Corpus (Sprachkorpus)

Corpus ( Sprachkorpus )

Definition:

Ein Sprachko­r­pus (engl. cor­pus, Plur­al: cor­po­ra) ist eine umfan­gre­iche Samm­lung von Tex­ten oder gesproch­enen Sprach­dat­en, die sys­tem­a­tisch zusam­mengestellt und oft annotiert sind. Lin­guis­ten und KI-Entwick­ler nutzen Kor­po­ra, um Sprach­struk­turen, Häu­figkeit­en und Bedeu­tun­gen zu analysieren.

Beispiele:

• Ein Nachricht­enko­r­pus mit Artikeln ver­schieden­er Zeitun­gen

   

• Ein Gespräch­sko­r­pus mit Tran­skripten von Inter­views

   

• Ein par­al­le­les Kor­pus, das Texte in mehreren Sprachen enthält

   

Bedeutung für Chatbots und KI:

Kor­po­ra sind die Grund­lage für Sprach­mod­elle. Je größer und vielfältiger das Kor­pus, desto bess­er kann ein Mod­ell Sprache ver­ste­hen und natür­lich reagieren. Für Chat­bots helfen spez­i­fis­che Kor­po­ra (z. B. Fach­sprache in der Medi­zin), passende Antworten zu generieren.

Vorteile von Sprachkorpora:

• Ermöglichen präzise Sprach­mod­elle

   

• Deck­en unter­schiedliche Sprach­stile und Kon­texte ab

   

• Fördern Forschung in Lin­guis­tik, Über­set­zung und KI

   

Verwandte Begriffe:

• Daten­ba­sis

   

• Textsamm­lung

   

• Daten­satz