgesamt hat es einen Umfang von 201.056 Wortformen, die sich auf 7.594 Sätze verteilen. Die  Annotation von Lemmata und Wortarten erfolgte semi-automatisch: Nach der manuellen Segmentierung der Ganzsätze wurde mithilfe der Stanford Natural Language Processing Software  zunächst automatisch das Lemma-Tagging und Part-of-Speech-Tagging vorgenommen. Anschließend wurden fehlerhafte Annotationen auf Wortebene manuell korrigiert. Die Annotation der Dependenzrelationen wurde im Double-Keying-Verfahren ebenfalls manuell erstellt. Der Aufbau der Baumbank wurde im Rahmen des Teilprojekts C06 im SFB 1287 Limits of Variability in Language von der Deutschen Forschungsgemeinschaft gefördert (Projektnummer 317633480).