Christof Schöch/Maria Hinzmann: Mining and Modeling Text – Linked Open Data für die Literaturgeschichtsschreibung

Der Vortrag stellt das Forschungsvorhaben Mining and Modeling Text (kurz: MiMoText) vor, dessen Ziel es ist, den Bereich der quantitativen Methoden zur Extraktion, Modellierung und Analyse geisteswissenschaftlich relevanter Informationen aus umfangreichen Textsammlungen weiterzuentwickeln und aus interdisziplinärer (geistes-, informatik- und rechtswissenschaftlicher) Perspektive zu erforschen. Die primäre Anwendungsdomäne ist zunächst die französische Literaturgeschichte der zweiten Hälfte des 18. Jahrhunderts – die Übertragung auf andere Domänen und Disziplinen (weitere Philologien, aber beispielsweise auch Philosophie, Geschichts- und Kunstwissenschaft) ist geplant und wird von Projektbeginn an mitbedacht.

Abbildung 1: Überblick über die Projektstruktur

Ein zentraler Ausgangspunkt betrifft die Tatsache, dass die über rund zwei Jahrhunderte akkumulierten literaturhistorischen Forschungserkenntnisse großenteils nicht unmittelbar nutzbar sind, weil sie sehr umfangreich sind, auf unterschiedliche Quellen und Orte verteilt sind und nicht in digitaler Form vorliegen. Durch die Digitalisierungsaktivitäten an Bibliotheken und Archiven werden nun zwar immer umfangreichere Bestände an Texten und Daten digital verfügbar, jedoch können diese durch menschliche Lektüre nicht mehr systematisch erfasst werden. An diesem Punkt setzt MiMoText an: Auf der Basis drei verschiedener Typen von Informationsquellen (Metadaten aus Nachweissystemen, Texteigenschaften aus Primärtexten, Sachinformationen aus Forschungsliteratur) werden Verfahren der Informationsextraktion (‚Mining‘) und eine dem ‚Linked Open Data‘-Paradigma folgende Datenmodellierung (‚Modeling‘) ineinander verschränkt.

Aus der Verbindung der drei Typen von Informationsquellen mit den vier methodischen RAs entsteht ein einzigartiges literaturhistorisches Wissensnetzwerk, das nach und nach wachsen, zunehmend dichter werden und nach außen verknüpft werden kann. Das Ziel besteht darin, eine Art „Wikidata für die Literaturgeschichte“ mit einem SPARQL-Endpunkt zur Verfügung zu stellen, das einen Mehrwert für Interessierte verschiedener Disziplinen (Literatur-, Kultur-, Geschichts-, Medien-, Informationswissenschaften) in verschiedenen Nutzungsszenarien (der Forschung wie der Lehre) bieten kann.

Nach einem einleitenden Überblick über das Projekt wird die Frage, was eigentlich literaturhistorisch relevante Informationen sind, näher beleuchtet. In der Literaturwissenschaft herrscht relativ wenig Konsens darüber, was Literaturgeschichtsschreibung ist oder leisten sollte. Dementsprechend gestaltet es sich als herausfordernd, eine Ontologie zu modellieren, die einen disziplinären Konsens abbildet und die Möglichkeiten von Linked Open Data in der Gestaltung des Wissensnetzwerks sinnvoll nutzt.

Anschließend wird jeweils exemplarisch dargestellt, wie durch quantitative Analyseverfahren Informationen aus den drei verschiedenen Typen von Quellen extrahiert werden. So konnten in einem ersten größeren Analyseschritt mittels Topic Modeling in dem Romankorpus vorkommende Themen ermittelt werden. Thematische Aussagen wurden außerdem in der Sekundärliteratur annotiert und konnten drittens auch aus der besonders reichhaltige Metadaten enthaltenden Bibliographie du genre romanesque français 1751-1800 (Mylne, Frautschi und Martin 1977) gewonnen werden.

Abbildung 2: Topic Modeling als Linked Open Data

Der nächste Abschnitt widmet sich der Frage, wie die so gewonnenen Informationen zu Themen in den französischsprachigen Romanen als RDF-Tripel modelliert und in ein abfragbares Wissensnetzwerk integriert werden können. Anknüpfend an die Beispiele des vorigen Teils wird vorgestellt, wie sich die Ergebnisse des Topic Modelings in das Wissensnetzwerk einspeisen lassen und wie sich diese mit den Aussagen aus der Sekundärliteratur und Informationen der Bibliographie verknüpfen lassen.

Abbildung 3: Wissensnetzwerk MiMoText – ein Ausschnitt

Der Beitrag verdeutlicht abschließend, wie im Zusammenspiel der Teilprojekte ein aus verschiedenen Quellen gespeistes Wissensnetzwerk aufgebaut wird, das literaturgeschichtlich relevante Informationen bereitstellt. Ein zentraler Vorteil der Modellierung als ‚Knowledge Graph‘ liegt darin, dass heterogene, komplementäre, unsichere oder widersprüchliche Aussagen nicht eingeebnet oder ausgeschlossen werden müssen, sondern genau qualifizier- und referenzierbar nebeneinanderstehen können. Das Fazit thematisiert die Potentiale des Linked Open Data-Paradigmas sowie die Relevanz von Normdaten und kontrollierten Vokabularen, aber auch die mit dem Aufbau des Wissensnetzwerks verbundenen Herausforderungen.

Slides zum Vortrag [Zenodo]

Vortrag im Rahmen des „Digital History“-Forschungskolloquiums
Zeit: Mittwoch, 27. Januar 2021, 16-18 Uhr
Ort: Zoom-Konferenz (Zugang auf Anfrage oder via Mailingliste)

Cite this article as:
digitalhistory: Christof Schöch/Maria Hinzmann: Mining and Modeling Text – Linked Open Data für die Literaturgeschichtsschreibung, in: Digital History Berlin (Blog), erschienen am: 25. Januar 2021, Internet: https://dhistory.hypotheses.org/384.


Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.