Zum neuen Jahr neue Zeitungsquellen im ZDL-Regionalkorpus

Autoren: Alexander Geyken und Andreas Nolda

Seit dem 4. Januar 2021 sind im ZDL-Regionalkorpus des Zentrums für digitale Lexikographie der deutschen Sprache zusätzliche Zeitungsquellen verfügbar, die bisher unterrepräsentierte Areale oder Zeiträume abdecken. In den sechs Spracharealen (D-Nordwest bis D-Südost), die gegenwärtig vom ZDL-Regionalkorpus abgedeckt werden, können nunmehr 26 Zeitungsquellen recherchiert werden. Der Bestand des ZDL-Regionalkorpus wächst damit um gut 2 Mrd. Tokens auf ca. 8,65 Mrd. Tokens in 30 Mio. Dokumenten.

Für die Einräumung der Nutzungsrechte, die den angemeldeten Nutzerinnen und Nutzern des DWDS Korpusrecherche in diesen Zeitungsquellen ermöglicht, möchten wir uns bei allen unten genannten Zeitungsverlagen bedanken. Ein besonderer Dank geht an die GBI-Genios Deutsche Wirtschaftsdatenbank GmbH, die die in Corona-Zeiten bisweilen langwierigen Rechteverhandlungen mit den Zeitungsverlagen sehr zielgerichtet und im Sinne der Nutzerinnen und Nutzer des DWDS geführt hat und für die digitale Bereitstellung der Quellen der unten aufgeführten Zeitungen sorgt (außer der Süddeutschen Zeitung). Schließlich möchten wir uns bei der Dokumentations- und InformationsZentrum München GmbH für die Einräumung der Nutzungsrechte sowie die Bereitstellung der digitalen Daten der Süddeutschen Zeitung bedanken.    

Zur Anmeldung für die Recherche im ZDL-Regionalkorpus: https://www.dwds.de/r/?corpus=regional.

Zum neuen Jahr neue Zeitungsquellen im ZDL-Regionalkorpus weiterlesen

Die Webkorpora im DWDS: Jahresrückblick

Mit Hilfe großer Korpora können Hypothesen über die Verwendung lexikalischer Einheiten empirisch belegt werden. Das DWDS bietet dafür, neben den zeitlich und in Bezug auf Textsorten ausgewogenen Referenzkorpora und den Zeitungskorpora, eine Reihe von allgemeinen und spezialisierten Korpora an. Letztere heben sich hinsichtlich ihres Gegenstandes oder ihrer sprachlichen Charakteristika von den erstgenannten Korpora ab.

Wie aber werden für das Webkorpus relevante Webseiten “entdeckt”? Es gibt derzeit kein umfassendes Verzeichnis von Webseiten oder Blogs, von dem man für die Zusammenstellung einer solchen Textsammlung ausgehen könnte. Es bedarf also maschineller Methoden, das Web wird via Webcrawling erkundet und Funde im Anschluss in Bezug auf ihre Qualität bewertet. Bei diesem Vorgehen streben wir über die Integration statistischer Merkmale und über formale Kontrollen an, ein Gleichgewicht hinsichtlich des Inhalts zu gewährleisten. Auf diese Weise haben wir die Webkorpora im DWDS auch im Jahr 2020 massiv erweitern und umstrukturieren können. Dieser Blogeintrag möchte die wichtigsten Änderungen und Neuerungen zusammenfassen.

Die Webkorpora im DWDS: Jahresrückblick weiterlesen

Virtuelles DH-Kolloquium am 4.12.2020: „Dynamische Formate im DWDS“

Am Freitag, dem 4. Dezember 2020, von 17 Uhr bis ca. 19 Uhr, findet erneut das virtuelle DH-Kolloquium der BBAW statt. Diesmal werden PD Dr. Alexander Geyken und Julia Naji (beide Berlin-Brandenburgische Akademie der Wissenschaften) die neuen dynamischen Formate des Digitalen Wörterbuchs der Deutschen Sprache (DWDS) vorstellen.

