Datasets:
id
int64 12.2k
281k
| source
stringclasses 1
value | text_compounds_merged
stringlengths 15
496
| text_compounds_split
stringlengths 15
467
| split_compounds
stringlengths 2
227
| unsplit_compounds
stringclasses 959
values |
|---|---|---|---|---|---|
12,242
|
hurraki
|
In dem Vertrag geht es um den Umweltschutz.
|
In dem Vertrag geht es um den Umwelt•schutz.
|
[' Umwelt-schutz']
|
[]
|
12,243
|
hurraki
|
Die Menschen können zum Beispiel vor Gericht gehen.
|
Die Menschen können zum Beispiel vor Gericht gehen.
|
[]
|
[]
|
12,244
|
hurraki
|
Die Europäische Union hat den Vertrag unterschrieben.
|
Die Europäische Union hat den Vertrag unterschrieben.
|
[]
|
[]
|
12,245
|
hurraki
|
Und alle Länder in der Europäischen Union haben den Vertrag unterschrieben.
|
Und alle Länder in der Europäischen Union haben den Vertrag unterschrieben.
|
[]
|
[]
|
12,246
|
hurraki
|
Der Vertrag ist in der Stadt Aarhus gemacht worden.
|
Der Vertrag ist in der Stadt Aarhus gemacht worden.
|
[]
|
[]
|
12,247
|
hurraki
|
Es gibt diese 3 Punkte: Das steht im Artikel 4. Man kann nachfragen.
|
Es gibt diese 3 Punkte: Das steht im Artikel 4. Man kann nachfragen.
|
[]
|
[]
|
12,248
|
hurraki
|
Dann muss man Informationen von den Behörden bekommen. Zum Beispiel wie die Luft ist. Oder wie das Wasser ist.
|
Dann muss man Informationen von den Behörden bekommen. Zum Beispiel wie die Luft ist. Oder wie das Wasser ist.
|
[]
|
[]
|
12,249
|
hurraki
|
Das steht im Artikel 9. Mitglieder dürfen vor Gericht gehen.
|
Das steht im Artikel 9. Mitglieder dürfen vor Gericht gehen.
|
[]
|
['mitglied']
|
12,250
|
hurraki
|
Wenn Umweltregeln nicht beachtet werden.
|
Wenn Umwelt•regeln nicht beachtet werden.
|
[' Umwelt-regeln']
|
[]
|
12,251
|
hurraki
|
Weil er als erster einen Backflip gemacht hat.
|
Weil er als erster einen Back•flip gemacht hat.
|
[' Back-flip']
|
[]
|
12,252
|
hurraki
|
Er ist am 8. November 1991 in Las Vegas geboren.
|
Er ist am 8. November 1991 in Las Vegas geboren.
|
[]
|
[]
|
12,253
|
hurraki
|
Aaron Fotheringham hat Spina bifida.
|
Aaron Fotheringham hat Spina bifida.
|
[]
|
[]
|
12,254
|
hurraki
|
In seiner Freizeit fährt er mit anderen in der Half Pipe.
|
In seiner Freizeit fährt er mit anderen in der Half Pipe.
|
[]
|
['freizeit']
|
12,255
|
hurraki
|
Sein Rollstuhl hat eine Federung.
|
Sein Rollstuhl hat eine Federung.
|
[]
|
['rollstuhl']
|
12,256
|
hurraki
|
Im Jahr 2006 hat Aaron Fotheringham zum ersten Mal einen Backflip im Rollstuhl gemacht. Das ist ein Salto rückwärts.
|
Im Jahr 2006 hat Aaron Fotheringham zum ersten Mal einen Back•flip im Roll•stuhl gemacht. Das ist ein Salto rückwärts.
|
[' Back-flip', ' Roll-stuhl']
|
[]
|
12,257
|
hurraki
|
Im Jahr 2010 hat er einen doppelten Backflip gemacht.
|
Im Jahr 2010 hat er einen doppelten Back•flip gemacht.
