Janis Pagel

Zusammenfassung

In diesem Beitrag stellen wir eine Methode vor, um Informationen über Figurenrelationen in dramatischen Texten, die innerhalb der dramatis personae (Figurenverzeichnis) sprachlich kodiert sind, zu extrahieren und maschinenlesbar im TEI/XML vorzuhalten Das Verfahren ist auch für in Zukunft digitalisierte Dramen anwendbar, und wird von uns als quelloffene Software zur Verfügung gestellt. Es ist vergleichsweise einfach auf neue Sprachstufen oder Genres anpassbar und liefert eine gute Vorlage. Eine Evaluation des Verfahrens erfolgt auf ungesehenen Testdaten. Außerdem veröffentlichen wir einen Datensatz mit extrahierten Figurenrelationen aus deutschsprachigen Dramen, die manuell validiert und korrigiert wurden. Diese Daten werden zur einfachen und breiten Nutzung im TEI-Format in das GerDraCor eingespeist. Schlussendlich beschreiben wir beispielhaft zwei Analyseszenarien in denen die Daten neue Einblicke bieten (können).

Zusammenfassung

Dramatic texts are a highly structured literary text type. Their quantitative analysis so far has relied on analysing structural properties (e.g., in the form of networks). Resolving coreferences is crucial for an analysis of the content of the character speech, but developing automatic coreference resolution (CR) systems depends on the existence of annotated corpora. In this paper, we present an annotated corpus of German dramatic texts, a preliminary analysis of the corpus as well as some baseline experiments on automatic CR. The analysis shows that with respect to the reference structure, dramatic texts are very different from news texts, but more similar to other dialogical text types such as interviews. Baseline experiments show a performance of 28.8 CoNLL score achieved by the rule-based CR system CorZu. In the future, we plan to integrate the (partial) information given in the dramatis personae into the CR model.

Zusammenfassung

Der Vortrag stellt einen Versuch vor, Figurenpräsenz in dramatischen Texten auch als “passive Präsenz” zu modellieren, d.h. greifbar zu machen, dass gerade auf Hauptfiguren auf sehr unterschiedliche Weise referiert wird, wenn diese gerade nicht selbst handeln. Dazu stellen wir eine Operationalisierung von „passiver Präsenz“ vor und vergleichen die aktive und passive Präsenz von Hauptfiguren in unterschiedlichen dramatischen Gernres und Epochen. Die identifizierbare gattungsspezifische Präsenzgestaltung von Hauptfiguren lässt auf grundlegend divergierende Bauprinzipien dramatischer Text schließen. Da diese Unterschiede beim linearen Lesen jedoch kaum sichtbar sind, möchte dieser Forschungsbeitrag als Argument für die Erweiterung der qualitativ-interpretierenden Dramenanalyse durch quantitative Methoden verstanden werden.

Zusammenfassung

Dieser Artikel behandelt die Operationalisierung von Figurentypen im deutschsprachigen Drama. Ausgehend von der dramen- und theatergeschichtlichen Forschung werden Figuren bestimmt, die einem der drei Figurentypen ›Intrigant*in‹, ›tugendhafte Tochter‹ und ›zärtlicher Vater‹ entsprechen. Für die Figuren wurden eigenschaftsbasierte Datensätze erstellt, die zu ihrer automatischen Klassifikation herangezogen werden. Neben die inhaltliche Komplexität von Figuren und die theoretische Bestimmung von Figurentypen tritt die methodische Herausforderung, ausgehend von einer kleinen Menge an Annotationen zu generalisieren. Unsere Experimente zeigen, dass sich die gewählten Typen jeweils innerhalb einer Grundgesamtheit als abgrenzbare Teilmengen herausbilden.

Zusammenfassung

We present work in progress on the temporal progression of compositionality in noun-noun compounds. Previous work has proposed computational methods for determining the compositionality of compounds. These methods try to automatically determine how transparent the meaning of the compound as a whole is with respect to the meaning of its parts. We hypothesize that such a property might change over time. We use the time-stamped Google Books corpus for our diachronic investigations, and first examine whether the vector-based semantic spaces extracted from this corpus are able to predict compositionality ratings, despite their inherent limitations. We find that using temporal information helps predicting the ratings, although correlation with the ratings is lower than reported for other corpora. Finally, we show changes in compositionality over time for a selection of compounds.

Zusammenfassung

Der Idee einer quantitativen und zugleich multidimensionalen Einteilung dramatischer Figuren folgend versuchen wir Titelfiguren im deutschsprachigen Drama automatisch zu bestimmen. Dazu fassen wir das Problem als Klassifikationsaufgabe, die mit maschinellen Lernverfahren bearbeitet wird. Als Features nutzen wir die gesprochenen Tokens der Figuren, deren Bühnenpräsenz, Netzwerkmetriken, Topic Modeling und einige Metadaten. Wir können zeigen, dass unser multidimensionales Modell sinnvolle Ergebnisse für die Klassifikation titelgebender Figuren liefert: MCC 0.66. Titelfiguren werden sehr zuverlässig erkannt (Recall 1.00), das Modell neigt jedoch zur Übergeneralisierung. Wir evaluieren diese Klassifikationsergebnisse anhand von Lessings „Emilia Galotti“.

