Kallimachos II (Eingehende Darstellung) - Versionsgeschichte

Gaede: /* 1.4 AP4: Benutzerschnittstelle zur quantitativen Analyse arabisch-lateinischer Übersetzungen */

2020-05-14T23:33:45Z

1.4 AP4: Benutzerschnittstelle zur quantitativen Analyse arabisch-lateinischer Übersetzungen

← Nächstältere Version		Version vom 14. Mai 2020, 23:33 Uhr
Zeile 537:		Zeile 537:
	''Alle Arbeiten zu Use Case 3 wurden in enger Abstimmung gemeinsam von beiden Arbeitsgruppen durchgeführt. Das Kooperationsprojekt mit der University of Osaka ist an der JMU angesiedelt.''		''Alle Arbeiten zu Use Case 3 wurden in enger Abstimmung gemeinsam von beiden Arbeitsgruppen durchgeführt. Das Kooperationsprojekt mit der University of Osaka ist an der JMU angesiedelt.''

	==~~1.4~~ AP4: Benutzerschnittstelle zur quantitativen Analyse arabisch-lateinischer Übersetzungen==		==AP4: Benutzerschnittstelle zur quantitativen Analyse arabisch-lateinischer Übersetzungen==
	===TA 1.4.1: Ausbau von Korrekturwerkzeugen zur orthographischen Normalisierung===		===TA 1.4.1: Ausbau von Korrekturwerkzeugen zur orthographischen Normalisierung===
	Für den bisherigen Aufbau des Textkorpus wurde zur Vereinheitlichung der Schreibweisen auf eine Kombination aus regelbasierten Ersetzungen und manuellen Korrekturen gesetzt. Mit dem ständigen Anwachsen des Textkorpus muss dabei einerseits der manuelle Anteil reduziert werden, andererseits darf die Anwendung der Regeln auf neues Vokabular nicht zu fehlerhaften Ersetzungen führen. Dazu werden derzeit insbesondere Methoden des Deep Learning (vgl. etwa [Kestemont et al. 2017]) diskutiert und im Rahmen unseres Projekts auf ihre Tauglichkeit für die Normalisierung des arabisch-lateinischen Textkorpus hin überprüft. Da die orthographische Normalisierung zusammen mit der Korrektur von OCR-Fehlern und der Auflösung von Abkürzungen einen wichtigen, aber im Arbeitsablauf späteren Bestandteil der unter “Use Case 4: Identifikation von Übersetzern” beschriebenen Transkriptionsumgebung bildet, wurde diese Aufgabe hinter die Zusammenstellung der OCR-Komponenten und Benutzerschnittstellen zurückgestellt.		Für den bisherigen Aufbau des Textkorpus wurde zur Vereinheitlichung der Schreibweisen auf eine Kombination aus regelbasierten Ersetzungen und manuellen Korrekturen gesetzt. Mit dem ständigen Anwachsen des Textkorpus muss dabei einerseits der manuelle Anteil reduziert werden, andererseits darf die Anwendung der Regeln auf neues Vokabular nicht zu fehlerhaften Ersetzungen führen. Dazu werden derzeit insbesondere Methoden des Deep Learning (vgl. etwa [Kestemont et al. 2017]) diskutiert und im Rahmen unseres Projekts auf ihre Tauglichkeit für die Normalisierung des arabisch-lateinischen Textkorpus hin überprüft. Da die orthographische Normalisierung zusammen mit der Korrektur von OCR-Fehlern und der Auflösung von Abkürzungen einen wichtigen, aber im Arbeitsablauf späteren Bestandteil der unter “Use Case 4: Identifikation von Übersetzern” beschriebenen Transkriptionsumgebung bildet, wurde diese Aufgabe hinter die Zusammenstellung der OCR-Komponenten und Benutzerschnittstellen zurückgestellt.

Gaede: /* Use Case 3: Komplexität literarischer Werke aus stilometrischer Sicht (in Verbindung mit Teilprojekt FAU 01UG1715B) */

2020-05-14T23:33:25Z

Use Case 3: Komplexität literarischer Werke aus stilometrischer Sicht (in Verbindung mit Teilprojekt FAU 01UG1715B)

← Nächstältere Version		Version vom 14. Mai 2020, 23:33 Uhr
Zeile 519:		Zeile 519:
	[[File:Abbildung 15 Shiny-App Komplexitätsmaße.png \| thumbnail \| '''Abbildung 15:''' Shiny-App zur interaktiven Visualisierung von Komplexitätsmaßen.]]		[[File:Abbildung 15 Shiny-App Komplexitätsmaße.png \| thumbnail \| '''Abbildung 15:''' Shiny-App zur interaktiven Visualisierung von Komplexitätsmaßen.]]

