Direkt zum Inhalt
Text-Technology
Navigation

Definition

Tagset

Tagset ist das festgelegte Verzeichnis aller Kategorien, mit denen ein Text annotiert wird, etwa Wortarten oder Satzglieder.

Ein Tagset legt fest, welche Etiketten bei einer Annotation erlaubt sind und was sie bedeuten. Für Wortarten gibt es etablierte Verzeichnisse, die Substantive, Verben, Adjektive und Feinunterscheidungen wie Eigennamen oder Modalverben getrennt führen. Die Wahl beeinflusst, wie fein Texte später auswertbar sind.

Ein gutes Tagset ist eindeutig, vollständig und mit Beispielen beschrieben. Nur so arbeiten verschiedene Annotierende und automatische Tagger konsistent. Wechselt man das Tagset, lassen sich Ergebnisse oft nur mit Aufwand vergleichen.

Vor einem Projekt sollte man daher prüfen, ob ein bestehendes Tagset passt, bevor man ein eigenes entwirft.

Verwandte Begriffe

  • AnnotationAnnotation ist die Anreicherung von Texten mit zusätzlichen, maschinenlesbaren Informationen wie Wortarten, Strukturen oder Bedeutungen.
  • WortartWortart ist die grammatische Kategorie eines Wortes, etwa Substantiv, Verb oder Adjektiv, die in der Wortartenbestimmung automatisch zugewiesen wird.
  • TEITEI ist ein Standard aus XML-Auszeichnungen, mit dem Forschende Texte wie Editionen, Briefe und Handschriften strukturiert erfassen.
  • KorpusKorpus ist eine systematisch zusammengestellte, digital vorliegende Sammlung von Texten für sprachwissenschaftliche Untersuchungen.