Digital resources in the Social Sciences and Humanities OpenEdition Our platforms OpenEdition Books OpenEdition Journals Hypotheses Calenda Libraries OpenEdition Freemium Follow us

Hiltmann et al.: NER, aber prompto! Named Entity Recognition mit Large Language Models für historische Texte

Projektteam: Torsten Hiltmann, Martin Dröge, Nicole Dresselhaus, Sophie Eckenstaler, Till Grallert, Jascha Schmitz, Philipp Schneider, Melanie Althage
(Humboldt-Universität zu Berlin, NFDI4Memory)

Als mit der Veröffentlichung von ChatGPT die Aufmerksamkeit in einem verstärkten Maße auf Large Language Models gelenkt wurde, wusste man zwar, dass sich damit vieles verändern würde, doch die konkreten Auswirkungen waren noch nicht absehbar. Mit unserem Vortrag wollen wir für die Geschichtswissenschaften aufzeigen, was diese neue Technologie ganz konkret für unser Fach leisten kann. Am Beispiel der Named Entity Recognition (NER), also der Erkennung und Klassifikation von Eigennamen bzw. von jenen Textstellen, die namentlich auf Entitäten wie Personen, Orte oder Institutionen verweisen, wollen wir zeigen, inwieweit mit dieser Technologie auch in den Geschichtswissenschaften neue Wege beschritten werden können.

„Hiltmann et al.: NER, aber prompto! Named Entity Recognition mit Large Language Models für historische Texte“ weiterlesen

Nina Rastinger: Kleine Texte, dichte Daten. Listen in historischen Zeitungen als Schatz für die Digital Humanities

Historische (deutschsprachige) Zeitungen haben in den letzten Jahrzehnten eine Massendigitalisierung erfahren und stehen aktuell bereits über eine Vielzahl digitaler Ressourcen zur Verfügung, etwa über AustriaN Newspapers Online, das Deutsche Textarchiv, das Deutsche Zeitungsportal, zeit.punkt NRW, impresso, digipress, Tessmann-digital, e-Luxemburgensia oder das Digitale Forum Mittel- und Osteuropa. Als „Textsortennetz[e]“ (Pfefferkorn/Riecke/Schuster 2017: 5) vereinen Zeitungen verschiedenste Textsorten in sich und zeichnen sich wesentlich durch formale und inhaltliche Heterogenität aus.

„Nina Rastinger: Kleine Texte, dichte Daten. Listen in historischen Zeitungen als Schatz für die Digital Humanities“ weiterlesen

Dominique Stutzmann: In Wort und Bild. Zur Analyse mittelalterlicher Schriftquellen mit digitalen Methoden am Beispiel von Stundenbüchern und Urkundenregistern

Seit einigen Jahren hat sich die Analyse der mittelalterlichen Schriftquellen durch die Anwendung digitaler Methoden, insb. der Bildverarbeitung durch Künstliche Intelligenz bzw. Maschinelles Lernen, stark verändert. Der Zugang zu Texten wurde durch Verfahren wie die Volltextindexierung, automatische Texterkennung (Handwritten Text Recognition) sowie durch Text-Mining-Werkzeuge wie die Eigennamenerkennung (Named Entity Recognition), Stilometrie oder die Identifizierung textueller Übernahmen (Text Reuse Detection) grundsätzlich erweitert. An der Schnittstelle zwischen Computer Vision und digitalen Bildern der Textquellen haben sich zudem weitere Forschungsfelder entwickelt, wie die Analyse des Layouts und der mise-en-page oder die Erforschung der Schrift als Bild von der Schreiberidentifizierung bis hin zur Schriftklassifizierung.

„Dominique Stutzmann: In Wort und Bild. Zur Analyse mittelalterlicher Schriftquellen mit digitalen Methoden am Beispiel von Stundenbüchern und Urkundenregistern“ weiterlesen

Ole Meiners: Evaluation von Named Entity Recognition-Modellen für historische deutschsprachige Texte am Beispiel frühneuzeitlicher Ego-Dokumente (Abschlussarbeit)

Named Entity Recognition (NER), die automatisierte Erkennung und Klassifizierung von Named Entities in digitalen Texten, hat in letzter Zeit durch die Nutzung von Deep Learning-Architekturen große Fortschritte erzielt. Dies gilt insbesondere für weit verbreitete Gegenwartssprachen wie Englisch und Deutsch, zu denen ausreichend große Mengen an Trainingsdaten verfügbar sind. Auch für historische deutsche Texte wurden auf Grundlage dieser Technologie Modelle trainiert, die etwa für die Erkennung von Personen- und Ortsnamen sehr gute Ergebnisse liefern. Datengrundlage und Anwendungsszenario sind hierbei historische Zeitungen, vorrangig des 19. und 20. Jahrhunderts, die in großem Umfang digitalisiert vorliegen. Anders sieht die Situation für frühere Epochen aus: Für die Frühneuzeit und das Spätmittelalter stehen noch keine deutschen Sprach- oder NER-Modelle zur Verfügung, die von den aktuellen technischen Möglichkeiten Gebrauch machen. Ebenso fehlt es an Textkorpora frühneuzeitlicher deutscher Texte zum Training entsprechender Modelle sowie zu deren Evaluation. Der Einsatz etwa von NER-Modellen auf Basis von Deep-Learning ist jedoch auch für Texte aus diesem Zeitraum vielversprechend.

„Ole Meiners: Evaluation von Named Entity Recognition-Modellen für historische deutschsprachige Texte am Beispiel frühneuzeitlicher Ego-Dokumente (Abschlussarbeit)“ weiterlesen

Nadine Butigan / Anica Skibba / Jasper Stange: Digitale Kuratierung

Die Menge der Daten nimmt beständig zu – ob in der freien Wirtschaft, in der Forschung oder im Privaten. Um diese Mengen zu organisieren, können die (digitalen) Informationen und Daten über Content-Management-Systeme (CMS) gesammelt, gespeichert, angereichert und dargestellt werden. Diese auch für die Forschung relevanten Daten können dann weitergehend durch semi-automatische Verfahren verknüpft werden. Dadurch werden inhaltliche Zusammenhänge sichtbar und untereinander verlinkt. Dieser Verbund aus Informationserhebung, Datengenerierung und Wissensaufbereitung aus unterschiedlichen Quellen wird als Digitale Kuratierung bezeichnet. Am Beispiel des Forschungsprojekts Qurator, und aus der Perspektive der Staatsbibliothek zu Berlin – Preußischer Kulturbesitz, erhielten die Teilnehmenden der Übung „Digitalisierung historischer Schriftquellen in der Praxis“ einen Überblick über das Projekt sowie die Mittel der Qualitätsverbesserung, Layouterkennung und inhaltlichen Erschließung der stetig wachsenden Datenmengen, aus denen wir auch als Historiker:innen Wissen gewinnen wollen.

„Nadine Butigan / Anica Skibba / Jasper Stange: Digitale Kuratierung“ weiterlesen

Zusätzliche Übung im praxisbezogenen Workshopformat: Natural Language Processing für Historiker:innen mit den Python Frameworks Flair und SpaCy

Für unsere Studierenden im Master-Schwerpunkt “Digital History” bieten wir noch eine zusätzliche Veranstaltung an: Named Entity Recognition und Word Embeddings sind grundlegende Methoden des Natural Language Processing, die auch für die Digital History von zentraler Bedeutung sind, bislang jedoch noch selten verwendet werden.

„Zusätzliche Übung im praxisbezogenen Workshopformat: Natural Language Processing für Historiker:innen mit den Python Frameworks Flair und SpaCy“ weiterlesen