	====Use Case 3: Komplexität literarischer Werke aus stilometrischer Sicht (in Verbindung mit Teilprojekt FAU 01UG1715B)====		===Use Case 3: Komplexität literarischer Werke aus stilometrischer Sicht (in Verbindung mit Teilprojekt FAU 01UG1715B)===
	Die Literaturwissenschaft geht in der Regel davon aus, dass literarische Texte unterschiedliche Komplexitätsgrade aufweisen und dabei die Komplexität der verwendeten Sprache – d.h. der Reichtum oder die Vielfalt des Vokabulars – einer von vielen bestimmenden Faktoren ist. Die Untersuchungen aus TA 1.3.2 haben gezeigt, dass dieser Faktor wiederum als mehrdimensionales Phänomen zu betrachten ist. Die ausgewählten und neu entwickelten quantitativen Maße für die verschiedenen Komplexitätsdimensionen konnten genutzt werden, um Texte der Hoch- und Schemaliteratur (TA 1.2.6) zu beschreiben. Ein erster Befund (Abb. 16) zeigt gleich mehrere Auffälligkeiten. Erstens ist Hochliteratur anders als erwartet nicht in jeder Dimension komplexer als Schemaliteratur. Zweitens ist auffällig, dass Hochliteratur innerhalb der Aspekte stärker streut als Schemaliteratur, also eine größere Binnenvarianz aufweist.		Die Literaturwissenschaft geht in der Regel davon aus, dass literarische Texte unterschiedliche Komplexitätsgrade aufweisen und dabei die Komplexität der verwendeten Sprache – d.h. der Reichtum oder die Vielfalt des Vokabulars – einer von vielen bestimmenden Faktoren ist. Die Untersuchungen aus TA 1.3.2 haben gezeigt, dass dieser Faktor wiederum als mehrdimensionales Phänomen zu betrachten ist. Die ausgewählten und neu entwickelten quantitativen Maße für die verschiedenen Komplexitätsdimensionen konnten genutzt werden, um Texte der Hoch- und Schemaliteratur (TA 1.2.6) zu beschreiben. Ein erster Befund (Abb. 16) zeigt gleich mehrere Auffälligkeiten. Erstens ist Hochliteratur anders als erwartet nicht in jeder Dimension komplexer als Schemaliteratur. Zweitens ist auffällig, dass Hochliteratur innerhalb der Aspekte stärker streut als Schemaliteratur, also eine größere Binnenvarianz aufweist.
	Addiert man die Werte für Einzelaspekte zu einer kombinierten Kennzahl für die Gesamtkomplexität (Abb. 17), so erweisen sich Science-Fiction-Romane absolut gesehen als komplexer. Dieser Effekt ist auf unterschiedliche Ausprägungen der Dimensionen für beide Textgruppen zurückzuführen, was Interpretationsspielräume eröffnet. Vergleichsweise einleuchtend ist hier der Aspekt ''Rarity'', da Science-Fiction-Romane in der Regel sehr viel Aufwand auf das Konstruieren fiktiver Welten mitsamt exklusivem Vokabular verwenden, während Romane der Hochliteratur eher in alltäglichen Szenerien verhaftet sind. Weitergehend ist ''Density'' nicht nur in Science-Fiction, sondern auch in Horror und Kriminalromanen stärker ausgeprägt als in Hochliteratur, was durch höheres, handlungsgetriebenes Erzähltempo zu erklären sein könnte. Der Effekt ist für ''Evenness'' weniger stark ausgeprägt, lässt aber auf ein eher strukturiertes Erzählen schließen, also beispielsweise auf die Trennung zwischen Handlung und Beschreibung der fiktiven Welt in Science-Fiction-Romanen.		Addiert man die Werte für Einzelaspekte zu einer kombinierten Kennzahl für die Gesamtkomplexität (Abb. 17), so erweisen sich Science-Fiction-Romane absolut gesehen als komplexer. Dieser Effekt ist auf unterschiedliche Ausprägungen der Dimensionen für beide Textgruppen zurückzuführen, was Interpretationsspielräume eröffnet. Vergleichsweise einleuchtend ist hier der Aspekt ''Rarity'', da Science-Fiction-Romane in der Regel sehr viel Aufwand auf das Konstruieren fiktiver Welten mitsamt exklusivem Vokabular verwenden, während Romane der Hochliteratur eher in alltäglichen Szenerien verhaftet sind. Weitergehend ist ''Density'' nicht nur in Science-Fiction, sondern auch in Horror und Kriminalromanen stärker ausgeprägt als in Hochliteratur, was durch höheres, handlungsgetriebenes Erzähltempo zu erklären sein könnte. Der Effekt ist für ''Evenness'' weniger stark ausgeprägt, lässt aber auf ein eher strukturiertes Erzählen schließen, also beispielsweise auf die Trennung zwischen Handlung und Beschreibung der fiktiven Welt in Science-Fiction-Romanen.

Gaede: /* TA 1.3.3: Aufbau einer gemeinsamen Toolbox (in Verbindung mit Teilprojekt FAU 01UG1715B) */

2020-05-14T23:33:18Z

TA 1.3.3: Aufbau einer gemeinsamen Toolbox (in Verbindung mit Teilprojekt FAU 01UG1715B)

← Nächstältere Version		Version vom 14. Mai 2020, 23:33 Uhr
Zeile 510:		Zeile 510:
	''		''

