Projektbeschreibung: Unterschied zwischen den Versionen

Aus Kallimachos
Wechseln zu:Navigation, Suche
← Zum vorherigen VersionsunterschiedZum nächsten Versionsunterschied →
DeletedUser (Diskussion | Beiträge)
0 Bearbeitungen
DeletedUser (Diskussion | Beiträge)
0 Bearbeitungen
Zeile 77: Zeile 77:
Dank Benutzerrechteverwaltung und der automatischen Versionierung von Änderungen ist SMW insbesondere auch für die Implementierung von ''Crowdsourcing''-Verfahren geeignet – etwa durch Seminarteilnehmer oder interessierte Hobbyisten.  
Dank Benutzerrechteverwaltung und der automatischen Versionierung von Änderungen ist SMW insbesondere auch für die Implementierung von ''Crowdsourcing''-Verfahren geeignet – etwa durch Seminarteilnehmer oder interessierte Hobbyisten.  
Für weniger komplexe Projekte kann SMW auch direkt als Anzeigeportal weiterverwendet werden. Die bereits mitgelieferten Such- und Abfragemöglichkeiten des Systems eignen sich insbesondere auch für die Umsetzung von Datenbankprojekten.
Für weniger komplexe Projekte kann SMW auch direkt als Anzeigeportal weiterverwendet werden. Die bereits mitgelieferten Such- und Abfragemöglichkeiten des Systems eignen sich insbesondere auch für die Umsetzung von Datenbankprojekten.
<br clear=all>


==Textanalyse==
==Textanalyse==

Version vom 26. Januar 2016, 14:49 Uhr

[bearbeiten]


Projektbeschreibung

KALLIMACHOS führt Geisteswissenschaftler, Informatiker und Bibliothekare in einem regionalen Digital-Humanities-Zentrum zusammen. Die an der Universität Würzburg vorhandenen Kooperationen und Kompetenzen werden durch Partner am DFKI Kaiserslautern (OCR) und an der Universität Erlangen-Nürnberg (Linguistische Informatik) ergänzt.

Unser Aufgabenschwerpunkt liegt auf der Betreuung digitaler Editionen und quantitativer Analyseverfahren aus dem Bereich des Text Mining, z.B. Stilometrie, Topic Modeling und Named Entity Recognition. Wir bieten unseren Projektpartnern die nötige technische und soziale Infrastruktur, die Geisteswissenschaftler bei der Beantwortung von Forschungsfragen auf der Basis digitaler Methoden unterstützt.

Auf der technischen Seite gehören dazu die Entwicklung und Bereitstellung der benötigten Software-Komponenten und das Erarbeiten prototypischer Arbeitsabläufe, die in bereits vorhandene Infrastrukturen integriert werden. Dabei ist uns gerade auch die langfristige Verfügbarkeit, Pflege und Archivierung der Projekte, Portale und Forschungsdaten ein wichtiges Anliegen.

Außerdem fördern wir durch regelmäßige Workshops und Tagungen den Austausch zwischen den regionalen und überregionalen Digital-Humanities-Projekten. Durch Beratungen und Schulungen führen wir Fachleuten ebenso wie dem akademischen Nachwuchs die Möglichkeiten digitaler Methoden zur Bearbeitung von Forschungsfragen vor Augen und bieten methodische, technische und organisatorische Unterstützung.

[bearbeiten]

Prototypische Arbeitsabläufe zur Datenanalyse

Ausgehend von unseren Teilprojekten als Use Cases werden prototypische Abläufe zur Datenanalyse für die Geisteswissenschaften etabliert und für das Zielpublikum verständlich dokumentiert. Im Rahmen unseres eigens entwickelten Workflowmanagementsystems Wüsyphus II können die etablierte Tools zu Arbeitsketten zusammengefügt werden. Diese sollen durch interne und öffentliche Schulungen auch einer größeren Öffentlichkeit im Bereich der Digital Humanities bekannt gemacht werden. Die ermittelten Best-Practice-Implementierungen werden in die Workflows integriert, am Beispiel der Use Cases empirisch validiert und der Forschungsgemeinschaft zur Verfügung gestellt. So wird die das „Nachbauen“ mit eigenen Daten im Rahmen weiterer Projekte vereinfacht.

