Stoppwörtern

Stoppwörter, auch Stopwörter genannt, bezeichnet man Wörter, die in vielen Anwendungen der Textverarbeitung standardmäßig ignoriert oder mit geringerer Gewichtung behandelt werden. Dazu zählen häufig Funktionswörter wie Artikel, Präpositionen, Konjunktionen und gängige Pronomen. Der Begriff stammt aus der Information Retrieval und dem Text Mining.

Ziel ist es, die Dimensionalität eines Textkorpus zu verringern, die Größe von Indexen zu senken und die relevanten Begriffe besser zu identifizieren. Typischerweise werden Stoppwörter in Listen geführt, die je nach Sprache angepasst sind. In der Praxis werden sie während der Tokenisierung aus dem Text entfernt oder in nachfolgenden Analysen mit geringer Gewichtung berücksichtigt.

Deutschsprachige Stoppwortlisten enthalten Beispiele wie der, die, das, und, in, zu, mit, von, ist. Engelsprachelisten beinhalten häufig the, and, of, to. Es gibt allgemeine Listen sowie domänen- oder anwendungsbezogene Listen, die je nach Fachgebiet angepasst werden, um die jeweilige Relevanz von Wörtern zu reflektieren.

Kritikpunkte betreffen die Kontextabhängigkeit von Bedeutungen: Das Entfernen von Stoppwörtern kann in manchen Fällen wichtige Informationen oder den Sinn von Phrasen beeinträchtigen, beispielsweise bei Negationen, bestimmten Suchanfragen oder Sprachnuancen. Moderne Such- und NLP-Systeme nutzen oft kontextuelle Signale oder gewichtete Modelle statt harter Stopword-Filtration.

Stoppwörter bleiben ein nützliches, aber kontextabhängiges Werkzeug in der Verarbeitung natürlicher Sprache und im Information Retrieval. Sie finden Anwendung in Suchmaschinen, Text-Mining-Pipelines und linguistischen Vorverarbeitungen.