Historische Medien wie Zeitungen und Radio spiegeln die Werte- und Wissenshorizonte vergangener Zeiten wider. Für ihre Erforschung werden auch zunehmend Methoden des maschinellen Lernens genutzt. In den letzten Jahren sind neben Volltextsuchen weitere Methoden hinzugekommen: Topic modeling, Bildähnlichkeitsanalysen, Text Reuse Detection, Spracherkennung, oder Word Embeddings eröffnen jeweils neue Zugänge zu großen Textsammlungen. Realisiert werden solche semantischen Anreicherungen von zumeist interdisziplinär besetzten Teams, die in enger Abstimmung an technischen Infrastrukturen, Methoden, Bedarfsanalysen und den Interaktionsmöglichkeiten mit den angereicherten Daten arbeiten.
„Marten Düring: Historische Medien und Maschinelles Lernen. Vom Zusammenspiel von Infrastrukturen, Methoden und Akteuren“ weiterlesenZusätzliche 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