Der Vortrag wird vorab aufgezeichnet und rechtzeitig vor Beginn des Kolloquiums bereitgestellt. Der Link zum Vortrag wird parallel auf Twitter (@DHBBAW) sowie im Channel „berlin_dhberlin“ auf der Plattform discord (⇒ Einladungslink: https://discord.gg/sw4D5NN) gepostet.

Weitere Informationen zur Veranstaltung sowie das Abstract zum Vortrag finden Sie unter: https://dhd-blog.org/?p=14696

Näheres zur Veranstaltungsreihe erfahren Sie unter: https://www.bbaw.de/bbaw-digital/digital-humanities/aktivitaeten-und-veranstaltungen/dh-kolloquium

Heute: Virtuelles DH-Kolloquium zum Thema: „Redewiedergabe“

Am heutigen 13. November 2020, von 17 Uhr bis ca. 19 Uhr, findet erneut das virtuelle DH-Kolloquium der BBAW statt, diesmal mit Referentin Dr. Annelen Brunner (Leibniz-Institut für Deutsche Sprache Mannheim) und dem Thema: „Redewiedergabe – Korpusressourcen & Automatische Erkenner“.

Der Vortrag wurde vorab aufgezeichnet und kann unter https://vimeo.com/477623161 angesehen werden. Ab 17 Uhr findet dann heute die Diskussion zum Vortrag im Channel „berlin_dhberlin“ auf der Plattform discord (⇒ Einladungslink: https://discord.gg/sw4D5NN) statt.  Seien Sie herzlich eingeladen, dort mitzudiskutieren!

Weitere Informationen zur Veranstaltung finden Sie unter: https://dhd-blog.org/?p=14587

Näheres zur Veranstaltungsreihe erfahren Sie unter: https://www.bbaw.de/bbaw-digital/digital-humanities/aktivitaeten-und-veranstaltungen/dh-kolloquium

Digitalisierung, Aufbereitung und Annotation des Friedhofsregister der jüdischen Gemeinde zu Strelitz (1740–1923)

Der folgende Artikel erläutert die einzelnen Schritte, die angewandt wurden, um das Friedhofsregister der jüdischen Gemeinde zu Strelitz so aufzubereiten, dass es volltextdurchsuchbar, maschinenlesbar, XML-annotiert und im Ausgangsformat als TEI/XML sowie ALTO verfügbar ist. Am Ende stehen zwei „Produkte“: Einerseits die Ansicht des TEIs im Deutschen Textarchiv, zur Korrektur und vollen Nutzbarkeit des TEI; andererseits die Ansicht im DFG-Viewer mittels generierter METS, zur zeilengenauen Ansicht des transkribierten Textes.
Digitalisierung, Aufbereitung und Annotation des Friedhofsregister der jüdischen Gemeinde zu Strelitz (1740–1923) weiterlesen

Neues Korpus zur Sprache des 20. Jahrhunderts: Das „Archiv der Gegenwart“

Seit Ende Oktober 2020 steht auf der DWDS-Plattform mit dem Archiv der Gegenwart (AdG) ein weiteres Korpus für Recherchen zur deutschen Sprache des 20. Jahrhunderts zur Verfügung. Der Zugang zur Recherche ist dank der freundlichen Nutzungsgenehmigung von Edition Lempertz/Brandenburgisches Verlagshaus ohne Anmeldung möglich. Für die Anzeige von mehr als einem Kontextsatz ist eine Anmeldung erforderlich.

Neues Korpus zur Sprache des 20. Jahrhunderts: Das „Archiv der Gegenwart“ weiterlesen

Neubearbeitung des Deutschen Wörterbuchs von Jacob Grimm und Wilhelm Grimm

Mit Abschluss des Projekts (Retro-)Digitalisierung und Internetpublikation der Neubearbeitung des Deutschen Wörterbuchs von Jacob Grimm und Wilhelm Grimm ist dieses Wörterbuch nun auch auf der DWDS-Webseite eingebunden. In Zusammenarbeit des Trier Center for Digital Humanities, der Akademie der Wissenschaften zu Göttingen und der Berlin-Brandenburgischen Akademie der Wissenschaften wurde diese Ressource im Zeitraum von 2016 bis 2020 elektronisch aufbereitet und steht nun frei auf den jeweiligen digitalen Plattformen für die Recherche zur Verfügung.

