- home
- Advanced Search
Filters
Clear All- Digital Humanities and Cultural Heritage
- Open Access
- Research software
- German
- ZENODO
- Digital Humanities and Cultural Her...
- Digital Humanities and Cultural Heritage
- Open Access
- Research software
- German
- ZENODO
- Digital Humanities and Cultural Her...
Loading
integration_instructions Research softwarekeyboard_double_arrow_right Software 2022 GermanPublisher:Zenodo Ehlers, Dajana; Kampf, Julia; Ihnen, Greta; Neuhaus, Lara Alyssa; Breninek, Christopher; Reinhart, Hanna;Was ist Puls? Wann lebte Ramses II.? Und welche Länder bereisten die Wikinger? Alles Fragen die durch einen Besuch im Museum geklärt werden können. Doch was passiert, wenn nach einem langen Arbeitstag diese Fragen zwischen dir und deinem wohlverdienten Feierabend stehen? Komm zu uns ins Museum, lerne verschiedene Epochen in kurzen Alltagsmomenten kennen und entkomme aus dem Museum! Du bist in einem historischen Museum angestellt und nach einem viel zu langen Arbeitstag zwischen Objekten, Museumskonzepten und Recherche hast du die Zeit völlig aus den Augen verloren. Dein Chef und alle anderen haben dich vergessen und einfach eingeschlossen. Nun musst du versuchen einen Code für den Ausgang zu finden. Hierfür reist du mental zu den Römern, Ägyptern und Wikingern, meisterst Level in dem du das Alltagsleben der verschiedenen Kulturen nachempfindest. Gleichzeitig kannst du im Museum mehr über den Kontext der Geschichten und den Objekten, mit denen du interagierst, erfahren. Es öffnet dir den Blick, weg von den glitzernden „Sensationsfunden“, reißerischen Abenteuern und Zaubereien mit dem Pinsel, hin zu den Menschen wie du und ich. Die Erfahrungen reichen vom Handwerk, der Religion bis hin zum Essen. Vielleicht gehst du deinen nächsten Museumsbesuch etwas anders an und wirst nicht mehr nur von den Münzen und Waffen angezogen, sondern auch vom Mühlstein und den möglichen Personen, die dahinterstehen! Made with Unity More information on the accompanying university website.
add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.5281/zenodo.7245294&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.eu0 citations 0 popularity Average influence Average impulse Average Powered by BIP!visibility 26visibility views 26 download downloads 4 Powered bymore_vert add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.5281/zenodo.7245294&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.euintegration_instructions Research softwarekeyboard_double_arrow_right Software 2022 GermanPublisher:Zenodo Authors: José, Calvo Tello;José, Calvo Tello;This is the code and data for following article: * Calvo Tello, José. 2023 (accepted). ‘Where Are Romance Studies Heading? A Bibliographic Data Science Analysis Using Regression’. Edited by Nanette Rißler-Pipika, Jan Rohden, and José Calvo Tello. Apropos [Perspektiven Auf Die Romania].
All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=od______2659::c362d393430773e8420158f779e1360f&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.eu0 citations 0 popularity Average influence Average impulse Average Powered by BIP!visibility 7visibility views 7 Powered bymore_vert All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=od______2659::c362d393430773e8420158f779e1360f&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.euintegration_instructions Research softwarekeyboard_double_arrow_right Software 2021 GermanPublisher:Zenodo Authors: Mareike K. Schumacher;Mareike K. Schumacher;In diesem Repository finden