|
[' Back-flip']
|
[]
|
12,258
|
hurraki
|
Aaron spiel bei der Fernsehserie Nitro Circus mit.
|
Aaron spiel bei der Fernseh•serie Nitro Circus mit.
|
[' Fernseh-serie']
|
[]
|
12,259
|
hurraki
|
ABBA ist eine der erfolgreichsten Bands.
|
ABBA ist eine der erfolgreichsten Bands.
|
[]
|
[]
|
12,260
|
hurraki
|
Sie haben fast 400 Millionen Tonträger verkauft.
|
Sie haben fast 400 Millionen Ton•träger verkauft.
|
[' Ton-träger']
|
[]
|
12,261
|
hurraki
|
Berühmt wurden ABBA mit dem Musiktitel Dancing Queen.
|
Berühmt wurden ABBA mit dem Musik•titel Dancing Queen.
|
[' Musik-titel']
|
[]
|
12,262
|
hurraki
|
Und mit dem Musiktitel The Winner Takes It All.
|
Und mit dem Musik•titel The Winner Takes It All.
|
[' Musik-titel']
|
[]
|
12,263
|
hurraki
|
Im Jahr 2021 gibt es von ABBA ein neues Musikalbum.
|
Im Jahr 2021 gibt es von ABBA ein neues Musik•album.
|
[' Musik-album']
|
[]
|
12,264
|
hurraki
|
Im Tagebau werden Abbruchkanten extra gemacht.
|
Im Tage•bau werden Ab•bruch•kanten extra gemacht.
|
[' Tage-bau', ' Ab-bruch-kanten']
|
[]
|
12,265
|
hurraki
|
Wir werfen diese Dinge weg.
|
Wir werfen diese Dinge weg.
|
[]
|
[]
|
12,266
|
hurraki
|
Man nennt das: Mülltrennung.
|
Man nennt das: Müll•trennung.
|
[' Müll-trennung']
|
[]
|
12,267
|
hurraki
|
Manchmal kann man aus Abfall neue Sachen machen. Zum Beispiel: Aus alten Glasflaschen kann man neue Glasflaschen machen. Das heißt: Der Abfall wird wieder verwertet. Man sagt dazu auch: Recycling.
|
Manchmal kann man aus Abfall neue Sachen machen. Zum Beispiel: Aus alten Glasflaschen kann man neue Glasflaschen machen. Das heißt: Der Abfall wird wieder verwertet. Man sagt dazu auch: Recycling.
|
[]
|
[]
|
12,268
|
hurraki
|
Das spricht man: Riseikling.
|
Das spricht man: Ri•seik•ling.
|
[' Ri-seik-ling']
|
[]
|
12,269
|
hurraki
|
Dann bleibt weniger Abfall übrig.
|
Dann bleibt weniger Abfall übrig.
|
[]
|
[]
|
12,270
|
hurraki
|
Weil man mit etwas aufhört.
|
Weil man mit etwas aufhört.
|
[]
|
[]
|
12,271
|
hurraki
|
Man bekommt zum Beispiel Geld.
|
Man bekommt zum Beispiel Geld.
|
[]
|
[]
|
12,272
|
hurraki
|
Das Geld ist die Abfindungszahlung.
|
Das Geld ist die Abfindungs•zahlung.
|
[' Abfindungs-zahlung']
|
[]
|
12,273
|
hurraki
|
In Deutschland gibt es ein Recht auf Abfindung.
|
In Deutschland gibt es ein Recht auf Abfindung.
|
[]
|
[]
|
12,274
|
hurraki
|
Abgeordnete gehören meistens einer Partei in der Politik an.
|
Abgeordnete gehören meistens einer Partei in der Politik an.
|
[]
|
[]
|
12,275
|
hurraki
|
Abgeordnete arbeiten in Gruppen zusammen. Diese Gruppen heißenAusschüsse.
|
Abgeordnete arbeiten in Gruppen zusammen. Diese Gruppen heißenAusschüsse.
