Approximating Theoretical Linguistics Classification in Real Data: the Case of German “nach” Particle Verbs

Proceedings of COLING 2012: Technical Papers, pages 1113–1128, COLING 2012, Mumbai, December 2012. Approximating theoretical linguistics classification in real data: the case of German nach particle verbs Boris HASELBACH1 Kerstin ECKART 1 Wol f gang SEEKER1 Kurt EBERLE2,1 Ulrich HEID3,1 (1) IMS, Universität Stuttgart, Germany (2) Lingenio GmbH, Heidelberg, Germany (3) IWIST, Universität Hildesheim, Germany haselbbs@ims.uni-stuttgart.de, eckartkn@ims.uni-stuttgart.de, seeker@ims.uni-stuttgart.de, eberle@ims.uni-stuttgart.de, heid@ims.uni-stuttgart.de ABSTRACT Testing a theory against real world data can sometimes be helpful in figuring out the shortcom- ings of your current theory. In this paper, we test a theory about the syntax-semantics interface of German nach-particle verbs against data from a web corpus in order to see if we can use our automatic NLP machinery to corroborate the predictions of the theory. We use state-of-the-art parsers to automatically annotate our data with the features predicted by the theory and then apply a standard clustering approach to approximate the nach-particle verb classes of the theory. The results of our experiment not only help us highlighting the more problematic parts of the theory but also teach us about the strengths and weaknesses of our automatic analysis tools. TITLE AND ABSTRACT IN ANOTHER LANGUAGE, L2 (OPTIONAL, AND ON SAME PAGE) Corpusbasierte Überprüfung einer semantischen Klassifika- tion deutscher nach-Partikelverben Um Unzulänglichkeiten einer Theorie auszumachen ist es mitunter vonnöten, Hypothesen gegen echtes Textmaterial abzugleichen. In diesem Beitrag soll diskutiert werden, wie Vorhersagen einer Theorie zum syntaktischen und semantischen Verhalten deutscher nach-Partikelverben gegen Netztexte abgeglichen werden können und wie dabei eine automatische Textverarbeitung unterstützend zum Tragen kommt. Es werden Parser des letzten Stands der Forschung verwendet um die Daten mit den von der Theorie vorhergesagten Merkmalen zu annotieren bevor ein standardisiertes Clustering-Verfahren angewandt wird um die theoretischen nach-Partikel-Verb-Klassen nachzubilden. Die Resultate des Experiments unterstreichen nicht nur Problemfälle der Theorie sondern zeigen auch die Stärken und Schwächen der automatischen Analyse. KEYWORDS: particle verbs, syntax-semantics interface, German, web data, parser combination. KEYWORDS IN L2: Partikelverben, Syntax-Semantik-Schnittstelle, Deutsch, Netztexte, Parser- Kombination. 1113 1 Introduction We test a theoretically well-motivated hypothesis about the syntax-semantics interface of German nach-particle verbs (nach-PV) on data from the “real world”, to gain insight into the strengths and weaknesses of the theory as well as the limitations of our NLP-methodology. The theory we want to test is a word-syntactic approach to nach-PVs implemented in a generative framework. The analysis of five different readings of nach in combination with a verb makes different predictions on the argument structure of the complex verb, in particular with respect to dative and marginally to accusative arguments: the verb semantics (especially the nach particle) determines the argument structure of the verb. In order to test this assumption, we will turn the argumentation around: to what extent can we use automatically gained syntactic information to recreate the nach-PV classes. For this, we automatically annotate large amounts of data with their syntactic structure and identify the argument structure of each verb. Based on this information, we then apply a standard clustering technique to recreate the nach-PV classes proposed by the theory. As …

Content truncated to 500 words