Sie einen Raum-Classifier, der mit dem StanfordNER kompatibel ist, sowie dazugehörige Trainingsdaten. Die Datei "Raum320000_18-21_ner-model" ist ein Raum-Classifier mit sieben Unterkategorien, die mit dem StanfordNER kompatibel sind. Die Datei "Raum320000_18-21_ner-model_ohneMetaphern" entält den gleichen Classifier mit sechs Raum-Kategorien (Metaphern sind hier weggelassen). Die Kategorien sind: Ort Relation relationeles Verb Raumhinweis Raumbeschreibung Raumthema Raummetapher Die Datei "Raum320000_18-21_ner-model_ohneMetaphern" ist die empfohlene Version zur Anwendung. Beide Classifier können wie folgt verwendet werden: Laden Sie sich die Classifier herunter Laden Sie sich das Named-Entity-Recognition-Tool StanfordNER herunter Öffnen Sie den Stanford-Named-Entity-Recognizer wie auf der Seite der Stanford NLP Group beschrieben Laden Sie über "Classifier" > "Load CRF from file" den Raum-Classifier in das Tool Wählen Sie über "File" > "Open File" ein Dokument, in dem Raumausdrücke annotiert werden sollen Klicken Sie auf "Run" Die annotierten Daten können über "File" > "Save tagged file as" gespeichert und weiter verwendet werden. Die Annotationskategorien des Raum-Classifiers erreichen unterschiedliche Erkennungsquoten. Eine detaillierte Übersicht der Gesamterkennunggenauigkeit (F1-Score) der einzelnen Kategorien finden Sie im Unterordner "Modell Testreihen". Im Unterordner "Testreihen mit 7 Kategorien" sind im Dokument "7 Kategorien NER-Test Übersicht.xlsx" ausführliche Tests des gesamten Traningsprozesses dokumentiert. Getestet wurde mit acht Testtexten aus vier Jahrhunderten. Durchschnittswerte finden sich im Tabellenblatt "einige Durchschnittswerte". Die abschließenden Tests der finalen Classifier finden sich in den Zeilen 20 und 21. Werte für die einzelnen Testtexte aus den Jahrhunderten 18-21 sind in den anderen Tabellenblättern verzeichnet. Die annotierten Testtexte können - so weit das urheberrechtlich möglich ist, aus dem Unterordner "annotierte Testtexte" heruntergeldane werden. Hierin finden Sie sechs annotierte Texte in Tabellenform aus den Jahrhunderten 18-20 (die nicht gemeinfreien Texte aus dem 21. Jahrhundert können hier nicht zugänglich gemacht werden). Außerdem in diesem Repository zu finden sind: die Dokumentation von Tests eines ersten, nicht implementierten Modells (Ordner "Vorabtests - nicht implementierte Varianten") Anzahl der Annotationen im Trainingskorpus (im Ordner "Testreihen mit 7 Kategorien") Imformationen und Daten zum Trainig des Raum-Classifiers finden sich im Ordner "Training CRF-Classifier". Hierin ist eine Auflistung der Texte im Trainingskorpus enthalten. Aus jedem der aufgelisteten Texte wurden 4.000 Tokens direkt vom Anfang entnommen und ins Trainingskorpus integriert. Das Trainingskorpus besteht insgesamt aus 320.000 Tokens aus 80 Romanen aus vier Jahrhunderten (18-21). Annotierte Trainingsdaten im Tabellenformat TSV (kompatibel mit dem StanfordNER-Tool) finden sich im Unterordner "Trainingsdaten". Die Trainingsdaten aus dem 20. und 21. Jahrhundert enthalten urheberrechtlich geschütztes Material und können darum nicht öffentlich zugänglich gemacht werden. Die Trainingsdaten aus dem 18. und 19. Jahrhundert können jahrhundertweise heruntergeladen werden. Sowohl die Variante mit als auch die ohne Metaphern steht zur Nachnutzung zur Verfügung. Das Trainingskorpus umfasst 80.000 Tokens / Jahrhundert. Informationen zu den im Raum-Classifier implementierten Features können in der Properties-Datei "Raum.prop" eingesehen werden.