	====TA 1.3.3: Aufbau einer gemeinsamen Toolbox (in Verbindung mit Teilprojekt FAU 01UG1715B)====		===TA 1.3.3: Aufbau einer gemeinsamen Toolbox (in Verbindung mit Teilprojekt FAU 01UG1715B)===
	Die in Teilaufgaben 1.3.1 und 1.3.2 untersuchten bzw. entwickelten Maße und Verfahren wurden in einer frei verfügbaren, quelloffenen Python-Toolbox implementiert und über ein GitHub-Repostiory bereitgestellt (https://github.com/tsproisl/Linguistic_and_Stylistic_Complexity). Soweit sinnvoll und möglich werden alle Maße über den in TA 1.3.1 beschriebenen Fensteransatz berechnet (mit frei wählbarer Fenstergröße), wodurch Standardabweichungen und Konfidenzintervalle mit ausgegeben werden können. Zusätzlich zu der Implementierung der Maße sind auch ausgewählte Untersuchungen zu den Maßen im Rahmen der Toolbox frei verfügbar. Die Toolbox ist modular aufgebaut und kann dadurch leicht um weitere Maße erweitert werden. Sie lässt sich einfach von der Kommandozeile aufrufen, kann über ein Python-API aber auch in andere Programmpakete integriert werden. Die in der Toolbox implementierten Maße können beispielsweise für Clustering-Aufgaben herangezogen werden, die auf Vorarbeiten aus der ersten Projektphase aufbauen (Autorschaftsattribution, Hochliteratur vs. Schemaliteratur, literarische vs. nicht-literarische Texte, usw.). Das Github-Repository der Toolbox ist bereits national und international auf breites Interesse gestoßen (Github-Stars aus Indien, China, Australien, USA, Japan, Ungarn).		Die in Teilaufgaben 1.3.1 und 1.3.2 untersuchten bzw. entwickelten Maße und Verfahren wurden in einer frei verfügbaren, quelloffenen Python-Toolbox implementiert und über ein GitHub-Repostiory bereitgestellt (https://github.com/tsproisl/Linguistic_and_Stylistic_Complexity). Soweit sinnvoll und möglich werden alle Maße über den in TA 1.3.1 beschriebenen Fensteransatz berechnet (mit frei wählbarer Fenstergröße), wodurch Standardabweichungen und Konfidenzintervalle mit ausgegeben werden können. Zusätzlich zu der Implementierung der Maße sind auch ausgewählte Untersuchungen zu den Maßen im Rahmen der Toolbox frei verfügbar. Die Toolbox ist modular aufgebaut und kann dadurch leicht um weitere Maße erweitert werden. Sie lässt sich einfach von der Kommandozeile aufrufen, kann über ein Python-API aber auch in andere Programmpakete integriert werden. Die in der Toolbox implementierten Maße können beispielsweise für Clustering-Aufgaben herangezogen werden, die auf Vorarbeiten aus der ersten Projektphase aufbauen (Autorschaftsattribution, Hochliteratur vs. Schemaliteratur, literarische vs. nicht-literarische Texte, usw.). Das Github-Repository der Toolbox ist bereits national und international auf breites Interesse gestoßen (Github-Stars aus Indien, China, Australien, USA, Japan, Ungarn).

Gaede: /* 1.4 AP4: Benutzerschnittstelle zur quantitativen Analyse arabisch-lateinischer Übersetzungen */

2020-05-14T23:32:59Z

1.4 AP4: Benutzerschnittstelle zur quantitativen Analyse arabisch-lateinischer Übersetzungen

← Nächstältere Version		Version vom 14. Mai 2020, 23:32 Uhr
Zeile 537:		Zeile 537:
	''Alle Arbeiten zu Use Case 3 wurden in enger Abstimmung gemeinsam von beiden Arbeitsgruppen durchgeführt. Das Kooperationsprojekt mit der University of Osaka ist an der JMU angesiedelt.''		''Alle Arbeiten zu Use Case 3 wurden in enger Abstimmung gemeinsam von beiden Arbeitsgruppen durchgeführt. Das Kooperationsprojekt mit der University of Osaka ist an der JMU angesiedelt.''

	===1.4 AP4: Benutzerschnittstelle zur quantitativen Analyse arabisch-lateinischer Übersetzungen===		==1.4 AP4: Benutzerschnittstelle zur quantitativen Analyse arabisch-lateinischer Übersetzungen==
	====TA 1.4.1: Ausbau von Korrekturwerkzeugen zur orthographischen Normalisierung====		===TA 1.4.1: Ausbau von Korrekturwerkzeugen zur orthographischen Normalisierung===
	Für den bisherigen Aufbau des Textkorpus wurde zur Vereinheitlichung der Schreibweisen auf eine Kombination aus regelbasierten Ersetzungen und manuellen Korrekturen gesetzt. Mit dem ständigen Anwachsen des Textkorpus muss dabei einerseits der manuelle Anteil reduziert werden, andererseits darf die Anwendung der Regeln auf neues Vokabular nicht zu fehlerhaften Ersetzungen führen. Dazu werden derzeit insbesondere Methoden des Deep Learning (vgl. etwa [Kestemont et al. 2017]) diskutiert und im Rahmen unseres Projekts auf ihre Tauglichkeit für die Normalisierung des arabisch-lateinischen Textkorpus hin überprüft. Da die orthographische Normalisierung zusammen mit der Korrektur von OCR-Fehlern und der Auflösung von Abkürzungen einen wichtigen, aber im Arbeitsablauf späteren Bestandteil der unter “Use Case 4: Identifikation von Übersetzern” beschriebenen Transkriptionsumgebung bildet, wurde diese Aufgabe hinter die Zusammenstellung der OCR-Komponenten und Benutzerschnittstellen zurückgestellt.		Für den bisherigen Aufbau des Textkorpus wurde zur Vereinheitlichung der Schreibweisen auf eine Kombination aus regelbasierten Ersetzungen und manuellen Korrekturen gesetzt. Mit dem ständigen Anwachsen des Textkorpus muss dabei einerseits der manuelle Anteil reduziert werden, andererseits darf die Anwendung der Regeln auf neues Vokabular nicht zu fehlerhaften Ersetzungen führen. Dazu werden derzeit insbesondere Methoden des Deep Learning (vgl. etwa [Kestemont et al. 2017]) diskutiert und im Rahmen unseres Projekts auf ihre Tauglichkeit für die Normalisierung des arabisch-lateinischen Textkorpus hin überprüft. Da die orthographische Normalisierung zusammen mit der Korrektur von OCR-Fehlern und der Auflösung von Abkürzungen einen wichtigen, aber im Arbeitsablauf späteren Bestandteil der unter “Use Case 4: Identifikation von Übersetzern” beschriebenen Transkriptionsumgebung bildet, wurde diese Aufgabe hinter die Zusammenstellung der OCR-Komponenten und Benutzerschnittstellen zurückgestellt.