Zusammenfassung

In computational linguistics (CL), annotation is used with the goal of compiling data as the basis for machine learning approaches and automation. At the same time, in the Humanities scholars use annotation in the form of note-taking while reading texts. We claim that with the development of Digital Humanities (DH), annotation has become a method that can be utilized as a means to support interpretation and develop theories. In this paper, we show how these different annotation goals can be modeled in a unified workflow. We reflect on the components of this workflow and give examples for how annotation can contribute additional value in the context of DH projects.

Zusammenfassung

Bridging resolution is the task of recognising bridging anaphors and linking them to their antecedents. While there is some work on bridging resolution for English, there is only little work for German. We present two datasets which contain bridging annotations, namely DIRNDL and GRAIN, and compare the performance of a rule-based system with a simple baseline approach on these two corpora. The performance for full bridging resolution ranges between an F1 score of 13.6\% for DIRNDL and 11.8\% for GRAIN. An analysis using oracle lists suggests that the system could, to a certain extent, benefit from ranking and re-ranking antecedent candidates. Furthermore, we investigate the importance of single features and show that the features used in our work seem promising for future bridging resolution approaches.

Zusammenfassung

In this paper, we aim at identifying protagonists in plays automatically. To this end, we train a classifier using various features and investigate the importance of each feature. A challenging aspect here is that the number of spoken words for a character is a very strong baseline. We can show, however, that a) the stage presence of characters and b) topics used in their speech can help to detect protagonists even above the baseline.

Zusammenfassung

In den Literaturwissenschaften koexistieren verschiedene Perspektiven auf Protagonisten, Helden oder Hauptfiguren dramatischer Texte, die unterschiedliche Definitionen und Identifikationsstrategien der Figuren veranschlagen. Grundsätzlich lassen sich die meisten dieser Definitionen in ein Set computerlesbarer Figureneigenschaften übersetzen. Figuren, die diesen Merkmalen entsprechen, können dann etwa als Protagonisten des Dramas klassifiziert und von anderen Figuren (wie etwa Nebenfiguren) unterschieden werden. Eine solche Klassifikationsaufgabe ist das zentrale Anliegen des Beitrags. Ein Teilproblem stellt dabei die Erkennung von titelgebenden Figuren dar, die zwar mit der Protagonistenklassifikation verwandt ist, aber eigene Voraussetzungen mit sich bringt. Wir nähern uns beiden Aufgaben zunächst theoretisch und schlagen eine eigene Protagonistendefinition vor, die sich zum Zweck einer automatischen Klassifikation operationalisieren lässt, die aber dennoch bestehende literaturwissenschaftliche Forschung aufgreift und an deren Definitionen anschließt. Ein manueller Annotationsversuch zeigt gleichwohl, dass Definitionen dieser Art nur begrenzt intersubjektivierbar sind. Mithilfe von verschiedenen Features wie Tokenzahl von Figuren, Topic Modeling und Netzwerkmaßen trainieren wir anschließend einen Random Forest Classifier, der Figuren automatisiert in Protagonisten und Nicht-Protagonisten, bzw. Titelfiguren und Nicht-Titelfiguren aufteilt. Die Ergebnisse zeigen, dass Protagonisten und Titelfiguren aufgrund ihrer meist herausgehobenen Stellung im Drama tatsächlich sehr sicher mit einfachen Features zu erkennen sind. Eine abschließende Analyse der Klassifikation einzelner Figuren am Beispiel von Die Verschwörung des Fiesko zu Genua, Maria Stuart und Emilia Galotti schließt an die literaturwissenschaftliche Perspektive an und macht deutlich, dass Machine Learning Modelle interessante Ausgangspunkte für tiefergehende Überlegungen zu Protagonisten und Titelfiguren bereithalten. Within literary studies, there is a coexistence of different perspectives on protagonists, heroes or main characters in dramatic texts, which provide different definitions and strategies for the identification of those characters. Essentially , most of these definitions can be translated into a set of machine-readable character traits. Characters that correspond to these traits may then be classified as protagonists of the drama in question, and be distinguished from other characters (e.g. minor, secondary, supporting characters). Designing an applicable classification is the central objective of this article. Part of the problem lies in identifying eponymous characters, which is related to classifying protagonists, but involves its own presuppositions. We start by approaching both tasks from a theoretical perspective and suggest our own definition of a protagonist, which can be operationalized for the purpose of machinable classification but still draws on existing research in literary studies and follows its definitions. An attempt at manual annotation shows however that this type of definition possesses only a limited potential for intersubjectivity. Using a variety of features such as token count of characters, topic modeling and network sizes, we then train a random forest classifier that separates characters into protagonists and non-protagonists or eponymous heroes andn on-eponymous heroes, respectively. The results show that protagonists and eponymous heroes are in fact reliably identifiable using simple features because of their usually prominent position within the play. Following the literary studies perspective, ac onclusive analysis of the classification of specific characters using the examples of Die Verschwörung des Fiesko zu Genua, Maria Stuart, and Emilia Galotti makes clear that machine learning models offer interesting starting points for more in-depth refections on protagonists and eponymous heroes.