Auf der Grundlage verschiedener Textkorpora sollen historische Entwicklungen von narrativen Techniken in deutschsprachigen und französischen Romanen verfolgt und Methoden zur automatischen Klassifikation von literarischen Genres und Subgenres mit Hilfe von Topic Modelling entwickelt werden, etwa durch die automatische Erkennung von Erzählformen.
Dazu werden Subgattungen deutscher Romane, etwa Bildungs-, Gesellschafts- und Abenteuerromane, genauer untersucht. Subgattungen werden in der Literaturwissenschaft zwar als etablierte Begriffe verwendet, es zeigt sich jedoch, dass Definitionen inkonsistent sind und über Jahre hinweg verschieben können. Mit Hilfe verschiedener Dimensionen von Romanen wie des Handlungsverlaufs, der Beziehung zwischen Hauptfiguren sowie stilometrischer Analyseergebnisse (z.B. zu den verwendeten Themen und zur Emotionalität) soll überprüft werden, ob und wie sich bestimmte literarische Subgattungen mit computerphilologischen Methoden unterscheiden lassen.
In Zusammenarbeit mit Prof. Evert (Professur für Korpuslinguistik, FAU Erlangen-Nürnberg) soll außerdem die literarische Autorschaftsattribution mit stilometrischen Abstandsmaßen verbessert werden. Außerdem ist die Trennung von Autor-, Gattungs- und Epochensignal in stilometrischen Analysen von großem Interesse, da dies wiederum der Zuverlässigkeit automatische Genreklassifikationen nutzen könnte. Darüber hinaus sollen zuverlässige statistische Methoden zur Signifikanzüberprüfung der festgestellten Entwicklungen ausgearbeitet, implementiert und erprobt werden.
Eine eingehende Darstellung der Ergebnisse der zweiten Förderphase finden Sie hier.
Die Datengrundlage bilden französische und deutschsprachige Romane aus dem 19. Jahrhundert. Diese stammen hauptsächlich aus Quellen wie der Digitalen Bibliothek von TextGrid oder dem Projekt Gutenberg. Die Erhebung von Metadaten sowie die Annotation von Texten zur Entwicklung und Evaluation neuer Methoden stehen ebenfalls im Fokus.
Im Rahmen dieses Teilprojekts wurde ein Korpus zusammengestellt, das aus Abschnitten aus je 130 zusammenhängenden Sätzen aus ca. 90 deutschsprachigen Romanen besteht. Diese Texte enthalten manuelle Annotationen zu Named Entities sowie Koreferenzen. Eine Veröffentlichung dieses Goldstandards ist geplant.
Für die stilometrische Untersuchungen werden außerdem vereinzelte digitale Romantexte in anderen Sprachen wie Englisch oder Französisch aus frei zugänglichen Quellen hinzugezogen.
Ziel ist die automatische Einteilung von Romanen in Untergattungen wie Entwicklungsroman, Gesellschaftsroman oder auch Abenteuerroman. Hierzu werden verschiedene Arten von Features, etwa die Most Frequent Words, verschiede Topic Models oder aus Figurennetzwerken extrahierte Eigenschaften hinsichtlich ihrer Performanz verglichen.
Problematisch ist, dass derartige Experimente oft auf sehr kleinen Datenmengen erfolgen müssen, da Genrelabels aufwendig zu erheben sind und keine klaren Grenzen aufweisen - auch unter Experten herrscht hier oft Uneinigkeit. Entsprechend sind Methoden zur Signifikanzüberprüfung der Ergebnisse insbesondere bei kleinen Datenmengen wichtig. In weiterführenden Untersuchungen sollen Methoden zur Erkennung und Repräsentation von Plotstrukturen unternommen werden.
Ausgehend von Burrows’s Delta, einem etablierten stilometrischen Abstandsmaß, werden verschiedene Varianten von Delta weiterentwickelt, um einerseits eine Verbesserung der Ergebnisse beispielsweise der Autorschaftsattribution zu erreichen und andererseits zu einem besseren Verständnis der Funktionsweise dieses im Kern erstaunlich einfachen Abstandsmaßes zu gelangen. In verschiedenen Experimenten wird untersucht, welchen Einfluss Aspekte wie Textlänge oder verschiedene Vektornormalisierungen auf die Ergebnisse von Delta haben. Zukünftig ist besonders die Unterscheidung zwischen Autor-, Gattungs- und Epochensignal von Interesse, um stilometrische Methoden wie Delta für automatische Genreklassifikation nutzbar zu machen.
Am Hubland, Bau 8
D-97074 Würzburg
Tel.: 0931-31 88421
Arbeitsgruppe Data Mining und Information Retrieval
Am Hubland
Telefon: 0931/31-80534
Bismarckstr. 6
91054 Erlangen
Tel.: +49 09131 85-29251