	====TA 1.4.2: Einsatz von Semantic MediaWiki als digitale Forschungsumgebung====		===TA 1.4.2: Einsatz von Semantic MediaWiki als digitale Forschungsumgebung===
	Auf der Basis der im Rahmen des Narragonien-Projekts gesammelten Erfahrungen konnte ein umfangreiches Datenmodell für ein Semantic MediaWiki entwickelt werden. Dabei wird über die Eingabe und Verwaltung von Textmetadaten hinaus das Ziel verfolgt, den Forschungsstand zu den arabisch-lateinischen Übersetzungen zu erfassen. Dies umfasst einerseits eine Auflistung verfügbarer Textquellen in Handschriften und Editionen, andererseits aber auch eine Recherche der bisherigen Zuweisungen der Autorschaft und Übersetzung der Texte. Dafür konnte in dem Wiki eine Plattform geschaffen werden, die insbesondere die Zusammenarbeit mehrerer Bearbeiter erleichtert. Die bisher als XML-Dokumente oder Tabellen vorliegenden Daten konnten mit Hilfe von selbst entwickelten Konvertierungsskripten importiert werden. Die Einbindung der existierenden Arbeitsumgebung, die diverse Funktionen zu Textanalyse und zum Textvergleich bündelt, wird ebenfalls weiterverfolgt. Da eine vollständige Integration eine Portierung der Tools von Python nach PHP erfordern und damit einen beträchtlichen Entwicklungsaufwand mit sich bringen würde, hat sich als die beste Strategie erwiesen, die dem bestehenden Webinterface zugrundeliegende Anwendung an die vorhandenen API-Schnittstellen des MediaWiki anzubinden, um damit einen Datenaustausch zwischen den beiden Plattformen und eine flexible Verteilung der einzelnen Benutzerschnittstellen zu ermöglichen.		Auf der Basis der im Rahmen des Narragonien-Projekts gesammelten Erfahrungen konnte ein umfangreiches Datenmodell für ein Semantic MediaWiki entwickelt werden. Dabei wird über die Eingabe und Verwaltung von Textmetadaten hinaus das Ziel verfolgt, den Forschungsstand zu den arabisch-lateinischen Übersetzungen zu erfassen. Dies umfasst einerseits eine Auflistung verfügbarer Textquellen in Handschriften und Editionen, andererseits aber auch eine Recherche der bisherigen Zuweisungen der Autorschaft und Übersetzung der Texte. Dafür konnte in dem Wiki eine Plattform geschaffen werden, die insbesondere die Zusammenarbeit mehrerer Bearbeiter erleichtert. Die bisher als XML-Dokumente oder Tabellen vorliegenden Daten konnten mit Hilfe von selbst entwickelten Konvertierungsskripten importiert werden. Die Einbindung der existierenden Arbeitsumgebung, die diverse Funktionen zu Textanalyse und zum Textvergleich bündelt, wird ebenfalls weiterverfolgt. Da eine vollständige Integration eine Portierung der Tools von Python nach PHP erfordern und damit einen beträchtlichen Entwicklungsaufwand mit sich bringen würde, hat sich als die beste Strategie erwiesen, die dem bestehenden Webinterface zugrundeliegende Anwendung an die vorhandenen API-Schnittstellen des MediaWiki anzubinden, um damit einen Datenaustausch zwischen den beiden Plattformen und eine flexible Verteilung der einzelnen Benutzerschnittstellen zu ermöglichen.

