10 Sprache

Dokument	Anzahl Wörter
Die zehn Gebote	300
Amerikanische
Unabhängigkeitserklärung	3000
EG-Verordnung
über den Import
von Karamelbonbons	30000

Von den zahlreichen Aspekten der Sprachverarbeitung soll hier nur das Worterkennungsproblem behandelt werden. D.h., ein gesprochener Satz von mehreren Einzelwörtern soll in eine ASCII-Repräsentation überführt werden. Es geht also nicht um die Analyse der Bedeutung des Satzes, wohl aber um die richtige Schreibweise der beteiligten Wörter.

13	ab	29	diesen	19	große	17	numerischen	12	transputernetz
132	aber	100	dieser	30	großen	29	nun	52	über
13	ablaufen	59	dieses	36	haben	144	nur	54	um
21	abschnitt	15	dimension	12	häufig	18	oben	11	unabhängig
27	adaption	17	direkt	17	hardware	46	oder	423	und
18	adaptionsschritt	29	dort	50	hat	21	ohne	16	ungleichgewichte
25	algorithmen	16	drei	10	heute	12	operationen	20	unstrukturierten
50	algorithmus	122	durch	129	hier	13	optimal	14	unter
106	alle	49	durchgeführt	11	hilfe	11	optimale	10	unterschiede
19	allen	12	dynamische	172	im	67	optimierung	13	untersuchen
110	als	11	dynamischen	51	immer	13	optimierungsschritte	11	varianten
23	also	17	ebenfalls	12	implementiert	26	parallel	61	verfahren
20	am	15	effekte	341	in	25	parallele	23	verfahrens
85	an	13	effiziente	24	indem	70	parallelen	12	verfeinert
18	andere	20	effizienz	17	innerhalb	27	parallelisierung	12	verfeinerung
50	anderen	11	effizienzen	15	insbesondere	14	parallelität	26	verfügung
34	anzahl	289	ein	401	ist	19	parix	10	verhalten
10	arbeit	308	eine	10	jede	11	periodische	10	verschieben
11	arbeiten	115	einem	56	jedem	20	periodischen	24	verschiedene
14	arbeitet	70	einen	14	jeden	14	phase	29	verschiedenen
11	art	130	einer	32	jeder	13	phasen	15	version
141	auch	57	eines	13	jedes	13	praktisch	20	verteilt
256	auf	14	einfach	40	jetzt	58	problem	19	verteilung
11	aufgrund	17	einfache	32	jeweils	63	probleme	15	verwenden
64	aufteilung	39	einige	146	kann	15	problemen	32	verwendet
84	aus	15	einigen	20	kapitel	10	problems	11	verwendete
15	austausch	14	einmal	12	kein	29	programm	31	verwendeten
11	bearbeitet	19	einsatz	37	keine	10	programme	17	verwendung
10	behandelt	11	einzelnen	14	klar	20	programms	34	viele
228	bei	92	element	11	kleine	104	prozessor	10	vielen
42	beiden	152	elemente	14	kleinen	138	prozessoren	19	vier
22	beim	40	elementen	10	kleiner	31	prozessorzahlen	13	virtuellen
23	benötigt	14	elements	145	knoten	21	punkt	18	völlig
11	berechnen	13	enthalten	82	können	18	punkte	17	vollständig
28	berechnet	14	entsprechend	24	kommunikation	18	ränder	19	vom
23	berechnung	22	entsprechenden	25	kommunikationen	14	rand	219	von
52	berechnungen	10	entwickelt	34	koordinaten	21	randbedingungen	10	vor
14	bereich	14	er	11	kurz	16	rechenzeit	18	vorhanden
12	berücksichtigt	62	ergeben	12	läßt	10	rechner	10	vorigen
10	beschleunigung	11	ergebnis	14	lassen	21	relativ	16	während
15	beschränkt	17	ergebnisse	22	last	37	schon	14	war
21	beschrieben	79	ergibt	11	lastverteilung	28	schritt	21	was
13	beschriebenen	12	erhalten	27	laufzeit	18	schritte	25	weitere
18	besonders	24	erreicht	15	laufzeiten	14	sehen	22	weiteren
18	besteht	12	erst	15	liegen	76	sehr	12	weiterer
32	bestimmt	15	ersten	20	liegt	40	sein	13	wenige
11	bestimmung	18	erweiterungen	19	links	11	seine	74	wenn
13	beteiligt	11	erzeugt	13	listen	13	seite	418	werden
11	beteiligten	172	es	47	lösung	18	selbst	15	wert
21	betrachten	17	etwa	10	lösungen	30	sequentiellen	18	werte
10	betrachtet	12	exakt	18	lokal	265	sich	16	wesentlichen
10	betriebssystem	14	fällen	25	lokale	25	sie	74	wie
51	bild	55	fall	45	lokalen	167	sind	41	wieder
32	bis	15	fast	92	man	12	sinnvoll	105	wir
19	bzw	11	fein	18	massiv	161	so	229	wird
99	da	10	feste	10	maximal	28	solche	25	wo
76	dabei	10	finiten	49	mehr	18	solchen	23	wobei
12	dagegen	11	folgende	14	mehrere	10	solcher	21	wollen
35	daher	37	folgenden	10	meist	11	solches	15	workstation
48	damit	15	frage	21	messungen	24	soll	26	wurde
15	danach	23	führen	16	methode	17	sollen	43	wurden
144	dann	23	führt	232	mit	17	sollte	12	zahl
11	daraus	309	für	30	möglich	18	sondern	12	zeigt
10	dargestellt	13	funktionen	27	möglichst	24	speedup	10	zeilen
183	das	10	ganz	67	müssen	22	speedups	24	zeit
286	daß	12	gebiets	70	muß	16	speicher	10	zeiten
40	daten	12	geeignet	50	nach	16	spezielle	22	zeitschritt
12	datenstrukturen	10	geeigneten	25	natürlich	15	speziellen	14	zeitschritte
47	dazu	10	gegen	46	netz	13	startverteilung	275	zu
95	dem	13	genau	14	netzaufteilung	17	strategie	16	zugehörigen
238	den	12	geometrie	16	netzdichte	17	strömungen	28	zum
38	denen	10	gerade	37	netze	12	strömungsgrößen	45	zunächst
811	der	53	gibt	40	netzen	17	struktur	73	zur
177	des	13	gilt	27	netzes	18	system	20	zusätzlich
30	deutlich	12	gleichungen	24	neue	13	systeme	14	zusätzliche
1159	die	17	globale	26	neuen	15	systemen	12	zusätzlichen
95	dies	15	globalen	164	nicht	12	tatsache	12	zwar
177	diese	10	grenzen	60	noch	12	teil	77	zwei
11	dieselben	15	größe	25	notwendig	16	teile	11	zweite
50	diesem	12	größen	26	notwendigen	27	transputer	41	zwischen