Nicht alle Punkte der Wüsyphus-II-Workflowkette müssen im Rahmen von KALLIMACHOS durchlaufen werden. So kann es etwa vorkommen, dass für ein Projekt bereits die nötigen Digitalisate vorliegen, womit das Einscannen der physischen Originale nicht nötig ist. Die Planung eines individuellen Projektworkflows ist aber für alle Teilprojekte obligatorisch. Die folgende Grafik zeigt, welche Arbeitsschritte der Workflowkette für unsere Use Cases von Bedeutung sind:

Einscannen der Originale

Das in der Zentralbibliothek der Universät eingerichtete Digitalisierungszentrum stellt die nötige Technik und das Fachpersonal für die Neu- und Ersterstellung von hochwertigen Digitalisaten aus den physischen Originalen zur Verfügung. Auch für schwierige Fälle stehen innovative Lösungen parat: So sind mit einer eigens angefertigten Buchwippe auch Scanarbeiten an Büchern mit einem maximalen Öffnungswinkel bis 60° oder größer möglich und für die Digitalisierung großformatiger Poster steht eine spezielle Unterdruck-Saugwand zur Verfügung.

Metadateneditor

Benutzeroberfläche des Metadateneditors

Der bereits existierende anpassbare Metadateneneditor des Digitalisierungszentrums ermöglicht die zentrale Pflege umfassender vordefinierter Metadatensätze für Handschriften, Inkunabeln, Drucke und Grafiken. Verbesserungen der Web-Performance und der Benutzerführung sind für kommende Erweiterungen des Metadateneditors geplant. Auch die Aufnahme weiterer Datentypen, z.B. für Artefakte und andere Realia, ist für den Ausbau des Metadateneditors vorgesehen.

OCR-Modul

Erstellung von Typentabellen, hier am Beispiel des Teilprojekts Narragonien.

Das OCR-Modul stellt eine automatisierte Vorverarbeitung für die Volltexterstellung zur Verfügung. Auf der Grundlage der Arbeiten und Softwarebausteine des DFKI wird der im Projekt verfolgte Ansatz aus folgenden Schritten bestehen:

  • Integration der bisherigen OCR-Komponenten auf Softwarebene,
  • Training von neuen Zeichensätzen für historische Druck- und Handschriften,
  • Entwicklung von „Wörterbüchern“ für historische Orthographien,
  • Weiterentwicklung der nichtparametrischen Methoden für die Bildvorverarbeitung, Layoutanalyse und Sprachmodellierung.


Synoptischer Editor

Beispiel 1: Der für das Teilprojekt Narragonien entwickelte synoptische Editor zur vereinfachten Korrektur von OCR-Transkriptionen.
Beispiel 2: Der für das Teilprojekt Anagnosis entwickelte synoptische Editor zur Verknüpfung von Glyphen in Bild und im elektronischen Text.

Das Modul bietet ein Framework für Online-Editoren, in denen Texte und Bilder nebeneinander angezeigt, annotiert und über Bild-Text-Links verknüpft werden können. Die Editoren können dabei auf die Anforderungen der jeweiligen Projekte zugeschnitten werden. So wird ein intuitives Web-Editionswerkzeug geschaffen, das auch ohne tiefgreifende Kenntnisse im Bezug auf Textkodierung und XML-Formate eine manuelle Nachkorrektur der Resultate des automatischen Bildanalyse- und OCR-Moduls ermöglicht. Damit wird, in Verbindung mit der Benutzerrechteverwaltung des WÜsyphus II-Workflowsystems, die Einbeziehung von Hilfskräften, Seminarteilnehmern und sogar interessierten "Laien" in Editionsprojekte erleichtert bzw. überhaupt erst möglich gemacht.

Das Modul basiert auf einer Weiterentwicklung der Dreifachlupe mit synchronisierten, zoombaren Bildstreifen für Scan, Transkription und Übersetzung dar, die sich als Präsentationswerkzeug bereits im Rahmen von Virtuellen Bibliothek Würzburg und Franconica Online bewähren konnte. Zusätzlich werden Komponenten des auf Open-Source-Basis verfügbaren CK-Editors ausgebaut. Die entsprechend erweiterte WÜsyphus-Dreifachlupe wird so angepasst, dass sie zusammen mit dem CK-basierten XML-Editor auch in der TextGrid-Weboberfläche verwendet werden kann.