	In der täglichen Arbeit hat sich das Wiki als Plattform zum Aufbau einer Datenbank der Textquellen bewährt. Inzwischen dokumentiert es mehr als 400 Texte von über 100 Autoren und Übersetzern sowie zahlreiche Quellen in Handschriften, Drucken und Editionen. Die damit zusammengestellte strukturierte Metadatensammlung dient als Grundlage für die Planung der Digitalisierung der arabisch-lateinischen Übersetzungen im Rahmen des [ http://arabic-latin-corpus.philosophie.uni-wuerzburg.de/ Arabic-Latin Corpus Project] und zur notwendigen Einordnung der Texte bei ihrer korpuslinguistischen Erschließung.		In der täglichen Arbeit hat sich das Wiki als Plattform zum Aufbau einer Datenbank der Textquellen bewährt. Inzwischen dokumentiert es mehr als 400 Texte von über 100 Autoren und Übersetzern sowie zahlreiche Quellen in Handschriften, Drucken und Editionen. Die damit zusammengestellte strukturierte Metadatensammlung dient als Grundlage für die Planung der Digitalisierung der arabisch-lateinischen Übersetzungen im Rahmen des [ http://arabic-latin-corpus.philosophie.uni-wuerzburg.de/ Arabic-Latin Corpus Project] und zur notwendigen Einordnung der Texte bei ihrer korpuslinguistischen Erschließung.

	====Use Case 4: Identifikation von Übersetzern====		===Use Case 4: Identifikation von Übersetzern===
	In der bisherigen Arbeit mit Delta hat sich gezeigt, dass nur mit einem ausreichend großen Textkorpus valide Aussagen durch stilometrische Methoden möglich sind. Das Ziel des mit der Kallimachos-Infrastruktur initiierten Arabic-Latin Corpus Project ist es daher, alle arabisch-lateinischen Übersetzungen des 10.-14. Jahrhunderts zu digitalisieren. Die Erweiterung unserer Textsammlung beginnt zunächst mit der Sammlung der existierenden Quellen im Wiki, benötigt im zweiten Schritt aber vor allem einen Digitalisierungsworkflow. Als Pilotprojekt wurde zunächst ein Frühdruck der lateinischen Version von Alhazens [http://www.mdz-nbn-resolving.de/urn/resolver.pl?urn=urn:nbn:de:bvb:12-bsb10197486-8 ''Optik''] mit LAREX und Ocropus erfasst. Um nicht nur lateinische, sondern auch arabische Textquellen zu erschließen, wurden die bereits in den anderen Arbeitsgruppen entwickelten und erprobten OCR-Lösungen entsprechend angepasst. Dabei werden derzeit die Vorteile des auf der Basis von Ocropus entstandenen Kraken-Systems ([Romanov et al. 2017]) hinsichtlich der Erkennung bidirektionaler Texte sowie von dem im Rahmen von OCR4All verwendeten, neu entwickelten Tool Calamari genutzt und mit der Leistungsfähigkeit der halbautomatischen Layoutanalyse in LAREX verbunden. Anhand einer modernen Edition der arabischen Version der Optik konnte zunächst die Realisierbarkeit dieses Ansatzes erprobt werden.		In der bisherigen Arbeit mit Delta hat sich gezeigt, dass nur mit einem ausreichend großen Textkorpus valide Aussagen durch stilometrische Methoden möglich sind. Das Ziel des mit der Kallimachos-Infrastruktur initiierten Arabic-Latin Corpus Project ist es daher, alle arabisch-lateinischen Übersetzungen des 10.-14. Jahrhunderts zu digitalisieren. Die Erweiterung unserer Textsammlung beginnt zunächst mit der Sammlung der existierenden Quellen im Wiki, benötigt im zweiten Schritt aber vor allem einen Digitalisierungsworkflow. Als Pilotprojekt wurde zunächst ein Frühdruck der lateinischen Version von Alhazens [http://www.mdz-nbn-resolving.de/urn/resolver.pl?urn=urn:nbn:de:bvb:12-bsb10197486-8 ''Optik''] mit LAREX und Ocropus erfasst. Um nicht nur lateinische, sondern auch arabische Textquellen zu erschließen, wurden die bereits in den anderen Arbeitsgruppen entwickelten und erprobten OCR-Lösungen entsprechend angepasst. Dabei werden derzeit die Vorteile des auf der Basis von Ocropus entstandenen Kraken-Systems ([Romanov et al. 2017]) hinsichtlich der Erkennung bidirektionaler Texte sowie von dem im Rahmen von OCR4All verwendeten, neu entwickelten Tool Calamari genutzt und mit der Leistungsfähigkeit der halbautomatischen Layoutanalyse in LAREX verbunden. Anhand einer modernen Edition der arabischen Version der Optik konnte zunächst die Realisierbarkeit dieses Ansatzes erprobt werden.

Gaede: /* TA 1.2.5.1: Feingranulare Attribuierung der Figuren durch Wissensmodellierung */

2020-05-14T23:32:17Z

TA 1.2.5.1: Feingranulare Attribuierung der Figuren durch Wissensmodellierung

← Nächstältere Version		Version vom 14. Mai 2020, 23:32 Uhr
Zeile 414:		Zeile 414:

	Hierzu befinden sich aktuell noch zwei Journal-Paper unter Begutachtung (Krug et al 2020a; Krug et al 2020b)		Hierzu befinden sich aktuell noch zwei Journal-Paper unter Begutachtung (Krug et al 2020a; Krug et al 2020b)


	====TA 1.2.5.2: Erweiterung der Relationen um Dimensionen der Emotionalität und Polarität)====		====TA 1.2.5.2: Erweiterung der Relationen um Dimensionen der Emotionalität und Polarität)====