|
[]
|
[]
|
12,276
|
hurraki
|
Abgeordnete bekommen für ihre Arbeit Geld.
|
Abgeordnete bekommen für ihre Arbeit Geld.
|
[]
|
[]
|
12,277
|
hurraki
|
die Menschen von einer Stadt vertreten. Oder von einem Land.
|
die Menschen von einer Stadt vertreten. Oder von einem Land.
|
[]
|
[]
|
12,278
|
hurraki
|
Oder Texte von anderen mitliest.
|
Oder Texte von anderen mit•liest.
|
[' mit-liest']
|
[]
|
12,279
|
hurraki
|
Sehr oft ist das Abhören nicht erlaubt.
|
Sehr oft ist das Abhören nicht erlaubt.
|
[]
|
[]
|
12,280
|
hurraki
|
Man kann sich gegen Abhören schützen.
|
Man kann sich gegen Abhören schützen.
|
[]
|
[]
|
12,281
|
hurraki
|
Mit einem Abitur darf man studieren.
|
Mit einem Abitur darf man studieren.
|
[]
|
[]
|
12,282
|
hurraki
|
Sie steht in Texten für ein langes Wort. Oder für einen Namen aus mehreren Wörtern.
|
Sie steht in Texten für ein langes Wort. Oder für einen Namen aus mehreren Wörtern.
|
[]
|
[]
|
12,283
|
hurraki
|
Abkürzungen machen Texte schwierig.
|
Abkürzungen machen Texte schwierig.
|
[]
|
[]
|
12,284
|
hurraki
|
Vielen Menschen verstehen Abkürzungen nicht.
|
Vielen Menschen verstehen Abkürzungen nicht.
|
[]
|
[]
|
12,285
|
hurraki
|
Abkürzungen verstoßen gegen Leichte Sprache Regeln.
|
Abkürzungen verstoßen gegen Leichte Sprache Regeln.
|
[]
|
[]
|
12,286
|
hurraki
|
Hat aber die Bedeutung von dem langen Wort.
|
Hat aber die Bedeutung von dem langen Wort.
|
[]
|
[]
|
12,287
|
hurraki
|
Im Jahr 1809 in Hodgenville.
|
Im Jahr 1809 in Hodgenville.
|
[]
|
[]
|
12,288
|
hurraki
|
Hodgenville ist in eine Stadt in den USA.
|
Hodgenville ist in eine Stadt in den USA.
|
[]
|
[]
|
12,289
|
hurraki
|
Seine Familie sind arme Bauern gewesen.
|
Seine Familie sind arme Bauern gewesen.
|
[]
|
[]
|
12,290
|
hurraki
|
Sein Vater hat Thomas geheißen.
|
Sein Vater hat Thomas geheißen.
|
[]
|
[]
|
12,291
|
hurraki
|
Der Name von seiner Mutter ist Nancy gewesen.
|
Der Name von seiner Mutter ist Nancy gewesen.
|
[]
|
[]
|
12,292
|
hurraki
|
Er hat eine Schwester gehabt.
|
Er hat eine Schwester gehabt.
|
[]
|
[]
|
12,293
|
hurraki
|
Abrahams Stiefmutter hat Sarah geheißen.
|
Abrahams Stief•mutter hat Sarah geheißen.
|
[' Stief-mutter']
|
[]
|
12,294
|
hurraki
|
Sarah hat ihm dabei geholfen.
|
Sarah hat ihm dabei geholfen.
|
[]
|
[]
|
12,295
|
hurraki
|
Sie hat ihm Bücher über die Vereinigten Staaten besorgt.
|
Sie hat ihm Bücher über die Vereinigten Staaten besorgt.
|
[]
|
[]
|
12,296
|
hurraki
|
Abraham hat die Bücher überall gelesen.
|
Abraham hat die Bücher überall gelesen.
|
[]
|
[]
|
12,297
|
hurraki
|
Er hat viel gelernt. Zum Beispiel über George Washington.
|
Er hat viel gelernt. Zum Beispiel über George Washington.
