sOLARiZ.de | Gaming Blog

Go to:

  • Blog
  • Games
  • Tool.Box
  • Photos
  • /me

Deutsche Stopwords

März 31, 2008

Viele Blogs nutzen so genannte “Tagclouds” / “Schlagwort Wolken” diese sind spätestens im aufblühendem SEO (Search Engine Optimization) Wahn modern geworden. Neben dem Seitenbesucher möglicherweise interessante Schlagwörter zu präsentieren leiten Sie so Besucher und Suchmaschinen in Bereiche der Seite in die sonst vielleicht kaum jemand surft.

Das Problem dieser Tagclouds ist nun jedoch auch die verwendete Sprache, Wörter wie z.B. “jene, welche, sein, seine, ihre, unser, jedes, wessen” sind als Schlagwörter unbeliebt. Meist versucht man sämtliche Präpositionen, Adverben und Determinative auszugliedern da diese schlichtweg überall vorkommen können ohne eine relevante Aussage an sich treffen zu müssen.

Um dies zu unterbinden nutzt man nun o.g. “Stopword Lists”; Dies sind also nichts weiter als Aufzählungen von unerwünschten Tags. Ich habe auf Frage eines Seitenbesuchers meine Liste mal zum Download verfügbar gemacht.

Die meisten Addons & Plugins für aktuelle CMS oder Blogsysteme wie WordPress, Joomla, Drupal u.v.m. unterstützen die Verwendung von Stopwords.

 

PS: An das Team der Uni-München, korrekt – ich bin kein Computerlinguist. Mit ein wenig Recherche (Klick auf About.me) wäre dies aber auch schnell aufgefallen, der Inhalt der hier zur Verfügung gestellten Stopword Liste ist auch nicht zu stemming zwecken erstellt worden, sondern um ein einfaches Blogsystem aufzuwerten. Gerne nehme ich den in den Studienarbeiten zusammengetragenen Input auf und werde die Liste damit ergänzen :)

 

Creative Commons Lizenzvertrag
“German Stopwords List” von Marco Götze steht unter einer Creative Commons Namensnennung 3.0 Unported Lizenz.

Als Hinweis sei angemerkt das diese Liste in Hinblick auf Verwendung in Blog / News-systemen erstellt wurde. D.h. es sind auch jene Wörter enthalten die als Web “Keywords” unerwünscht sind aber im herkömmlichen Sinne kein “Stopword” darstellen. Für Rücksendungen aktualisierter Versionen bin ich dankbar.

 

Aber nun zum Download:

[tweet2download file="stopwords.txt" tweet="Good list with German Stopwords - http://bit.ly/stopwords #stopwords via @solariz" follow="@solariz" /]

DOWNLOAD

German Stopwords
Downloads: 9487
[download 8.53 kB] [donate]


7 Comments
  1. Dr. B
    April 15, 2009 at 23:36

    superb idea… thanks

    Antworten
  2. Sigmund
    Mai 6, 2009 at 13:36

    Very useful … vielen Dank

    Antworten
  3. Sombra
    Mai 14, 2009 at 13:11

    Super!! Danke viel mal für die Liste :)

    Antworten
  4. Gregor
    Mai 23, 2009 at 13:13

    Diese Liste kann ich auch gleich brauchen. Danke

    Antworten
  5. Steffen Hartlieb
    Mai 22, 2011 at 19:59

    Vielen Dank! Ohne Leute wie Sie, die sich die Zeit nehmen und Mühe machen, so etwas der Allgemeinheit zur Verfügung zu stellen, wäre das Leben wirklich schwierig! Danke!

    Antworten
  6. Steffen Hartlieb
    Mai 22, 2011 at 17:59

    Vielen Dank! Ohne Leute wie Sie, die sich die Zeit nehmen und Mühe machen, so etwas der Allgemeinheit zur Verfügung zu stellen, wäre das Leben wirklich schwierig! Danke!

    Antworten
  7. Include
    Dezember 10, 2011 at 10:40

    Vielen Dank, vor allem für die Stopword-Liste. Gerne gebe ich etwas zurück.
    Ich habe nämlich nen kleinen Vorschlag, wie du einen Teil deines Codes wesentlich performanter machen könntest.

            //–Aussortieren vorbereiten–//
            $stop = array_flip($stopwords);  // stopwords ist ein array.
                // durch das flippen wird anschliessen die sehr effizient
                // prüfung mit isset ermöglicht.
            $keywords_array = explode(‘;’, $source);
           
            //–Vergleich der Wörter der Datei mit der Liste der unerwünschten Ausdrücke–//
            // und entferne gleichzeitig die kurzen wörter
            foreach($keywords_array as $key=>$val) {
                if (strlen($val)<$minWordLength || isset($stop[$val]))
                    unset($keywords_array[$key]);
            };
            $cleaned = implode(';',$keywords_array);

    Antworten
One Ping
  1. stopwords 多语言 « 大虾的学习空间 sagt:
    April 11, 2011 um 08:55

    [...] German Stop Words, another list of German stop words [...]

    Antworten
Antworten abbrechen
Subscribe

Werbung

Recent posts

  • Unitymedia APN Linux Surfstick

    Mai 6, 2013

  • http://solariz.de/wp-content/uploads/2013/05/enrage-post_gfx-47x47.jpg
    Neveronline UX Fails

    Mai 3, 2013

  • The battle for the Freljord

    April 30, 2013

  • http://solariz.de/wp-content/uploads/2013/04/battlefield-golf-squad-47x47.jpg
    Battlefield Konsole Abschalten

    April 20, 2013

  • http://solariz.de/wp-content/uploads/2013/04/league-of-legends-2on2-2vs2-47x47.jpg
    League of Legends 2vs2 Map?

    April 19, 2013

Comments

  • zu LegendsHD the League of Legends HDR ModTry to press SHIFT+F12 in game to toggle the mod.
  • zu LegendsHD the League of Legends HDR ModWhen I run LoL, it displays the little blurb about ENB and
  • zu Unitymedia APN Linux SurfstickJa aber ich verwende den E220 mit dem E173 hatte ich auch
  • zu Unitymedia APN Linux SurfstickIch habe bei mir das Problem, dass mein Raspberry Pi (Model B,
  • zu LegendsHD the League of Legends HDR ModYa it does not seem to matter what mod I use, as

Connect

Artikel oder Blog hat gefallen ? Folge mir doch einfach, mittlerweile gibt es einige sinnvolle Möglichkeiten dazu. Ob RSS Feed, Currents, Google+ oder auf Twitter, mehr dazu gibt es hier.

Random Blogroll

  • blogkollektiv.net
  • Caschy`s Blog
  • Kaliban.de
  • Gilly`s Playground
·gesamte Blogroll ansehen

Netzwerk Zeugs

Blogverzeichnis - Blog Verzeichnis bloggerei.de Bloggeramt.de Blog Top Liste - by TopBlogs.de Wikio - Top Blog - Gaming

Copyright by Marco Goetze, solariz.de

  • About
  • Hier werben
  • Impressum
assumption
QR Code Business Card

Gib die Ziel-Adresse ein

Oder verlinke auf bestehende Inhalte

    Es wurde kein Suchbegriff angegeben. Es werden die aktuellsten Inhalte angezeigt.
      Abbrechen