Lexicography and Corpus Linguistics

Transactions of the Philological Society, 1983

2010

Review (English language) of this book; published in: Linguist List 21.936 (25.02.2010) [Open Access]

ELT Journal, 2009

And so, in the first of three major parts of the Guide, titled 'Pre-lexicography', we are introduced to the primary source of evidence for modern dictionaries: large electronic text corpora. The authors skillfully present numerous practical issues in the acquisition of texts, including the impact of structure on the usefulness of corpora. We learn that not all corpora are made equal, discover the advantages and disadvantages of building corpora from the Web (as against more traditional corpora), and are told that the advantages now outweigh ...

Atti Del Xii Congresso Internazionale Di Lessicografia Torino 6 9 Settembre 2006 Vol 2 2006 Isbn 88 7694 918 6 Pags 1241 1247, 2006

In this paper we present the EURALEX conference proceedings bibliography 1983-2004 compiled by the authors and distributed at this conference. We discuss the fields we chose to include in the database and briefly discuss its structure. The preparation of this bibliography led us to consider the changes the research field of lexicography has undergone over the years. We briefly compare the topics discussed in Euralex conference proceedings with articles published in the International Journal ofLexicography and in Dictionaries, thejournal ofthe Dictionary Society of North America. * The authors would like to express their gratitude to the EURALEX Executive Board, who enthusiastically endorsed our proposal for a bibliography in digital format from the outset. The cost of the preparation of the CD-ROM was partially offset by a grant from EURALEX. The research carried out here also benefitted from a grant awarded by the Spanish Ministry of Education and Science (BFF2003-08043: La gramática de los sustantivos en los diccionarios bilingües y de aprendizaje.

Lexikos, 2020

Lexicography, 2014

The Cambridge Handbook of Corpus Linguistics (Biber, D. & Reppen, R. to appear)

"Corpus linguistics has contributed to lexicography in a number of ways (cf. Hanks, 2009). However, it is probably in the lexicographical treatment of phraseology that corpus linguistics has had the most revolutionizing effect. Evidence of word use in corpora has shown to an unprecedented extent that words are not isolates but rather combine with each other in preferred syntagmatic patterns (e.g. Biber and Conrad, 1999; Hanks, forthcoming). Corpus query systems are now highly sophisticated and incorporate cutting-edge tools and statistics to extract word combinations (Kilgarriff and Kosem, forthcoming). The impact of corpora in the area of phraseology, however, differs significantly across dictionaries both in terms of coverage and access. Collocations have been the subject of particular attention, most particularly in monolingual learners’ dictionaries (MLDs). By contrast, a whole range of recurrent phrases with essential discourse or pragmatic function still need to find their place in dictionaries. As regards access, techniques range from highlighting a restricted number of word sequences in examples to providing lists of salient word combinations in collocation boxes. The aim of the chapter is to provide a critical overview of current developments in corpus-based lexicography and, more particularly, in the lexicographical treatment of phraseology. The chapter starts with a brief overview of the many contributions of corpus linguistics to lexicography before zooming in on phraseology. First, corpus linguistic tools and methods that lexicographers can use to identify phraseological units are described. Second, results from studies that have compared the phraseology of words as evidenced in corpora and as found in dictionaries (e.g. Moon 2008; Walker 2009) are used to assess the impact of corpora on the lexicographical treatment of phraseology in native-speaker dictionaries, learners’ dictionaries, bilingual dictionaries and specialised dictionaries. Current limitations of corpus-based lexicography are exposed (mostly related to corpus design), and a case is made for the use of a wider range of specialised corpora (e.g. genre or domain-specific) in dictionary making. The second section illustrates how specialised corpora can inform the lexicographical treatment of phraseology. It reports on a study that makes use of the notions of ‘precision’ and ‘recall’ (Salton, 1989) to investigate the usefulness of phraseological information in electronic MLDs for academic writing, a genre that is of particular importance for non-native students and researchers in academic settings (Paquot, 2011). Using the Sketch Engine, I conducted a co-occurrence analysis of several verbs in the 90-million word Corpus of Academic Journal Articles (Kosem, 2010). The results were compared with the collocations listed for these verbs in five MLDs (CALD, CCAD, LDOCE, MEDAL and OALD) to assess the coverage of academic collocations. Findings indicate that, although they certainly represent the best attempts at incorporating corpus-based descriptions of language, electronic MLDs could do much better. A number of word combinations that have essential discourse functions in academic writing are missing from the ‘Big Five’. In addition, their undifferentiated treatment of phraseology could lead non-native writers to believe that all collocations and phrases are good for all purposes (e.g. writing a research article or an informal letter). The chapter ends with suggestions for further and better integration of corpus-data (and corpus-query tools) to improve the coverage of and access to phraseology in dictionaries. "