Gaede: /* TA 1.2.5.1: Feingranulare Attribuierung der Figuren durch Wissensmodellierung */

2020-05-14T23:31:41Z

TA 1.2.5.1: Feingranulare Attribuierung der Figuren durch Wissensmodellierung

← Nächstältere Version		Version vom 14. Mai 2020, 23:31 Uhr
Zeile 400:		Zeile 400:
	Im Rahmen dieses Arbeitspaketes wurden sowohl diverse Experimente für die Entwicklung einer Figurenerkennung auf Basis des in Kallimachos annotierten Datensatzes DROC durchgeführt, als auch die Koreferenz um Relation und um die Möglichkeit, nutzerspezifisches Wissen zu integrieren, erweitert. Des Weiteren wurde eine Architektur eines Neuronalen Netzes entwickelt, das den emotionalen Verlauf von Figuren in Romanen verfolgen kann.		Im Rahmen dieses Arbeitspaketes wurden sowohl diverse Experimente für die Entwicklung einer Figurenerkennung auf Basis des in Kallimachos annotierten Datensatzes DROC durchgeführt, als auch die Koreferenz um Relation und um die Möglichkeit, nutzerspezifisches Wissen zu integrieren, erweitert. Des Weiteren wurde eine Architektur eines Neuronalen Netzes entwickelt, das den emotionalen Verlauf von Figuren in Romanen verfolgen kann.

	===TA 1.2.5.1: Feingranulare Attribuierung der Figuren durch Wissensmodellierung===		====TA 1.2.5.1: Feingranulare Attribuierung der Figuren durch Wissensmodellierung====
	Mit Hilfe vorhandener Daten aus Kallimachos I konnten für dieses Arbeitspaket diverse Untersuchungen und Erweiterungen vorgenommen werden. Die Erkennung von Figuren in Romanen ist zunächst in zwei Teile aufgeteilt: a) die Erkennung und Auflösung von Figurenreferenzen und b) die Extraktion von Relationen zwischen den Figuren.		Mit Hilfe vorhandener Daten aus Kallimachos I konnten für dieses Arbeitspaket diverse Untersuchungen und Erweiterungen vorgenommen werden. Die Erkennung von Figuren in Romanen ist zunächst in zwei Teile aufgeteilt: a) die Erkennung und Auflösung von Figurenreferenzen und b) die Extraktion von Relationen zwischen den Figuren.

Gaede: /* TA 1.2.4.3: Integration der entwickelten Methoden in einen gemeinsamen prototypischen end-to-end UIMA-Workflow */

2020-05-14T23:30:28Z

TA 1.2.4.3: Integration der entwickelten Methoden in einen gemeinsamen prototypischen end-to-end UIMA-Workflow

← Nächstältere Version		Version vom 14. Mai 2020, 23:30 Uhr
Zeile 394:		Zeile 394:
	Die hohe Genauigkeit ohne den weiteren Bedarf von externen Features, wie Orte oder eine feingranulare Aussage über aktuell Anwesende und Abwesende Figuren verhalf dazu, dass trotz der Verzögerung der Annotation doch ein gutes Verfahren gefunden werden konnte. Das daraus resultierende Paper (Herud et al 2020) befindet sich aktuell unter Begutachtung für die ACL, einer hochrangigen Konferenz im Bereich Natural Language Processing.		Die hohe Genauigkeit ohne den weiteren Bedarf von externen Features, wie Orte oder eine feingranulare Aussage über aktuell Anwesende und Abwesende Figuren verhalf dazu, dass trotz der Verzögerung der Annotation doch ein gutes Verfahren gefunden werden konnte. Das daraus resultierende Paper (Herud et al 2020) befindet sich aktuell unter Begutachtung für die ACL, einer hochrangigen Konferenz im Bereich Natural Language Processing.

	===TA 1.2.4.3: Integration der entwickelten Methoden in einen gemeinsamen prototypischen end-to-end UIMA-Workflow===		====TA 1.2.4.3: Integration der entwickelten Methoden in einen gemeinsamen prototypischen end-to-end UIMA-Workflow====
	Aufgrund der Nutzung von Deep Learning für die automatische Erkennung von Szenen wurde dieser Arbeitsschritt in Python durchgeführt. Dieser Code arbeitet auf einem JSON Format, für das ein Konverter von und nach UIMA-xmi vorliegt, so dass zumindest die Ergebnisse im UIMA-Workflow nutzbar sind. Des Weiteren wurde bereits in Kallimachos I eine Komponente für Python entwickelt, die es Pythonnutzern ermöglicht, direkt mit xmi-Dokumenten zu arbeiten.		Aufgrund der Nutzung von Deep Learning für die automatische Erkennung von Szenen wurde dieser Arbeitsschritt in Python durchgeführt. Dieser Code arbeitet auf einem JSON Format, für das ein Konverter von und nach UIMA-xmi vorliegt, so dass zumindest die Ergebnisse im UIMA-Workflow nutzbar sind. Des Weiteren wurde bereits in Kallimachos I eine Komponente für Python entwickelt, die es Pythonnutzern ermöglicht, direkt mit xmi-Dokumenten zu arbeiten.

