Journal for Language Technology and Computational Linguistics

ReM: A reference corpus of Middle High German

Figure 5: Diplomatic full text view of the Middle High German translation of Alkuin’s “De virtutibus

et vitiis”

The layout elements are then placed via CSS in a way that resembles the manuscript:

the larger box represents a folio page, with the left and right side representing the back

and front sides of the manuscript page. If the manuscript has multiple columns, they

are placed next to each other. The text is rendered in a Unicode version that mirrors

the original. The yellow tint provides a visual clue that the text presentation is oriented

towards the original.

The modernized view is based on the simplified transcription and modern tokenization.

It provides a quick way of accessing larger contexts, and, since it does not imitate the

original layout, the opportunity to fit the text to varying screen sizes. Fig. 6 shows part

of the modernized view of the same text.

Since the corpus in its current form only annotates boundary locations (see Sec. 3),

and not the entire sentence spans, there is no structuring information that can be used

by ANNIS’ full text view. As the absence of any structuring would hinder readability,

especially for longer texts, we used the pages and columns from the dipl structure to

emit paragraph (p) elements which contain all tok_anno as spans. Unfortunately, this

leads to paragraphs sometimes breaking up sentences, since they orient towards the

layout. However, since the modernized view consists only of variable size elements, it

can be easily adapted to different screen sizes and browser window sizes, as can be seen

from the downscaled browser window.

JLCL 2016 – Band 31 (2)

13

---

Petran, Bollmann, Dipper, Klein

Figure 6: Modernized full text view of the document displayed in Fig. 5.

7 Conclusion

We presented the creation of the Reference Corpus Middle High German (ReM) with a

focus on the compilation and annotation process and its implications for the preparation

and release of the corpus.

The ReM corpus is a product of several annotation efforts stretching over the span of

about 30 years, and starting as far back as 1986 (cf. Sec. 2). This explains the usage of

annotation tools, formats, and tagsets that would be considered “out-dated” from a

modern point of view. We discussed the types of annotation in the final corpus and

how they were derived from the originally annotated data; e.g., creating two distinct

tokenization layers (“diplomatic” and “annotated”/“modernized”) from word boundary

markings in the transcription, or mapping the custom part-of-speech tagset to the

modern HiTS tagset (cf. Secs. 3 and 4).

By converting the corpus into an XML format (Sec. 5), we hope to make it more

accessible for existing tools and computational analyses. Providing access to the corpus

via the ANNIS tool (Sec. 6), on the other hand, provides an efficient way for querying

and visualizing the corpus data.

Acknowledgments

We would like to thank the German Research Foundation (Deutsche Forschungsgemein-

schaft) for financial support, Grants DI 1558/1, KL 472/6, WE 1318/14, WI 3664/2.

14

JLCL

---

ReM: A reference corpus of Middle High German

References

Bollmann, M., Petran, F., Dipper, S., and Krasselt, J. (2014). CorA: a web-based annotation

tool for historical and other non-standard language data. In Proceedings of the 8th Workshop

on Language Technology for Cultural Heritage, Social Sciences, and Humanities (LaTeCH),

pages 86–90, Gothenburg, Sweden.

Dipper, S., Donhauser, K., Klein, T., Linde, S., Müller, S., and Wegera, K.-P. (2013). HiTS:

ein Tagset für historische Sprachstufen des Deutschen. Journal for Language Technology

and Computational Linguistics, Special Issue, 28(1):85–137.

Dipper, S. and Schultz-Balluff, S. (2013). The Anselm corpus: Methods and perspectives of

a parallel aligned corpus. In Proceedings of the NODALIDA Workshop on Computational

Historical Linguistics.

Klein, T. (1991). Zur Frage der Korpusbildung und zur computergestützten grammatischen

Auswertung mittelhochdeutscher Quellen. In Wegera, K.-P., editor, Mittelhochdeutsche

Grammatik als Aufgabe, pages 3–23. E. Schmidt, Berlin.

Klein, T. (2001). Vom lemmatisierten Index zur Grammatik. In Moser, S., Stahl, P., Wegstein,

W., and Wolf, N. R., editors, Maschinelle Verarbeitung altdeutscher Texte V. Beiträge zum

Fünften Internationalen Symposion, Würzburg 4.-6. März 1997, pages 83–103. de Gruyter,

Berlin.

Klein, T. and Bumke, J. (1997). Wortindex zu hessisch-thüringischen Epen um 1200. Niemeyer,

Tübingen. Unter Mitarbeit von B. Kronsfoth und A. Mielke-Vandenhouten.

Klein, T. and Dipper, S. (2016). Handbuch zum Referenzkorpus Mittelhochdeutsch. Bochumer

Linguistische Arbeitsberichte, 19.

Klein, T., Solms, H.-J., and Wegera, K.-P., editors (2009). Mittelhochdeutsche Grammatik.

Teil III: Wortbildung. Niemeyer, Tübingen.

Krause, T. and Zeldes, A. (2016). ANNIS3: A new architecture for generic corpus query and vi-

sualization. Digital Scholarship in the Humanities, 31:118–139. http://dsh.oxfordjournals.

org/content/31/1/118.

Wegera, K.-P. (2000). Grundlagenprobleme einer neuen mittelhochdeutschen Grammatik. In

Besch, W., Betten, A., Reichmann, O., and Sonderegger, S., editors, Sprachgeschichte. Ein

Handbuch zur Geschichte der deutschen Sprache und ihrer Erforschung, volume 2, pages

1304–1320. de Gruyter, Berlin, New York, 2nd edition.

JLCL 2016 – Band 31 (2)

15

---