Handbook of English Linguistics, Second Edition, 2020

This paper offers an overview of the discipline of English lexicography with special consideration of interdisciplinary connections with English linguistics. Emphasis is placed on dictionaries of varieties of English, period dictionaries, and learner dictionaries, the latter of which being currently most firmly tied to wider linguistic research agendas. Overall, the relationship is described as a difficult one, characterized by differences in emphasis that are reflected in competing philological, historical, and linguistic foci. The account seeks to identify gaps in the lexicographical documentation of varieties of English (e.g., Irish English, Ulster Scots, Indian English) and period coverage (e.g., in Early Modern English), and aims to identify strong suits and best practice examples (e.g., Dictionary of American Regional English). It is argued that English linguistics as a whole, especially the sociolinguistic discipline, would benefit from renewed interest in the lexicography of English. Keywords: lexicography, dictionaries, English language, linguistic variation, scholarly discourse, English linguistics, varieties of English, applied linguistics, historical linguistics

Ibérica, 2012

2008

U p till qui te recent ly there has been a gap be tween lex icography and linguistic theory. Moreover , in some quarters lexicography was looked down upon as a purely practical enterprise unwor thy of scholarly interest . I am convinced, however , tha t sound lexicography can only be based on sound linguistic theory and that recent theoretical deve lopments are of pa ramoun t importance for practical dictionary making. There are five principles inherent in modern l inguist ic theory that are of immediate relevance to systematic lexicography and may help to bridge the gap between the two: 1) The reconstruction of the "na ive" (language) picture of the world, or the pattern of conceptual izat ions underlying lexical and grammatical meanings of the given language. 2) The unification of grammatical and lexicological studies within what may be called an integrated linguistic description, or a fully coordinated description of dictionary and grammar . Such a description requires ...

Lexicographica, 2007

Lexikos, 2009

This volume contains a selection of papers read at the 12th International Symposium on Lexicography, held in Copenhagen from April 29 to May 1, 2004. Many topical issues are discussed, and even though the volume is arranged according to different lexicographical themes, there are also many common elements between the different papers. For example, sample articles selected for the empirical analyses on which the papers are based, often deal with the use of phraseology in different dictionaries, the finding of suitable translation equivalents in bilingual dictionaries, and the user-friendliness in dictionaries. In some cases, the participants have selected the same mainstream dictionaries for discussion, which means that these dictionaries are examined from different viewpoints, making the volume an interesting and useful reference work. The six parts into which the articles in this collection have been classified are online lexicography, dictionary structure, phraseology in dictionaries, LSP lexicography, dictionaries and the user, and etymology, history and culture in lexicography. The issues raised are of great importance to lexicographers, especially those working in dictionary houses and lexicography units where comprehensive lexicographical works are published and compiled, such as multivolume corpus-based monolingual dictionaries and comprehensive bilingual dictionaries. It is taken for granted that technology is part of the lexicographical process nowadays, and therefore the papers in this volume are most relevant. The main speaker was Arne Zettersten who is also the 'founding father' of this symposium (see p. ix). His paper 'Glimpses of the Future of English-based Lexicography' (pp. 299-318), found in the last part of the volume, is the Otto Jespersen Memorial Lecture, dedicated to Otto Jespersen for his direct and indirect role in promoting lexicography. Zettersten contemplates on the future use of English in lexicography, and the nature of future lexicographical works. Since English is currently a lingua franca in many spheres of the modern world, including technology and the internet, Zettersten proceeds from the assumption that this will still be the case, even when other languages such as Chinese Mandarin, Spanish, Arabic and Hindi will gain in importance. Therefore, the question 'What kind of English or Englishes do we expect in the world tomorrow?' will have to be considered. He reflects on how quickly current electronic sources such as the Encarta products by Microsoft (e.g. the Encarta World English Dictionary Online) and The Literary Encyclopedia (released in 2001) will become outdated, and what possibilities the future might hold. Especially in the field of technology, the growth of vocabulary is accelerating all the time, and printed reference works cannot keep up with the pace of change. In addition, new technical devices are produced very quickly, which opens up exciting wissenschaft 2.1. Berlin/New York: De Gruyter.