Datenexport und Web-Portale

Die annotierten Texte, Bilder und weitere Datentypen werden je nach Projektanforderung in eine Vielzahl gängiger Export- und Austauschformate überführbar sein. So wird z.B. über TEI-konforme XML-Codierungen auch der Datenaustausch mit dem TextGrid-Repository ermöglicht. Neben den Exportformaten werden für die Projektportale auch individuelle Anzeigelösungen angeboten: Insbesondere das vorgestellte Framework für synoptischen Editoren kann auch zur Erstellung eines synoptischer Viewers für die Web-Präsentation des Projekts genutzt werden. So können etwa die zugrundeliegenden Scans eines Texts, die OCR-Transkription, Übersetzungen, Annotationen und Metadaten parallel angezeigt oder ausgeblendet werden.

[Franconica Online und Virtuelle Bibliothek?]

Semantic MediaWiki

Auf der Basis von Semantic MediaWiki, einer Open-Source-Erweiterung des von Portalen wie Wikipedia bekannten Wiki-Systems, wird eine einfach benutzbare und schnell anpassbare Web-3.0-Komponente zur Bearbeitung, Strukturierung und Präsentation der erfassten Daten zur Verfügung gestellt. Dank Benutzerrechteverwaltung und der automatischen Versionierung von Änderungen ist SMW insbesondere auch für die Implementierung von Crowdsourcing-Verfahren geeignet – etwa durch Seminarteilnehmer oder interessierte Hobbyisten. Für weniger komplexe Projekte kann SMW auch direkt als Anzeigeportal weiterverwendet werden. Die bereits mitgelieferten Such- und Abfragemöglichkeiten des Systems eignen sich insbesondere auch für die Umsetzung von Datenbankprojekten.

Textanalyse

Dieses Modul unterstützt, aufbauend auf den Textanalyse-Use-Cases:

  • die Zusammenstellung eines Korpus zu analysierender Texte aus dem TextGrid-Repository bzw. WÜsyphus u.a. anhand ihrer Metadaten,
  • die Aufbereitung der gewählten Texte mit ihren Metadaten für ihre Analyse mit UIMA,
  • die Durchführung der Analyse und schließlich
  • eine Einbindung der Analyseergebnisse in TextGrid, etwa durch die Rückübertragung von Annotationen durch UIMA nach TEI.


Diese Teilschritte können, ggf. in angepasster Form, auch allgemeiner von anderen Projekten nachgenutzt werden. So sollen langfristig auch Neulinge und "Laien" im Bereich Datenanalyse von den Vorteilen der automatischen Analyseverfahren profitieren, etwa wenn es um die Erkennung grammatischer Fälle oder von Eigennamen in einem Text geht.

Versionierung und Archivierung

Ein entscheidendes und oft vernachlässigtes Kriterium für den Erfolg digitaler Projekte nicht nur in den Geisteswissenschaften ist die abschließende Sicherstellung einer langfristigen Nachvollziehbarkeit und Nachnutzbarkeit der zugrundeliegenden Datenpakete. Für "lebendige", dh. für beständig weitergepflegte und erweiterte und Teilkorpora ist vor allem die Sicherstellung einer angemessenen Versionierung der Daten von entscheidender Wichtigkeit. Zur Versionsverwaltung sind neben den vorgestellten Wiki-Lösungen auch Git-basierte Systeme vorgesehen. Parallel zur stabilen Verfügbarmachung und Versionierung der Daten werden im Rahmen von KALLIMACHOS auch Methoden zu ihrer Langzeitarchivierung implentiert.

