The cooccurrence of linguistic structures

The study of cooccurrences, i.?e. the analysis of linguistic units that occur together, has had a profound impact on our view of language. Not only has it contributed greatly to the insight that semi-preconstructed phrases and item-specific knowledge are central to how language works, but it has also led to improved dictionaries and teaching materials. Cooccurrences of various linguistic items have been studied under a variety of names, e.?g. collocation, colligation or collostruction. While there are well-understood and fully worked out statistical models for the analysis of cooccurrences of pairs of words, no such model exists for cooccurrences of larger linguistic structures. This situation is remedied by the current work. Building on the well-understood 2 × 2 contingency tables and a graph-based representation of linguistic structures, we develop the generalized cooccurrence model, an explicit formal model for the statistical analysis of cooccurrences of arbitrary linguistic structures. Existing methods for the analysis of two-word cooccurrences and for collostructional analysis are shown to be simply special cases of the generalized cooccurrence model. Die Kookkurrenzforschung, also die Analyse des gemeinsamen Auftretens von sprachlichen Einheiten, hat unser Bild von Sprache maßgeblich beeinflusst. Sie hat nicht nur wesentlich zur der Erkenntnis beigetragen, dass „Halbfertigprodukte der Sprache“ (Hausmann, 1984: 398) und einzelwortspezifisches Wissen zentrale Elemente der Funktionsweise von Sprache sind, sondern hat auch zu besseren Wörterbüchern und Lernmaterialien geführt. Die Kookkurrenz von sprachlichen Einheiten wurde mit verschiedenen Ansätzen und unter verschiedenen Bezeichnungen wie Kollokation, Kolligation oder Kollostruktion erforscht. Während es für die Analyse von Zweiwortkookkurrenzen wohlverstandene und vollständig ausgearbeitete statistische Modelle gibt, fehlen solche Modelle für Kookkurrenzen von größeren sprachlichen Strukturen. Diese Lücke wird durch die vorliegende Arbeit geschlossen. Aufbauend auf den etablierten Vierfeldertafeln und einer graphbasierten Repräsentation sprachlicher Strukturen wird das verallgemeinerte Kookkurrenzmodell entwickelt, ein explizites formales Modell für die statistische Analyse von Kookkurrenzen beliebiger sprachlicher Strukturen. Es wird gezeigt, dass existierende Methoden zur Analyse von Zweiwortkookkurrenzen und zur Kollostruktionsanalyse lediglich Spezialfälle des verallgemeinerten Kookkurrenzmodells sind.