dlexDB

Ein R-Paket für den schnellen Zugriff auf lexikalische Statistiken aus dem dlexDB-Korpus (basierend auf dem DWDS-Kernkorpus). Die Daten werden beim ersten Zugriff automatisch von Hugging Face heruntergeladen und lokal gecached.

Installation

if (!require("devtools")) install.packages("devtools")
devtools::install_github("kliegl/dlexDB")

Beipiele

Statistiken für Wortliste

library(dlexDB)

worte <- c("Haus", "Maus", "Sinn", "und")
stats <- dlex_lookup(worte)
print(stats)
devtools::install_github("kliegl/dlexDB")
print(ergebnis)

Szenario aus dem Paper

Im Paper wird explizit die Suche nach Wörtern genannt, die mit "Ver" beginnen und auf "ungen" enden (wie Verhandlungen, Verletzungen).

Regex-Erklärung: ^ = Start des Wortes Ver = muss mit "Ver" beginnen .* = beliebige viele Zeichen dazwischen ungen$ = muss mit "ungen" enden

paper_bsp <- dlex_regex("^Ver.*ungen$")

# Die häufigsten Treffer anzeigen
head(paper_bsp, 10)

Suffix-Suche mit Mindesthäufigkeit

Suche nach Wörtern, die auf -heit oder -keit enden, aber eine gewisse Relevanz haben (Frequenz > 5 pro Mio).

(heit|keit) = entweder "heit" oder "keit"

suffix_bsp <- dlex_regex("(heit|keit)$", min_freq = 5)
print(suffix_bsp)

Komplexe Muster (z.B. Wörter ohne Vokale?)

Oder Wörter, die mit "Sch" beginnen und extrem kurz sind (max 4 Buchstaben).

^Sch = Beginnt mit Sch .{1} = Genau ein beliebiges Zeichen danach $ = Ende

kurz_bsp <- dlex_regex("^Sch.{1}$")
print(kurz_bsp)

Credits

Daten basieren auf dlexDB / DWDS Kernkorpus. R-Package by Reinhold Kliegl, Kay-Michael Würzner and Gemini 3 Pro