Archiv der Kategorie: Korpora

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

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Natural Language Processing for Historical Documents – a workshop report

Experts on NLP tools for working with historical documents met in Berlin in September for a CLARIN workshop to exchange ideas, experiences about tools and methods.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

Immer noch gilt: Nur im Wörterbuch steht „Erfolg“ vor „Fleiß“ – Briefwechsel Daniel Sanders

Bildnis Daniel Sanders; gestaltet von Victoria J. Steiner.1

Im November 2017 begann die Veröffentlichung des Sanders’schen Briefwechsel auf den Seiten des Deutschen Textarchivs (DTA). Innerhalb diesen Zeitraums sind bis heute (Stand Juni 2019) 182 Briefe veröffentlicht worden. Die Gesamtzahl der ermittelten Autographen beläuft sich mittlerweile auf 432 aus 41 Archiven.2 Besonders erfreulich ist es, dass — trotz des als verschollenen geltenden Nachlasses von Sanders — einige an ihn adressierte Autographen ausfindig gemacht werden konnten.

Immer noch gilt: Nur im Wörterbuch steht „Erfolg“ vor „Fleiß“ – Briefwechsel Daniel Sanders weiterlesen

  1. https://vjsillustration.wordpress.com/ []
  2. Eine vollständige Übersicht aller Briefe von und an Sanders findet sich unter http://www.deutschestextarchiv.de/sanders-briefe/ []

Eintauchen in die Komplexität der Tech-Blog-Sphäre

Wir nehmen an, dass die Tech-Blog-Sphäre eine Avantgarde von technologisch und sozial interessierten Experten darstellt, und beschreiben hier einen experimentellen Rahmen, um ihren Beitrag zur öffentlichen Diskussion von Themen an der Schnittstelle von Technologie und Gesellschaft zu untersuchen. Hierfür bringen wir unterschiedliche disziplinäre Ansätze auf einer gemeinsamen Basis von Texten und Werkzeugen zusammen. Der erste Ansatz kommt aus dem Bereich der Korpus- und Computerlinguistik (BBAW), während der zweite aus der Forschung über die Auswirkungen von digitalen Medien auf demokratische Prozesse und Institutionen herrührt (GHI/RRCHNM).

Die im Folgenden beschriebene Zusammenarbeit verfolgt zwei Hauptziele:

  1. Die Erstellung einer Textgrundlage (Deutsch und Englisch) aus einer kuratierten Liste von Blogs zu technologischen Themen für die lexikographische und sprachliche Forschung, sowie
  2. Die Durchführung von exemplarischen Studien mit dem zusammengestellten Korpus, die sich auf spezifische Forschungsfragen zum öffentlichen Diskurs über Internetpolitik in Deutschland und den Vereinigten Staaten konzentrieren.

Eintauchen in die Komplexität der Tech-Blog-Sphäre weiterlesen

Suche nach substantivierten Verben in den DWDS-Korpora

Anhand einer Beispielabfrage soll hier demonstriert werden, wie die Möglichkeiten der Suchmaschine im DWDS genutzt werden können, um auch „schwierigere“ Abfragen gut zu lösen.

Gesucht werden soll nach Wendungen wie

  • „bin am Gehen“
  • „ist am Kommen“
  • „war am Aufräumen“

Also: „Form von sein“ + „am“ + „substantivierter Infinitiv“. Suche nach substantivierten Verben in den DWDS-Korpora weiterlesen