|
[]
|
[]
|
12,298
|
hurraki
|
Das war der erste Präsident von den USA.
|
Das war der erste Präsident von den USA.
|
[]
|
[]
|
12,299
|
hurraki
|
Der erste Beruf von Abraham Lincoln ist Feldarbeiter gewesen.
|
Der erste Beruf von Abraham Lincoln ist Feld•arbeiter gewesen.
|
[' Feld-arbeiter']
|
[]
|
12,300
|
hurraki
|
Als Feldarbeiter hat er sehr wenig Geld verdient.
|
Als Feld•arbeiter hat er sehr wenig Geld verdient.
|
[' Feld-arbeiter']
|
[]
|
12,301
|
hurraki
|
Dieses Geld hat er seinem Vater geben müssen.
|
Dieses Geld hat er seinem Vater geben müssen.
|
[]
|
[]
|
12,302
|
hurraki
|
Dann hat er genug von der Feldarbeit gehabt.
|
Dann hat er genug von der Feld•arbeit gehabt.
|
[' Feld-arbeit']
|
[]
|
12,303
|
hurraki
|
Im Jahr 1831 hat er seine Familie verlassen.
|
Im Jahr 1831 hat er seine Familie verlassen.
|
[]
|
[]
|
12,304
|
hurraki
|
Lincoln hat ein Selbststudium gemacht.
|
Lincoln hat ein Selbst•studium gemacht.
|
[' Selbst-studium']
|
[]
|
12,305
|
hurraki
|
Ein Selbststudium ist ähnlich wie ein Studium.
|
Ein Selbst•studium ist ähnlich wie ein Studium.
|
[' Selbst-studium']
|
[]
|
12,306
|
hurraki
|
Lincoln hat sich für die Politik interessiert.
|
Lincoln hat sich für die Politik interessiert.
|
[]
|
[]
|
12,307
|
hurraki
|
Er hat Politiker werden wollen.
|
Er hat Politiker werden wollen.
|
[]
|
[]
|
12,308
|
hurraki
|
In dieser Versammlung werden Gesetze beschlossen.
|
In dieser Versammlung werden Gesetze beschlossen.
|
[]
|
[]
|
12,309
|
hurraki
|
Er ist beim zweiten Mal aufgenommen worden.
|
Er ist beim zweiten Mal aufgenommen worden.
|
[]
|
[]
|
12,310
|
hurraki
|
Abraham hat noch ein weiteres Ziel gehabt.
|
Abraham hat noch ein weiteres Ziel gehabt.
|
[]
|
[]
|
12,311
|
hurraki
|
Er hat Anwalt werden wollen.
|
Er hat Anwalt werden wollen.
|
[]
|
[]
|
12,312
|
hurraki
|
Im März 1837 ist er Anwalt geworden.
|
Im März 1837 ist er Anwalt geworden.
|
[]
|
[]
|
12,313
|
hurraki
|
Im Jahr 1842 hat er Mary Ann Todd geheiratet.
|
Im Jahr 1842 hat er Mary Ann Todd geheiratet.
|
[]
|
[]
|
12,314
|
hurraki
|
Sie ist eine reiche Frau gewesen.
|
Sie ist eine reiche Frau gewesen.
|
[]
|
[]
|
12,315
|
hurraki
|
Im Jahr 1860 ist Abraham Lincolm zum 16. Präsident der USA gewählt worden.
|
Im Jahr 1860 ist Abraham Lincolm zum 16. Präsident der USA gewählt worden.
|
[]
|
[]
|
12,316
|
hurraki
|
Im November 1864 ist er wieder gewählt worden.
|
Im November 1864 ist er wieder gewählt worden.
|
[]
|
[]
|
12,317
|
hurraki
|
Am 15. April 1865 ist Lincoln gestorben.
|
Am 15. April 1865 ist Lincoln gestorben.
|
[]
|
[]
|
12,318
|
hurraki
|
Und noch weitere wichtige Dinge zum Film. Das sind die Filmcredits.
