Christian Reul: Erschließung gedruckter und handschriftlicher historischer Quellen mit OCR4all

Ein zentraler Aspekt der Arbeit von Historiker:innen ist die Auseinandersetzung mit historischen Quellen in Form von gedruckten und handschriftlichen Textzeugen. Diese liegen häufig lediglich als Scans vor, was ihre Verwendbarkeit stark einschränkt, da automatische Erschließungsansätze wie die Volltextsuche oder Verfahren der quantitativen Analyse nicht einsetzbar sind. Hierzu muss aus den Digitalisaten zunächst sog. maschinenverarbeitbarer Volltext extrahiert werden, wobei Methoden der automatischen Texterkennung, wie die optische Zeichenerkennung (Optical Character Recognition, OCR) von Drucken oder Handschriften (Handwritten Text Recognition, HTR), eine immer größere Rolle spielen.

„Christian Reul: Erschließung gedruckter und handschriftlicher historischer Quellen mit OCR4all“ weiterlesen

Dominique Stutzmann: Künstliche Intelligenz im Dienste der Mittelalterforschung. Automatisierte Handschrifterkennung und Text-Mining

Künstliche Intelligenz (hier genauer:  Maschinelles Lernen) eröffnet uns als Historikern einen neuen, breitflächigen Zugang zu den historischen Quellen durch

(I) Texterkennung und Volltextsuche,
(II) Textsegmentierung,
(III) Erkennung von Eigennamen und anderer Entitäten etc. (Named Entity Recognition),
(IV) Identifizierung und Verlinkung von Texteinheiten und Entitäten,
(V) Klassifizierung des Dekors und der Elemente visueller Kommunikation,
(VI) Datierung undatierter Quellen,
(VII) Schreiberidentifizierung.

Im Juni 2017 haben die Partner des europäischen Forschungsprojekts Himanis (https://himanis.hypotheses.org/) mehr als 80.000 Seiten mittelalterlicher Handschriften samt Volltextsuche online gestellt und damit eine immense Menge noch unedierten Textmaterials und historische Quellen für die historische Forschung verfügbar gemacht. „Dominique Stutzmann: Künstliche Intelligenz im Dienste der Mittelalterforschung. Automatisierte Handschrifterkennung und Text-Mining“ weiterlesen