Die 400 häufigsten Worte aus einer naturwissenschaftlichen Dissertation.
Die Stichprobe hat einen Umfang von 25941 Worten. Es gibt 3567 verschiedene Worte, 1728 kommen einmal vor, 400 kommen mindestens 10 mal vor.

Der typische Sprachumfang eines Engländers beträgt 800 Wörter, eines Deutschen 4000 Wörter. Goethe beherrschte etwa 24000 Wörter. Englische Verben haben etwa 4 Flexionen, deutsche etwa 10:

speak spreche speaks sprichst spoke spricht spoken sprechen sprecht sprach sprachst sprachen spracht spräche sprächest sprächen sprächet

Elbe + Mündung = Elbmündung Hochzeit + Torte = Hochzeitstorte hin + fahren = hinfahren

Insgesamt führt dies im deutschen Sprachraum zu etwa 1000000 Wortformen.

Eine zusätzliche Schwierigkeit verursachen die Homophone, z.B. Meer/mehr; floh/Floh. Ihre korrekte Schreibweise läßt sich nur kontextbezogen ermitteln:

Der junge Junge fiel viel und fällt noch immer viel auf dem Feld. Der gefangene Floh. Der Gefangene floh.

speak	spreche
speaks	sprichst
spoke	spricht
spoken	sprechen
	sprecht
	sprach
	sprachst
	sprachen
	spracht
	spräche
	sprächest
	sprächen
	sprächet

Elbe + Mündung	=	Elbmündung
Hochzeit + Torte	=	Hochzeitstorte
hin + fahren	=	hinfahren