De Champs-Gaye à Yste-en-Boule

Je me suis mis à la recherche des noms de ville que DDB Paris a créé pour une campagne publicitaire de la SNCF en 2006 :

Ich hab mich mal auf die Suche nach den Verballhornungen von Städtenamen gemacht, die DDB Paris 2006 für eine Werbekampagne der SNCF geschaffen hat:

  • Champs-Gaye
  • Joanesse Bourg
  • Losse-en-Gelaisse
  • Louc-Sorre
  • Marat-Queche
  • Mique-aus-Noces
  • Nioudelie
  • Nouillorc
  • Pequint
  • Pouquette
  • Quancoune
  • Saint-Gapour
  • Yste-en-Boule

J’ai aussi trouvé des créations par d’autres personnes :

Gefunden habe ich auch Neuschöpfungen, die wohl von anderen gebildet wurden:

  • Cidenet
  • Daube Aïl
  • Hallaix-en-Drie
  • Manche-et-Steres
  • Vent-Couveur
Advertisements

Fragetiere

Sieben stotternde Fragetiere:

  • Der Werwerwolf
  • Die Weswespe
  • Der Wenwendehals
  • Der Waswaschbär
  • Der Wowombat
  • Das Wiewiesel
  • Die Wannwanze

Deep L II

Ich habe mal wieder mit DeepL gespielt und geschaut, wo genau die Schwächen liegen.

Bsp. 1. Homonym in klarem Kontext und Einfluss des Adjektivs: Das Schloss der Hundehütte ist neu.

DeepL: The castle of the kennel is new.

Google: The castle of the doghouse is new.

Yandex: The castle of the kennel is new.

DeepL erkennt nicht, dass es sich bei einer Hundehütte um ein Vorhängeschloss handelt, Google und Yandex allerdings auch nicht. Interessanterweise ändert Google aber seine Meinung, wenn das Schloss nicht neu, sondern blau ist: The lock of the doghouse is blue. Bei DeepL passiert das erst, wenn der Satz lautet: Das Schloss ist blau. Yandex ist da zumindest konsequent und bleibt immer bei „castle“.

Bsp. 2. Homonym in klarem Kontext: Er spielte im Tor seines Sportvereins.

DeepL: He played in the gate of his sports club.

Google: He played in the goal of his sports club.

Yandex: He played in goal for his sports club.

DeepL erkennt nicht, dass diese Aussage sich bei einem Sportverein auf einen Torwart bezieht, und schneidet hier schlechter ab als Google und Yandex.

Bsp. 3. Vernachlässigung des Artikels: Die Katze biss der Hund. Das Tau lag auf der Wiese.

DeepL: The cat bit the dog. The dew was in the meadow.

Google: The cat bit the dog. The dew lay in the meadow.

Yandex: The cat bite the dog. The dew was on the Lawn.

Alle gehen also davon aus, dass man sich gerne mal beim Artikel vertippt. Dies kann aber in Kombination mit Homonymen fatal sein:

Der Tau lag auf dem Tau. Er stieß mit dem Kiefer an die Kiefern. Er saß auf der Kiefer. Die Kiefer ist ein Baum.

DeepL: The rope was on the rope. He bumped his jaw against the jaws. He was sitting on his jaw. The pine is a tree.

Google: The dew was on the rope. He jammed his jaw against the pines. He sat on the pine tree. The pine is a tree.

Yandex: The dew lay on the dew. He met with the pine of the pine trees. He sat on the pine. The pine is a tree.

Google ist da richtig gut. Yandex hat den ersten Satz zumindest grammatikalisch richtig erfasst. Und ja, auch Yandex weiß, dass es den Kiefer gibt: „Er hielt sich den Kiefer“ wird mit „He held his jaw“ übersetzt.

Automatische Übersetzungen mit DeepL

Habe einen Artikel über DeepL gelesen, einem neuen automatischen Übersetzungstool, und gleich mal die Beispieltexte, die ich bei Google und Yandex ausprobiert hatte, dort eingegeben. Das sieht in der Tat besser aus als bei der Konkurrenz:

Ausgangstext: Wolfram blieb hart. Er betete zwei Vaterunser, nahm einen tiefen Zug, dann stürmte er los. Später setzte er sich bei seiner Festnahme zur Wehr.

DeepL: Tungsten remained hard. He prayed two Lord’s Prayers, took a deep breath, then stormed. Later he fought back during his arrest.

Google: Tungsten remained hard. He prayed two father, took a deep train, then rushed off. Later he sat down at his arrest.

Yandex: Tungsten remained hard. He prayed two our father, took a deep breath, and then he stormed off. Later, he sat at his arrest to the military.

Zweiter Versuch: Ihn hatte die erste Absage sehr getroffen. Eine erneute Absage wollte er sich nicht bieten lassen.

DeepL: He had been very struck by the first cancellation. He did not want to be rejected again.

Google: He had met the first refusal very much. He did not want to offer another cancellation.

Yandex: It had made the first cancellation. A renewed refusal, he didn’t want to be.

Der Hund Boll (2)

Gestern wurde ich in der Pause des Slams von einem Zuschauer darauf hingewiesen, daß es im Landkreis Göppingen einen Ort Bad Boll gibt (tatsächlich gibt es noch weitere Ortschaften mit dem Namen Boll). Wohnt man dort und nennt seinen Hund Boll, so kann man also in grimmschem Deutsch sagen: In Boll boll Boll, wenn es an der Tür klingelte.

Basic Color Terms (BCT) seem to be dynamic

A study published in the Journal of Vision, „The modern Japanese color lexicon“ (Kuriki et al., Journal of Vision March 2017, Vol.17, 1. doi:10.1167/17.3.1), suggests that the Japanese BCT set is evolving from 11 colors (black, white, red, green, yellow, blue and brown; pink, orange, purple, grey) to 12 colors by splitting up blue into two terms (like Russian and Italian, e.g.). Interesting, though not suprising…

Oh, and by the way, the authors are wrong in claiming that „all languages have at least some color terms in their lexicons“. The famous Pirahã have no fixed color terms, so they use a descriptive term that can change from one moment to the next (e.g., a red shirt may be called blood-like).