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)“ weiterlesenBericht zum Workshop – Natural Language Processing für Historiker:innen mit den Python Frameworks Flair und SpaCy
Die verschiedenen Verfahren des Natural Language Processing gehören schon länger zum Handwerkszeug der Digital History. Hierzu zählen auch die Methoden der Named Entity Recognition (NER) und Word Embeddings, die für geschichtswissenschaftliche Anwendungen besonders vielversprechend sind. Doch finden sie bislang nur sehr eingeschränkt Verwendung. Um diese Methoden der digitalen Textanalyse den Studierenden des Master-Schwerpunkts “Digital History” näherzubringen, bot der Lehrstuhl für Digital History in der vorlesungsfreien Zeit eine zusätzliche Übung als 3-tägigen Workshop an. Unter dem Titel Natural Language Processing für Historiker:innen mit den Python Frameworks Flair und SpaCy widmeten sich Studierende, Mitarbeiter:innen der Digital History und weitere Kolleg:innen gemeinsam der Frage, welche Möglichkeiten die NLP-Methoden Named Entity Recognition und Word Embeddings für die Geschichtswissenschaften bieten können und wie man sie konkret einsetzen kann. Hierfür wurden die State-of-the-Art NLP-Bibliotheken flair und SpaCy ausgewählt, um gemeinsam in kurzen Übungen deren Potenziale und Möglichkeiten für die Digital History auszuloten. Im Laufe des Workshops konnten die Teilnehmer:innen an bereitgestellten Beispielen und eigenen Projekten die beiden Python Bibliotheken kennenlernen und austesten, lernten aber auch die Grenzen der ausgewählten Methoden und deren Umsetzung in den verschiedenen Frameworks kennen.
„Bericht zum Workshop – Natural Language Processing für Historiker:innen mit den Python Frameworks Flair und SpaCy“ weiterlesenJens Aurich: The labour movement through the eyes of the press: Collecting data on strike events from German historical newspapers (1880-1890) (MA-Arbeit)
In 1975, the three historians Charles, Louise and Richard Tilly published The Rebellious Century 1830-1930, containing time-series data on strikes and violent uprisings in the German states. The data is based on a manual review of articles from two major German newspapers of the time and was stored on punch cards.
„Jens Aurich: The labour movement through the eyes of the press: Collecting data on strike events from German historical newspapers (1880-1890) (MA-Arbeit)“ weiterlesenDominique 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