Proceedings of Recent Advances in Natural Language Processing, 2019

This paper describes a set of tools that offers comprehensive solutions for corpus lexicography. The tools perform a range of tasks, including construction of corpus lexicon, integrating information from external dictionaries, internal analysis of the lexicon, and lexical analysis of the corpus. The set of tools is particularly useful for creating dictionaries for under-resourced languages. The tools are integrated in a general-purpose software that includes additional tools for various research tasks, such as linguistic development analysis. Equipped with a user-friendly interface, the described system can be easily incorporated in research in a variety of fields.

Lexicographica. Series Maior, Band 109. Tübingen: Niemeyer 2002 (330 pp.)), 2002

Zwei der Beiträge basieren auf Plenarvorträgen, die am ersten Tag des Symposions an der Akademie der Wissenschaften zu Kopenhagen gehalten wurden. Seit 1994 wird das Internationale Symposion zur Lexikographie durch die "Otto Jespersen Gedenkvorlesung" eröffnet. Der Otto Jespersen-Redner des Jahres 2000, Norman Blake, stellte seine Pläne für ein neues Shakespeare-Wörterbuch vor. Blake bemerkt u.a., dass Jespersen die Kommentare vieler Autoren zum Wortschatz Shakespeares notierte, obwohl diese hauptsächlich aus Aufzählungen der von Shakespeare benutzten Wörter sowie seiner lexikalischen Neuerungen bestehen. Ausführlich beschreibt Blake die Methoden bei der Einsammlung des einschlägigen Materials und betont dabei den Umstand, dass die sprachlichen Register bei Shakespeare von der bisherigen Forschung nur in ganz wenigen Fällen systematisch berücksichtigt wurden. Im zweiten Plenarvortrag des Symposions stellt Wolfgang Viereck den "Atlas Linguarum Europae" vor, einen interpretierenden Wortatlas, der sich bei der Interpretation geolexikalischer Daten sowohl traditioneller Methoden wie Onomasiologie und Semasiologie als auch innovativer Ansätze bedient, bei denen es vorrangig um den motivationeilen Aspekt geht. Anhand einer Vielzahl von Beispielen weist Viereck nach, dass das Studium der Wortgeschichte Europas mit wichtigen Einsichten in Kulturgeschichte und Religion verbunden ist. Tove Bjorneset stellt das norwegische Projekt NORDLEXIN-N vor, welches seit 1996 in Bergen läuft. Anfang der 90er Jahre wurde allen nordischen Ländern die schwedische LEXIN-Datenbank im Hinblick auf die Herstellung ähnlicher Wörterbuchreihen frei zur Verfügung gestellt. Mit diesen Wörterbüchern, die in sowohl einer gedruckten als auch einer elektronischen Version erscheinen werden, soll ein u.a. für Immigranten brauchbares Werkzeug erstellt werden. Jane Bottomley diskutiert verschiedene Möglichkeiten zur vollen Ausnutzung des elektronischen Mediums, indem sie insbesondere auf das "Cambridge International Dictionary of English Online" (CIDE Online), einen freien Internetdienst, sowie das "Cambridge International Dictionary of English CD-ROM" (CIDE CD) eingeht, an dessen Entwicklung sie selbst beteiligt war. In ihrem Beitrag werden vier Hauptgebiete behandelt: 1. die Redaktion des Inhalts für ein elektronisches Format, 2. die Datenbankpflege bzw. die Integration des Feedbacks, 3. die Benutzerschnittstelle und 4. die Organisation zusätzlicher Merkmale außerhalb des laufenden Textes. Ulrich Busse thematisiert die soziale Dimension der Lexikographie, indem er eine kontrastive Analyse zweier spezieller Typen von Fremdwörterbüchern unternimmt. Durch den Vergleich einiger der neuesten Anglizismenwörterbücher des Deutschen mit den englischen Wörterbüchern des 17. Jahrhunderts zu "schweren Wörtern" kann