Neubearbeitung des Deutschen Wörterbuchs von Jacob Grimm und Wilhelm Grimm weiterlesen

Über bereichernde Anreicherung. Wechselseitige Annotation von Dramen als Subkorpus der Digitalen Bibliothek zwischen Zeno.org, TGRep, GerDraCor und DTA

Autoren: Marius Hug, Matthias Boenig, Yannic Bracke, Frank Fischer, Susanne Haaf, Christian Thomas

Intro

Im folgenden Beitrag soll gezeigt werden, wie deutschsprachige Dramen aus den zwei Textsammlungen TextGrid Repository (TGRep) und German Drama Corpus (GerDraCor) unter Einbeziehung von Metadaten aus einer externen Katalogdatei in das Basisformat des Deutschen Textarchivs (DTABf) transformiert werden. Die Dramen stellen im TGR ein Subkorpus der „Digitalen Bibliothek“ dar und wurden, wie auch der Metadatenkatalog, ursprünglich von zeno.org publiziert. Dieser UseCase mit dem Ziel der gegenseitigen Bereicherung wurde im Rahmen des CLARIAH-DE-Projektes realisiert.

Über bereichernde Anreicherung. Wechselseitige Annotation von Dramen als Subkorpus der Digitalen Bibliothek zwischen Zeno.org, TGRep, GerDraCor und DTA weiterlesen

Erweiterung der Korpora im DWDS um die Rubrik „Metakorpora“

Mit einem Update vom 7. Mai 2020 wurden die Korpora im DWDS um die Rubrik Metakorpora erweitert. In einem Metakorpus sind mehrere Einzelkorpora gebündelt. Der Vorteil aus Nutzer/innen-Sicht besteht darin, dass thematisch verwandte Einzelkorpora über das entsprechende Metakorpus mit nur einer einzigen Suchanfrage durchsucht werden können. Im Einzelnen: Erweiterung der Korpora im DWDS um die Rubrik „Metakorpora“ weiterlesen

Ins Netz gegangen. Datenkuration im Deutschen Textarchiv am Beispiel der „Meerwunder“-Edition

– ein Beitrag von Nora Ketschik (Universität Stuttgart) und Christian Thomas (BBAW)

Die Erzählung vom „Meerwunder“

Das „Meerwunder“ ist eine im Nürnberger Raum überlieferte Erzählung aus dem 15. und 16. Jahrhundert, die in drei Fassungen in einem Editionsprojekt der Universität Stuttgart erschlossen und ediert worden ist. Im vorliegenden Beitrag möchten wir die Editionsgeschichte der drei „Meerwunder“-Texte vor dem Hintergrund ihrer jeweiligen Überlieferungssituation genauer erläutern und ein Best Practice-Verfahren für die digitale Aufbereitung von Textsammlungen vorstellen.

Ins Netz gegangen. Datenkuration im Deutschen Textarchiv am Beispiel der „Meerwunder“-Edition weiterlesen

Neu im DWDS: Das ZDL-Regionalkorpus

Ab dem 5. März 2020 ist auf der DWDS-Plattform das ZDL-Regionalkorpus des Zentrums für digitale Lexikographie der deutschen Sprache verfügbar, mit dessen Hilfe regionale Variation im deutschen Gebrauchsstandard untersucht werden kann. In der aktuellen Version ist das Korpus mit 6,2 Mrd. Tokens in 20,8 Mio. Dokumenten nun das größte recherchierbare Korpus auf der DWDS-Plattform. Aus lizenzrechtlichen Gründen ist das Korpus erst nach Anmeldung nutzbar; die Anmeldung ist jedoch unkompliziert und ohne Kosten.

Zur Anmeldung für die Recherche im ZDL-Regionalkorpus: https://www.dwds.de/r/?corpus=regional.