|
Und noch weitere wichtige Dinge zum Film. Das sind die Filmcredits.
|
[]
|
[]
|
12,319
|
hurraki
|
Das Wort Abspann ist ein Substantiv.
|
Das Wort Abspann ist ein Substantiv.
|
[]
|
['abspann']
|
12,320
|
hurraki
|
Das Gegenteil von Abspann ist Vorspann.
|
Das Gegenteil von Abspann ist Vorspann.
|
[]
|
['gegenteil', 'abspann', 'vorspann']
|
12,321
|
hurraki
|
Zum Beispiel: Ein Mensch trinkt jeden Tag viel Alkohol.
|
Zum Beispiel: Ein Mensch trinkt jeden Tag viel Alkohol.
|
[]
|
[]
|
12,322
|
hurraki
|
Der Mensch ist alkohol-süchtig.
|
Der Mensch ist alkohol-süchtig.
|
[' alkohol-süchtig']
|
[]
|
12,323
|
hurraki
|
Der Mensch ist Alkoholiker.
|
Der Mensch ist Alkoholiker.
|
[]
|
[]
|
12,324
|
hurraki
|
Jetzt will der Mensch kein Alkoholiker mehr sein.
|
Jetzt will der Mensch kein Alkoholiker mehr sein.
|
[]
|
[]
|
12,325
|
hurraki
|
Abstoß gibt es: wenn ein Gegenspieler den Ball über die Torlinie in das Aus spielt.
|
Abstoß gibt es: wenn ein Gegen•spieler den Ball über die Tor•linie in das Aus spielt.
|
[' Gegen-spieler', ' Tor-linie']
|
[]
|
12,326
|
hurraki
|
Dabei darf es kein Tor geben.
|
Dabei darf es kein Tor geben.
|
[]
|
[]
|
12,327
|
hurraki
|
Den Abstoß macht meistens der Torwart.
|
Den Abstoß macht meistens der Torwart.
|
[]
|
['torwart']
|
12,328
|
hurraki
|
Danach schießt ein Spieler den Ball nach vorne.
|
Danach schießt ein Spieler den Ball nach vorne.
|
[]
|
[]
|
12,329
|
hurraki
|
Wenn beim Abstoß der Ball in das Gegnertor fliegt gibt es einen Punkt.
|
Wenn beim Abstoß der Ball in das Gegner•tor fliegt gibt es einen Punkt.
|
[' Gegner-tor']
|
[]
|
12,330
|
hurraki
|
Petra hat den Streit mit Richard vergessen.
|
Petra hat den Streit mit Richard vergessen.
|
[]
|
[]
|
12,331
|
hurraki
|
ADAC steht für: Allgemeiner Deutscher Automobilclub e.
|
ADAC steht für: Allgemeiner Deutscher Automobil•Club e.
|
[' Automobil-Club']
|
[]
|
12,332
|
hurraki
|
Der Hauptsitz von dem ADAC ist in München.
|
Der Hauptsitz von dem ADAC ist in München.
|
[]
|
['hauptsitz']
|
12,333
|
hurraki
|
Der ADAC hat 18 Millionen Mitglieder.
|
Der ADAC hat 18 Millionen Mitglieder.
|
[]
|
['mitglied']
|
12,334
|
hurraki
|
Manche sagen zu den ADAC Mitarbeitenden: Gelbe Engel.
|
Manche sagen zu den ADAC Mitarbeitenden: Gelbe Engel.
|
[]
|
[]
|
12,335
|
hurraki
|
Die ADAC Autos sind alle gelb.
|
Die ADAC Autos sind alle gelb.
|
[]
|
[]
|
12,336
|
hurraki
|
Er hat Bücher über das Rechnen geschrieben.
|
Er hat Bücher über das Rechnen geschrieben.
|
[]
|
[]
|
12,337
|
hurraki
|
Er ist wahrscheinlich 1492 geboren worden.
|
Er ist wahrscheinlich 1492 geboren worden.