er nachweisen, dass die XII Lexikographie-zumindest bis zu einem gewissen Grade-schon immer soziologische und soziolinguistische Erscheinungen reflektierte. Timothy Colleman berichtet über die Herstellung des "Contragram-Wörterbuches zur Verbvalenz" (CVVD), das gegenwärtige Projekt der Contragram-Forschungsgruppe der Universität Gent (Belgien). Er betont, dass das CVVD als erstes Valenzwörterbuch vollständig kontrastiv sein wird, und dass die traditionelle Unterscheidung zwischen Quellensprache und Zielsprache(n) für ein solches Wörterbuch nicht relevant ist. Im Endergebnis will das CVVD Grammatiken, traditionelle Übersetzungswörterbücher und existierende Valenzwörterbücher in mehrfacher Hinsicht ergänzen. Janet DeCesaris und Victoria Aisina diskutieren in ihrem Beitrag die Darstellung figurativer Bedeutungen in englischen, spanischen und katalanischen Wörterbüchern. In englischen Lernerwörterbüchern ist es üblich, figurative Bedeutungen nicht eigens zu markieren, wohingegen in der spanischen und katalanischen Lexikographie eine lange Tradition für die Markierung solcher Bedeutungen besteht. Es wird die Auffassung vertreten, dass ein reflektierter Gebrauch von Markierungen dazu beitragen kann, die kohärente Bedeutungsentwicklung zu verdeutlichen, anhand derer entscheidende Auskünfte für die Lerner einer Sprache konstituiert werden. Durch Korpusdaten aus dem Englischen werden Vorschläge zur Darstellung polysemer Wörter in Lernerwörterbüchern unterbreitet, u.a. im Hinblick darauf, wie die figurativen Bedeutungen zu ihren litteralen Gegenübern in Beziehung gebracht werden können. Der Beitrag von Bernhard Diensberg behandelt die mit den altfranzösischen Lehnwörtern germanischen Ursprungs in der englischen Sprache verbundene Vielzahl von Problemen. Bei der Analyse einer Reihe dieser Probleme unterscheidet Diensberg zwischen altfranzösischen Entlehnungen germanischen Ursprungs, die in (fast) allen romanischen Sprachen Reflexe haben, und solchen, die auf das Gallo-Romanische begrenzt sind, d.h. die Mehrzahl der altfranzösischen Lehnwörter auf germanischem Substrat. Ken Faro untersucht die lexikographische Berücksichtigung so genannter 'polysemer Somatismen', eine besondere Kategorie polylexikalischer Syntagmen, die aus körperbezogenen Sememen bestehen, und die im aktuellen Sprachgebrauch sowohl in einer idiomatischen als auch in einer freien syntagmatischen Variante vorkommen. Fare weist nach, inwieweit solche Syntagmen in einer Reihe deutscher und dänischer Wörterbücher behandelt werden und stellt fest, dass dieser Syntagmentyp im strikten Sinne ambig ist und daher in den Wörterbüchern monosemiert werden müsste. Aufgrund eines Vergleiches vier germanischer Anglizismenwörterbücher warnt Henrik Gottlieb vor der Gefahr, die darin bestünde, die lexikographischen Befunde (d.h. die Eintragungen in den untersuchten Wörterbüchern) unkritisch auf die lexikologischen Realitäten zu applizieren (aktueller Sprachgebrauch in Deutschland, Dänemark, Schweden und Norwegen). Er betont, dass die Feststellung von Unterschieden zwischen den vier Wörterbüchern-und deren internen Diskrepanzen-zur Folge hat, dass genaue Angaben zum Einfluss des Englischen auf andere germanische Sprachen auf der Basis der vier behandelten Wörterbücher nicht möglich sind. Rolf Hesse beschreibt die Schwierigkeiten, die bei der Übersetzung von Beispielsätzen, Kollokationen und idiomatischen Wendungen außer Kontext auftreten, und die auf grammatische Unterschiede zwischen Quellen-und Zielsprache(n) zurückgeführt werden können. Hesse unterbreitet eine Reihe von Vorschlägen zur Lösung bzw. Reduktion oder Entfernung