Neu im DWDS: Das ZDL-Regionalkorpus weiterlesen

Digillu-Workshop: Zusammenstellung und Erschließung von Korpusdaten

Beschreibung

Methoden zur Zusammenstellung und Erschließung von Texten werden nicht nur in der Linguistik, sondern allgemein in den Geisteswissenschaften und jenseits von fachlichen Grenzen vielseitig eingesetzt, nicht zuletzt seit dem empirical turn. Ohne maschinell gestützte Herangehensweisen sind manche Textsammlungen nicht mehr produktiv für die Forschung zu greifen, zu überprüfen oder zu durchleuchten. Es wird nicht mehr nur gelesen, es wird immer häufiger auch eingelesen, wobei diese Entwicklung und die damit einhergehenden Denkverfahren, Arbeitsschritte und Standards hinterfragt und eingeordnet werden sollten.

Digillu-Workshop: Zusammenstellung und Erschließung von Korpusdaten weiterlesen

Photograph of the Workshop

Natural Language Processing for Historical Documents – a workshop report

Experts on NLP tools for working with historical documents met in Berlin in September for a CLARIN workshop to exchange ideas, experiences about tools and methods. The outputs included a draft resource guide, and a plan of action to integrate more tools into the CLARIN infrastructure.

The main goal of the workshop was produce a guide to software applications for processing historical language varieties, a document which will help users to find, understand, choose and deploy natural language processing software applications for the annotation and analysis of texts in historical language varieties. The guide will be published alongside the existing ‘Resource Families’ guides to datasets (https://www.clarin.eu/resource-families). The workshop took place at the BBAW in Berlin, and was organized by Martin Wynne (Bodleian Libraries, University of Oxford), Bryan Jurish (ZDL, BBAW) and Christian Thomas (CLARIN-D, BBAW).

Natural Language Processing for Historical Documents – a workshop report weiterlesen

Neues DTAE-Korpus startet mit Frauenbriefen des frühen 18. Jahrhunderts

Das DTAE-Korpus „UrMEL“

An der Friedrich-Schiller-Universität Jena ist in den letzten Jahren ein Editionenportal entwickelt worden, das am 10. September in einer Beta-Version online geschaltet wird.1 Das Portal wird mittelfristig alle bisherigen und zukünftigen  Quelleneditionen aus dem reichen Bestand der digitalen Bibliothek (UrMEL2) der Thüringer Universitäts- und Landesbibliothek Jena (ThULB) gemeinsam präsentieren und erforschbar machen. Es ist darüber hinaus als umfassende Editionsarbeitsumgebung angelegt, die einen breiten Workflow von der Erstellung, über die Publikation bis hin zur Erforschung und  Langzeitspeicherung abdecken wird.

Ausgewählte transkribierte Quellen der digitalen Bibliothek sollen in Zukunft als DTAE-Teilkorpus „UrMEL‟ auch im Deutschen Textarchiv verfügbar werden. Diese Kooperation wird mit einem Quellenkorpus beginnen, das pars pro toto für eine enorme Menge an in der historischen Forschung allgemein und in den Digital Humanities speziell bis dato stark vernachlässigten Zeugnissen steht, den Quellen weiblicher Verfasser.3 Die ersten Texte, aus der Feder Erdmuthe Benignas von Reuß-Ebersdorf, sind bereits im DTA verfügbar: http://www.deutschestextarchiv.de/search/metadata?corpus=urmel. Für eine möglichst breit aufgestellte Erforschung deutscher Sprachgeschichte ist dieses Quellenkorpus noch in weiterer Hinsicht relevant. Es handelt es sich um Briefe einer hochadligen Frau aus dem frühen 18. Jahrhundert, die sich durch ein hohes Maß an fehlender sprachlicher Normiertheit, individuellen Eigenheiten und regionalen Einflüsse auszeichnen. Dadurch werden nicht zuletzt auch dringende Bedarfe in und Herausforderungen für die Digital Humanities sichtbar. Neues DTAE-Korpus startet mit Frauenbriefen des frühen 18. Jahrhunderts weiterlesen