[bearbeiten]

Koordination

Zentrum für Philologie und Digitalität

Am Hubland

D-97074 Würzburg

Telefon: 0931/31-80534

E-mail


Partner an der JMU Würzburg

Textmining-Kompetenzen

Lehrstuhl für Künstliche Intelligenz und Angewandte Informatik (Informatik VI)

Arbeitsgruppe Data Mining und Information Retrieval

Am Hubland

D-97074 Würzburg

Tel.: 0931-31 86731


Lehrstuhl für Computerphilologie und Neuere Deutsche Literaturgeschichte

Am Hubland, Bau 8

D-97074 Würzburg

Tel.: 0931-31 88421

E-Mail


Projektgruppe Narragonien digital


Projektgruppe Anagnosis

Institut für Klassische Philologie

Lehrstuhl I (Gräzistik)

Residenzplatz, 2 (Südflügel)

D-97070 Würzburg


Projektgruppe Schulwandbilder digital

Lehrstuhl für Systematische Bildungswissenschaft

Forschungsstelle Historische Bildmedien

Campus Hubland Nord

Oswald-Külpe-Weg 86

D-97074 Würzburg

Tel.: 0931 31 89672

E-mail


Projektgruppe Identifikation von Übersetzern

Institut für Philosophie

Philosophie- und Wissenschaftsgeschichte der griechisch- arabisch- lateinischen Tradition

Residenz - Südflügel

D-97070 Würzburg

Tel. 0931 31 2778
  • Jonathan Maier


Projektgruppe Narrative Techniken

Lehrstuhl für Computerphilologie und Neuere Deutsche Literaturgeschichte

Am Hubland, Bau 8

D-97074 Würzburg

Tel.: 0931-31 88421

E-Mail


Projektgruppe Leserlenkung

Lehrstuhl für Künstliche Intelligenz und Angewandte Informatik (Informatik VI)

Arbeitsgruppe Data Mining und Information Retrieval

Am Hubland

D-97074 Würzburg

Tel.: 0931-31 86731


Lehrstuhl für Computerphilologie und Neuere Deutsche Literaturgeschichte

Am Hubland, Bau 8

D-97074 Würzburg

Tel.: 0931-31 88421

E-Mail
  • Lukas Weimer
  • Luisa Macharowsky


Externe Partner

Professur für Korpuslinguistik (FAU Erlangen-Nürnberg)

Bismarckstr. 6

91054 Erlangen

Tel.: +49 09131 85-29251

E-mail


Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI) GmbH

Forschungsgruppe Wissensmanagement

Trippstadter Straße 122

67663 Kaiserslautern

Tel.: 0631 20575-1000

E-Mail


[bearbeiten]

Zusammenarbeit

Ich habe ein geisteswissenschaftliches Projekt, für das ich gerne mit KALLIMACHOS zusammenarbeiten würde. Wen soll ich kontaktieren und wann können wir anfangen?

  • Zur Zeit befindet sich KALLIMACHOS noch in der Aufbauphase, d.h. dass wir in Zusammenarbeit mit den derzeitigen Teilprojekten ein Workflowsysten aufbauen, das für eine große Bandbreite geisteswissenschaftlicher Projekte nachgenutzt werden kann. 2017 wird diese Phase abeschlossen sein und das System für weitere Projekte zur Verfügung stehen. Gerne können Sie aber auch schon vorher mit uns Kontakt aufnehmen und ihre Pläne mit uns besprechen. Anfragen richten Sie am besten direkt an den Projektleiter Dr. Hans-Günter Schmidt oder an kallimachos@bibliothek.uni-wuerzburg.de


Brauchen wir eigene DH-Kompetenzen, um ein digitales Projekt bei KALLIMACHOS zu starten?

  • Natürlich schadet zusätzliche Expertise hier nicht, der Grundgedanke von KALLIMACHOS ist aber, eine digitale Infrastruktur auch für weniger computeraffine Lehrstühle und Forschungsgruppen zur Verfügung zu stellen. Die benutzerangepassten Tools des Workflowsystems sollen den Geisteswissenschaftlern ermöglichen, sich ganz auf den Forschungsprozess zu konzentrieren – auch ohne sich vertieft in die Spezifika von XML-Kodierung, Datenbankarchitektur, OCR-Verfahren usw. einzuarbeiten.


Eigentlich müssen wir für unser Projekt gar nichts mehr digitalisieren, sondern können direkt mit vorliegenden Daten weiterarbeiten. Ist das noch ein Fall für KALLIMACHOS?