dieser Probleme. XIII Lars Holm berichtet über den Fortgang seines Projektes zur Edition eines frühen Wörterbuchmanuskriptes aus dem 18. Jahrhundert, und zwar das "Swensk Ordabok" des Bischofes Jesper Swedberg. Holm weist auf den Umstand hin, dass keine Traditionen bestehen, auf deren Folie man editorische Fragestellungen lösen könnte. Er vertritt die Auffassung, dass keines der von Swedborg selbst verfassten Manuskripte als Editionsgrundlage dienen kann, da sie alle unvollständig sind. Abschließend schlägt er Wege zur Lösung der daraus entstehenden editorischen Schwierigkeiten vor. Jean Hudson diskutiert einige mit der Erstellung von Korpora verbundene methodologische Fragen, indem sie sich auf CANCODE bezieht, ein aus fünf Millionen Wörtern bestehendes Korpus des tatsächlich gesprochenen Englisch. Dabei wird vermutet, dass die Beziehung zwischen den Sprechern eine wichtige Variable in sprachlichen Wahlsituationen ausmacht. Anschließend wird die Kategorisierung der CANCODE-Daten beschrieben, und zur Unterstützung der Validität einer weiteren wichtigen Subkategorisierung, die in Korpora gemeinhin als 'Konversation' bezeichnet wird, werden sprachliche Belege angeführt. Olga Karpova und Svetlana Manik gehen in ihrem Beitrag der Frage nach, inwieweit gesellschaftliche und politische Prozesse zu sprachlichen Veränderungen führen. Sie analysieren eine Auswahl von Wörterbüchern und erörtern dabei verschiedene Methoden zur Wörterbuchkritik. Die Verf. betonen die Notwendigkeit der Erstellung eines Wörterbuches, welches eine objektive Darstellung und Markierung des politischen Wortschatzes bietet. Ksenija Leban gibt einen detaillierten Abriss der Struktur und Funktion eines Slowenisch-Englischen Wörterbuches zu falschen Freunden mit professionellen Sprachbenutzern als Zielgruppe-ein oft stiefmütterlich behandelter Wörterbuchtyp. Wörterbücher zu falschen Freunden sollen zur Ausschließung von solchen Fehlern beitragen, die auf der Vermutung basieren, dass ein zielsprachiges Lexem dieselbe Bedeutung und/oder Form hat wie seine scheinbaren Entsprechungen in der Quellensprache-eine in der Realität vielfach unbegründete Vorstellung. Die Diskussion im Beitrag von Anatoly Liberman konzentriert sich auf drei Thesen: 1) Ein etymologisches Wörterbuch sollte einen detaillierten, kritischen Überblick der Mutmaßungen über den Ursprung der aufgenommenen Wörter vermitteln. 2) Nah verwandte Wörter sollten in ein und demselben Wörterbuchartikel behandelt und nicht auf verschiedene Stellen je nach dem Anfangsbuchstaben des betreffenden Wortes verteilt werden. 3) Die Vorgeschichte von Lehnwörtern sollte in der Regel aus den etymologischen Wörterbüchern der Empfängersprachen ausgelassen werden. Sändor Martsa weist nach, dass englische Konversionen nicht im Rahmen der herkömmlichen Unterscheidung zwischen Polysemie und Homonymie beschreibbar sind. Begriffe wie semantische Verwandtschaft und Vorhersagbarkeit werden diskutiert, wonach zwei Gruppen von Verben analysiert werden: auf Tiere bezogene Verben sowie Verben, die von Instrumentausdrücken konvertiert sind. Durch die Analyse einer Reihe von Beispielen beider Typen wird klar, dass tierbezogene Verben und Instrumentverben in Wirklichkeit Wortmetaphern oder Wortmetonyme sind. Dies bedeutet, dass die semantische Verwandtschaft zwischen diesen und den entsprechenden Basissubstantiven lediglich als eine Art Polysemie-und nicht Homonymie-interpretiert werden kann. Geart van der Meer thematisiert die Berücksichtigung konventioneller Metaphern in den vier wichtigsten...

Routledge Companion to English Studies (edited Constant Leung, Brian V Street), 2014