Gaede: /* TA 1.2.4.2: Annotation und automatische Erkennung von Handlungsabfolgen */

2020-05-14T23:30:18Z

TA 1.2.4.2: Annotation und automatische Erkennung von Handlungsabfolgen

← Nächstältere Version		Version vom 14. Mai 2020, 23:30 Uhr
Zeile 383:		Zeile 383:
	Die entstandenen Richtlinien sowie die Annotationen wurden im Rahmen eines Panels auf der DH 2019 einem Fachpublikum vorgestellt und dort diskutiert (Gius et al. 2019).		Die entstandenen Richtlinien sowie die Annotationen wurden im Rahmen eines Panels auf der DH 2019 einem Fachpublikum vorgestellt und dort diskutiert (Gius et al. 2019).

	===TA 1.2.4.2: Annotation und automatische Erkennung von Handlungsabfolgen===		====TA 1.2.4.2: Annotation und automatische Erkennung von Handlungsabfolgen====
	Unabhängig von der Schwierigkeit der Datenakquise wurde ein Algorithmus basierend auf Deep Learning und Voting entwickelt, der in der Lage ist, automatisch Szenengrenzen mit ca. 90% Genauigkeit vorherzusagen. Erfreulich dabei ist, dass dieser Algorithmus weder besonders viele Daten für diese Erkennungsgenauigkeit benötigt (ca. 10 Heftromane waren dafür ausreichend), noch besonders auf eine Guideline angepasst ist. Da wir Datensätze für mehrere Guidelines zur Verfügung hatten, konnten wir empirisch verifizieren, dass der gleiche Algorithmus bei Vorliegen geeigneter Trainingsdaten in der Lage ist, auch diese Guidelines zu verinnerlichen und anschließend mit hoher Genauigkeit Szenen zu erkennen.		Unabhängig von der Schwierigkeit der Datenakquise wurde ein Algorithmus basierend auf Deep Learning und Voting entwickelt, der in der Lage ist, automatisch Szenengrenzen mit ca. 90% Genauigkeit vorherzusagen. Erfreulich dabei ist, dass dieser Algorithmus weder besonders viele Daten für diese Erkennungsgenauigkeit benötigt (ca. 10 Heftromane waren dafür ausreichend), noch besonders auf eine Guideline angepasst ist. Da wir Datensätze für mehrere Guidelines zur Verfügung hatten, konnten wir empirisch verifizieren, dass der gleiche Algorithmus bei Vorliegen geeigneter Trainingsdaten in der Lage ist, auch diese Guidelines zu verinnerlichen und anschließend mit hoher Genauigkeit Szenen zu erkennen.

Gaede: /* TA 1.2.4.1: Konzeptionelle Modellierung von Handlungsabfolgen */

2020-05-14T23:30:11Z

TA 1.2.4.1: Konzeptionelle Modellierung von Handlungsabfolgen

← Nächstältere Version		Version vom 14. Mai 2020, 23:30 Uhr
Zeile 378:		Zeile 378:
	===TA 1.2.4: Entwicklung eines Tools zur automatischen Szenenerkennung===		===TA 1.2.4: Entwicklung eines Tools zur automatischen Szenenerkennung===
	Nach anfänglichen Schwierigkeiten in der Erstellung von Guidelines ist es dennoch gelungen, sowohl einen Datensatz zu erstellen (der aktuell und über das Projektende hinaus noch weiterentwickelt wird) als auch eine Architektur eines Neuronalen Netzes zu finden, dass die Szenen automatisch mit großer Genauigkeit entdeckt.		Nach anfänglichen Schwierigkeiten in der Erstellung von Guidelines ist es dennoch gelungen, sowohl einen Datensatz zu erstellen (der aktuell und über das Projektende hinaus noch weiterentwickelt wird) als auch eine Architektur eines Neuronalen Netzes zu finden, dass die Szenen automatisch mit großer Genauigkeit entdeckt.
	===TA 1.2.4.1: Konzeptionelle Modellierung von Handlungsabfolgen===		====TA 1.2.4.1: Konzeptionelle Modellierung von Handlungsabfolgen====
	Im Rahmen dieses Projektes zeigte sich, dass bereits eine manuelle Annotation von Szenen aus literaturwissenschaftlicher Sicht sehr schwierig ist. Letztlich wurde in gemeinsamen Anstrengungen mit Prof. Gius (Hamburg) und Prof. Reiter (Darmstadt) mehrere verschiedene Definitionen von Szenen sowie deren Operationalisierbarkeit untersucht. Im Rahmen dieser Zusammenarbeit entstanden drei verschiedene Guidelines mit zugehörig annotierten Daten, die anschließend gemeinsam auf einen Satz von Annotationsrichtlinien reduziert wurden. Diese Kollaboration wird auch über das Projektende weiterhin bestehen, so dass mehr manuelle Daten annotiert werden können, und die automatische Komponente durch mehr Trainingsdaten verlässlicher werden kann.		Im Rahmen dieses Projektes zeigte sich, dass bereits eine manuelle Annotation von Szenen aus literaturwissenschaftlicher Sicht sehr schwierig ist. Letztlich wurde in gemeinsamen Anstrengungen mit Prof. Gius (Hamburg) und Prof. Reiter (Darmstadt) mehrere verschiedene Definitionen von Szenen sowie deren Operationalisierbarkeit untersucht. Im Rahmen dieser Zusammenarbeit entstanden drei verschiedene Guidelines mit zugehörig annotierten Daten, die anschließend gemeinsam auf einen Satz von Annotationsrichtlinien reduziert wurden. Diese Kollaboration wird auch über das Projektende weiterhin bestehen, so dass mehr manuelle Daten annotiert werden können, und die automatische Komponente durch mehr Trainingsdaten verlässlicher werden kann.

