Wie heißt diese Prozedur?

Question

Die Prozedur, die Wörter oder Wortes in Wort bzw. gesehen oder sah in seh umwandelt, heißt Stemming.

Wie heißt die umgekehrte Prozedur, bei der die Umwandlung so verläuft:

• Substantive → Nominativ Singular, (aus Wörter wird Wort)
• Verben → Infinitiv, (aus sah wird sehen)

PS: Wenn ich mich nicht irre, ist es keine Lemmatisierung. Ich habe diesen Online-Lemmatisierer getestet: https://cst.dk/tools/index.php - laut diesem ist Wört das Lemma zu Wörter.

Answer 1

Ich werde ein bisschen breiter antworten.

Computerlinguistisch würde ich Wörter -> Wort als Lemmatisierung, Wörter -> Wört als Stemming bezeichnen. Im mir bekannten Gebrauch ist Stemming nur das Abziehen von regulärer Flexionsmorphologie, wobei das bei Ablauten im Deutschen schwammig wird -- ich würde gesehen -> sah nicht mehr als Stemming sehen, aber man könnte durchaus dafür argumentieren. In beiden Fällen ist das Ergebnis nicht als grammatisch zu verstehen, sondern nur als Folge von Segmenten zur Repräsentation einer Äquivalenzklasse von Formen.

Die Schwierigkeit der Wahl besteht darin, wie weit man einerseits Semantik und Wortart miteinbeziehen möchte (haben sah und Sicht genug gemeinsam, um sie in eine Äquivalenzklasse zu fassen?), und andererseits in der Effizienz (sollen ein paar Duzend regulärer Ausdrücke reichen, oder brauche ich ein riesiges neuronales Netzwerk, dass ewig trainiert werden muss?).

Nicht-computerlinguistisch würde ich von der Bildung der Nennform oder Zitierform sprechen. Diese Form ist eine vollständig grammatische (finit oder infinitit), und hängt von der Sprachtradition rein konventionell ab -- sie wird gebraucht, um Wörter anzuführen (sei es im gewöhnlichen Sprechen oder in Lexika; in manchen Sprachen unterscheiden sich diese zwei Formen). Also das, wonach du gesucht hast.

Hier ein Beispiel, dass es komplizierter werden kann, ein Exkurs ins Golf-Arabisch:

• maka:tib: Plural "Büros"; Vollform.
• maktab: Singular "Büro"; Grundform und Nennform des Substantivs, und Lemmatisierung.
• maktabate:n: Dual "zwei Bibliotheken"; Vollform.
• maktaba: Singular "Bibliothek"; Grundform, Nennform, und Lemmatisierung; gleichzeitig eine Art Stemming, weil die Dualendung -te:n abgezogen wurde.

Beide Wörter sind abgeleitet von:

• k-t-b: Wurzel für "schreiben"; das wäre hier das vollständige Stemming (weil durch Regeln von der Vollform ableitbar), und darunter würde man auch maktabate:n im Wörterbüch suchen.
• kataba: "er schrieb", dritte Person Singular Maskulinum des Perfekts (also plötzlich ein Verb!); Zitierform der Wurzel k-t-b, wenn man sie spricht.

Außerdem sollte man wissen, dass kataba und k-t-b ohne Vokalzeichen gleich geschrieben werden; das zeigt, dass Stemming etwas rein abstraktes ist, und die Zitierform aus praktischen Gründen sich aus irgendwelchen Formen ergeben kann.