|
[]
|
[]
|
12,338
|
hurraki
|
Er hat die Bücher als Erster in deutscher Sprache geschrieben.
|
Er hat die Bücher als Erster in deutscher Sprache geschrieben.
|
[]
|
[]
|
12,339
|
hurraki
|
Zu seiner Zeit waren die meisten Bücher in lateinischer Sprache geschrieben.
|
Zu seiner Zeit waren die meisten Bücher in lateinischer Sprache geschrieben.
|
[]
|
[]
|
12,340
|
hurraki
|
Jetzt war es einfacher Rechnen zu lernen.
|
Jetzt war es einfacher Rechnen zu lernen.
|
[]
|
[]
|
12,341
|
hurraki
|
Manche sagen den Namen von Adam Ries falsch.
|
Manche sagen den Namen von Adam Ries falsch.
|
[]
|
[]
|
Leichte Sprache Compound Segmentation Dataset
Dataset containing a sample of sentences in German Easy Language (Leichte Sprache) with segmented compounds paired with their unsegmented versions.
Format
Columns:
- id: Id of the example.
- source: Source of the text.
- text_compounds_merged: Text of the examples, where the split compounds have been merged, according to the heuristic we used to merge the compounds.
- text_compounds_split: Text of the examples where compound nouns were not merged. However, we did merge verbs, e.g. "heraus-finden".
- split_compounds: Compounds with splits in text_compounds_split, identified by our heuristic.
- unsplit_compounds: Compounds in text_compounds_split that were not split. (The original text contain some unsplit compounds, mostly simple/common words like "Mitglied" and "Gegenteil").
Citation
If you use this dataset, please cite our publication:
Automatic Compound Segmentation for Leichte Sprache
Jesús Calvillo, Umesh Patil, Johann Seltmann, Anne-Kathrin Schumann
Proceedings of the KlarText Workshop on German Text Simplification & Readability Assessment, KONVENS 2025 (workshop proceedings, TBD)
Abstract:
In German "Easy Language" (Leichte Sprache), complex compound words are often orthographically segmented to facilitate perception and processing by marking their internal structure. This practice has been shown to facilitate reading comprehension, especially for readers with cognitive or reading impairments. We present a lightweight model that combines Compound Segmentation with Complex Word Identification (CWI) to automatically detect and split difficult compounds in text. We evaluate our system both on general compound segmentation and in the specific context of Leichte Sprache. Our results show that our model achieves high segmentation accuracy, outperforming both rule-based and much larger neural systems, identifying which compounds should be segmented. We also release a new evaluation dataset of Leichte Sprache sentences with segmented compounds.
For now, please use the following placeholder BibTeX entry:
@inproceedings{calvillo2025_compseg,
title = {Automatic Compound Segmentation for Leichte Sprache},
author = {Jes{\'u}s Calvillo and Umesh Patil and Johann Seltmann and Anne-Kathrin Schumann},
booktitle = {Proceedings of the KlarText Workshop on German Text Simplification \& Readability Assessment, KONVENS 2025 (to appear)},
year = {2025},
abstract = {In German ``Easy Language'' (Leichte Sprache), complex compound words are often orthographically segmented to facilitate perception and processing by marking their internal structure. This practice has been shown to facilitate reading comprehension, especially for readers with cognitive or reading impairments. We present a lightweight model that combines Compound Segmentation with Complex Word Identification (CWI) to automatically detect and split difficult compounds in text. We evaluate our system both on general compound segmentation and in the specific context of Leichte Sprache. Our results show that our model achieves high segmentation accuracy, outperforming both rule-based and much larger neural systems, identifying which compounds should be segmented. We also release a new evaluation dataset of Leichte Sprache sentences with segmented compounds.}
}
License
This repository contains a selected sample of sentences from the Hurraki - Wörterbuch für Leichte Sprache.
It is licensed under the Creative Commons Attribution-ShareAlike 3.0 Germany (CC BY-SA 3.0 DE).
If you use this data, you must provide proper attribution and share derivative works under the same license.
- Downloads last month
- 18