	Die entstandenen Richtlinien sowie die Annotationen wurden im Rahmen eines Panels auf der DH 2019 einem Fachpublikum vorgestellt und dort diskutiert (Gius et al. 2019).		Die entstandenen Richtlinien sowie die Annotationen wurden im Rahmen eines Panels auf der DH 2019 einem Fachpublikum vorgestellt und dort diskutiert (Gius et al. 2019).

	===TA 1.2.4.2: Annotation und automatische Erkennung von Handlungsabfolgen===		===TA 1.2.4.2: Annotation und automatische Erkennung von Handlungsabfolgen===
	Unabhängig von der Schwierigkeit der Datenakquise wurde ein Algorithmus basierend auf Deep Learning und Voting entwickelt, der in der Lage ist, automatisch Szenengrenzen mit ca. 90% Genauigkeit vorherzusagen. Erfreulich dabei ist, dass dieser Algorithmus weder besonders viele Daten für diese Erkennungsgenauigkeit benötigt (ca. 10 Heftromane waren dafür ausreichend), noch besonders auf eine Guideline angepasst ist. Da wir Datensätze für mehrere Guidelines zur Verfügung hatten, konnten wir empirisch verifizieren, dass der gleiche Algorithmus bei Vorliegen geeigneter Trainingsdaten in der Lage ist, auch diese Guidelines zu verinnerlichen und anschließend mit hoher Genauigkeit Szenen zu erkennen.		Unabhängig von der Schwierigkeit der Datenakquise wurde ein Algorithmus basierend auf Deep Learning und Voting entwickelt, der in der Lage ist, automatisch Szenengrenzen mit ca. 90% Genauigkeit vorherzusagen. Erfreulich dabei ist, dass dieser Algorithmus weder besonders viele Daten für diese Erkennungsgenauigkeit benötigt (ca. 10 Heftromane waren dafür ausreichend), noch besonders auf eine Guideline angepasst ist. Da wir Datensätze für mehrere Guidelines zur Verfügung hatten, konnten wir empirisch verifizieren, dass der gleiche Algorithmus bei Vorliegen geeigneter Trainingsdaten in der Lage ist, auch diese Guidelines zu verinnerlichen und anschließend mit hoher Genauigkeit Szenen zu erkennen.

Gaede: /* 1.3 AP3: Stilometrie */

2020-05-14T23:28:45Z

1.3 AP3: Stilometrie

← Nächstältere Version		Version vom 14. Mai 2020, 23:28 Uhr
Zeile 454:		Zeile 454:
	Ziel des AP2 ist die automatische Zuordnung durch OCR erkannter Textfragmente gegen eine Voll-textdatenbank (Sequence Alignment) mit dem Output der kanonischen Zitierweise. Das Alignment wurde in TA 1.2 bereits erreicht. Der kanonische Output steht noch aus, ist jedoch als Korollar dieses Ergebnisses zu betrachten.		Ziel des AP2 ist die automatische Zuordnung durch OCR erkannter Textfragmente gegen eine Voll-textdatenbank (Sequence Alignment) mit dem Output der kanonischen Zitierweise. Das Alignment wurde in TA 1.2 bereits erreicht. Der kanonische Output steht noch aus, ist jedoch als Korollar dieses Ergebnisses zu betrachten.

	==~~1.3~~ AP3: Stilometrie==		==AP3: Stilometrie==
	''Sämtliche in diesem Abschnitt beschriebenen Arbeiten wurden in enger Kooperation zwischen Teilprojekt 01UG1715B (Prof. Evert, FAU Erlangen-Nürnberg) und dem Lehrstuhl für Computerphilologie (Prof. Jannidis, im Teilprojekt 01UG1715A an der Universität Würzburg) durchgeführt. Eine klare Abgrenzung zwischen den Beiträgen der beiden Arbeitsgruppen ist in den meisten Fällen nicht möglich. In den folgenden Abschnitten ist hervorgehoben, wenn einzelne Teilarbeiten primär oder federführend an einem der Standorte (FAU bzw. JMU) verortet waren.''		''Sämtliche in diesem Abschnitt beschriebenen Arbeiten wurden in enger Kooperation zwischen Teilprojekt 01UG1715B (Prof. Evert, FAU Erlangen-Nürnberg) und dem Lehrstuhl für Computerphilologie (Prof. Jannidis, im Teilprojekt 01UG1715A an der Universität Würzburg) durchgeführt. Eine klare Abgrenzung zwischen den Beiträgen der beiden Arbeitsgruppen ist in den meisten Fällen nicht möglich. In den folgenden Abschnitten ist hervorgehoben, wenn einzelne Teilarbeiten primär oder federführend an einem der Standorte (FAU bzw. JMU) verortet waren.''