  • Ihr Projekt muss nicht die gesamte Workflowkette von Anfang an durchlaufen, sondern kann an einem beliebigen "Kettenglied" einsetzen. Wenn bereits Bilder, digitale Texte oder sogar ganze Editionen vorliegen, werden die Folgeschritte der Workflowkette auch auf diese Daten anwendbar sein.


Eigentlich brauchen wir nur Digitalisate und e-Texte, die weiteren Schritte der Workflowkette sind für unser Projekt nicht relevant. Ist das noch ein Fall für KALLIMACHOS?

  • Umgekehrt muss ihr Projekt die Workflowkette nicht bis zum Ende durchlaufen. Auch reine Digitalisierungs- und OCR-Projekte ohne die weitere Analyse und Präsentation der Daten sind vorgesehen.


Eigentlich ist unser Projekt schon abgeschlossen, aber wir suchen eine dauerhafte Lösung für die Web-Anzeige und die Archivierung. Ist das noch ein Fall für KALLIMACHOS?

  • Auch solche Fälle sind in der KALLIMACHOS-Workflowkette explizit vorgesehen: Unsere Portallösungen (Semantic MediaWiki und der Synoptische Viewer) und der Baustein Archivierung werden auch für bereits abgeschlossene oder nur noch unregelmäßig weitergepflegte Projekte nutzbar sein. So kann dem Problem der oft begrenzten "Halbwertszeit" kleinerer Digitalisierungsprojekte entgegengewirkt werden.


Was ist mit den weiteren Dienstleistungen des Digitalisierungszentrums?

  • Weitere Dienstleistungen des DZ wie z.B. die Erstellung der elektronischen Semesterapparate (ESA) oder Repro-Dienste sind nicht Teil des Koordinationsprojekts KALLIMACHOS. Diese Angebote und die dazugehörigen Möglichkeiten zur Kontaktaufnahme finden sie hier.

Räumlichkeiten

Wo finde ich das Digitalisierungszentrum?

  • Seit dem Sommersemester 2015 befindet sich das Digitalisierungszentrum im 3. Stock der Zentralbibliothek auf der von Treppe bzw. Aufzug aus gesehen rechten Seite (ehem. Räumlichkeiten des Instituts für Hochschulkunde). Gegenüber liegt der Lesesaal der Sondersammlung Handschriften, dort befindet sich das Büro des Projektleiters (Raum 305) und der für größere Runden genutzte Besprechungsraum 303. Bitte beachten Sie, dass i.d.R. keine Taschen und Mäntel in die Lesesäle der ZB mitgenommen werden dürfen. Schließfächer finden sie rechts vom Haupteingang.

Begriffliches

Was bedeutet die Abkürzung OCR?

  • OCR steht für Optical Character Recognition, d.h. die automatische Erkennung von Buchstaben und Texten in digitalen Bildern und darauf aufbauend die Erstellung eines maschinenlesbaren Texts. OCR-Verfahren werden z.B. im Teilprojekt Narragonien zum Einsatz gebracht.


Was bedeutet Text Mining?

  • Beim Text Mining werden schwach strukturierte Texte mithilfe statistischer und linguistischer Computeralgorithmen automatisch erschlossen, um auch ohne vorheriges Lesen des Textes Informationen über deren Inhalt zu erhalten und auszuzeichnen, etwa das Genre, die Themen und die Figuren eines literarischen Texts. Für die Erschließung großer Textkorpora sind Text-Mining-Verfahren von wachsender Bedeutung. Im Teilprojekt Leserlenkung in Bezug auf Figuren werden z.B. Verfahren erprobt, die das Personal literarischer Texte automatisch erkennen sollen (sog. Named Entity Recognition).


Was ist der Zweck von Stilometrie?

  • Genres, Autoren, Übersetzer, Epochen, literarische Vorbilder und andere Spezifika von Texten hinterlassen in Form von bestimmten Wort- und Phrasenhäufungen statistische Signale im Text. Diese lassen sich mithilfe stilometrischer Verfahren erkennen und zur Hypothesenbildung verwenden. Stilometrische Verfahren werden z.B. im Teilprojekt Identifikation von Übersetzern verwendet, um die Identität anonymer Übersetzer lateinischer Texte aus dem Arabischen aufzudecken.


Abgerufen von „https://kallimachos.de/index.php?title=Projektbeschreibung&oldid=1082“