add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.5281/zenodo.4922391&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.eu0 citations 0 popularity Average influence Average impulse Average Powered by BIP!visibility 144visibility views 144 download downloads 14 Powered bymore_vert add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.5281/zenodo.4922391&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.euintegration_instructions Research softwarekeyboard_double_arrow_right Software 2021 GermanPublisher:Zenodo Authors: Mareike Schumacher;Mareike Schumacher;CRF-Classifier für automatische Annotation männlicher, weiblicher und neutraler Genderzuschreibungen in deutschsprachiger Literatur. Der Gender-Classifier kann mit dem Stanford Named Entity Recognizer zusammen genutzt werden. Das Modell wurde mit einem Trainingskorpus folgender Zusammensetzung trainiert: ca. 100.000 Tokens aus 25 Novellen des deutschen Novellenschatzes ca. 40.000 Tokens aus 10 Romanen des 18. Jahrhunderts ca. 40.000 Tokens aus 10 Romanen des 19. Jahrhunderts ca. 40.000 Tokens aus 10 Romanen des 20. Jahrhunderts ca. 40.000 Tokens aus 10 Romanen des 21. Jahrhunderts ca. 20.000 Tokens aus 5 Dramen des 18. Jahrhunderts ca. 20.000 Tokens aus 5 Dramen des 19. Jahrhunderts ca. 20.000 Tokens aus 5 Dramen des 20. Jahrhunderts ca. 7.000 Figurennamen aus 500 Dramen des 17.-20. Jahrhunderts (bereitgestellt von https://dracor.org) Getestet wurde das Modell mit 6 Novellen aus dem deutschen Novellenschatz, 8 Romanen aus den Jahrhunderten 18-21 und 3 Dramen von Caroline von Günderrode (1805), das Modell erreichte in den Tests einen durchschnittlichen overall F1-Score von 78,09%. Die Erkennung von Genderzuschreibungen in Novellen des 19. Jahrhunderts ist mit einem durchschnittlichen overall F1-Score von 85,52% am besten. In Romanen des 18.-21. Jahrhunderts beträgt die durchschnittliche Gesamterkennungsgenauigkeit (F1-Score) 72,83%. In Ausschnitten aus drei Dramen von Caroline von Günderode (publiziert 1805) erreicht der Gender-Classifier einen F1-Score von 75,53% Der Classifier wird laufend weiter entwickelt. Es handelt sich um eine Open-Beta-Version. Geplant ist z.B. die Aufnahme weiterer Gender-Kategorien, die nicht in das Binärschema männlich-weiblich fallen. Der Classifier wurde im Projekt m*w entwickelt. Der Classifier kann wie folgt verwendet werden: Laden Sie sich den Classifier herunter Laden Sie sich das Named-Entity-Recognition-Tool StanfordNER herunter Öffnen Sie den Stanford-Named-Entity-Recognizer wie auf der Webseite der Stanford NLP Group beschrieben Laden Sie über "Classifier" > "Load CRF from file" den Gender-Classifier in das Tool Wählen Sie über "File" > "Open File" ein Dokument, in dem Genderzuschreibungen annotiert werden sollen Klicken Sie auf "Run" Die annotierten Daten können über "File" > "Save tagged file as" gespeichert und weiter verwendet werden.
add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.5281/zenodo.3667462&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.eu0 citations 0 popularity Average influence Average impulse Average Powered by BIP!visibility 426visibility views 426 download downloads 71 Powered bymore_vert add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.5281/zenodo.3667462&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.euintegration_instructions Research softwarekeyboard_double_arrow_right Software 2019 GermanPublisher:Zenodo Authors: Simmler, Severin;Simmler, Severin;An important step in the quantitative analysis of narrative texts is the automatic recognition of references to figures, a special case of the generic NLP problem of Named Entity Recognition (NER). Usually NER models are not designed for literary texts resulting in poor recall. This Neural Network Model is the continuation of the work of Jannidis et al. and used in this easy-to-use package for the programming language Python.
add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.5281/zenodo.2592325&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.eu0 citations 0 popularity Average influence Average impulse Average Powered by BIP!visibility 440visibility views 440 download downloads 316 Powered bymore_vert add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.5281/zenodo.2592325&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.eu
Loading
integration_instructions Research softwarekeyboard_double_arrow_right Software 2022 GermanPublisher:Zenodo Ehlers, Dajana; Kampf, Julia; Ihnen, Greta; Neuhaus, Lara Alyssa; Breninek, Christopher; Reinhart, Hanna;Was ist Puls? Wann lebte Ramses II.? Und welche Länder bereisten die Wikinger? Alles Fragen die durch einen Besuch im Museum geklärt werden können. Doch was passiert, wenn nach einem langen Arbeitstag diese Fragen zwischen dir und deinem wohlverdienten Feierabend stehen? Komm zu uns ins Museum, lerne verschiedene Epochen in kurzen Alltagsmomenten kennen und entkomme aus dem Museum! Du bist in einem historischen Museum angestellt und nach einem viel zu langen Arbeitstag zwischen Objekten, Museumskonzepten und Recherche hast du die Zeit völlig aus den Augen verloren. Dein Chef und alle anderen haben dich vergessen und einfach eingeschlossen. Nun musst du versuchen einen Code für den Ausgang zu finden. Hierfür reist du mental zu den Römern, Ägyptern und Wikingern, meisterst Level in dem du das Alltagsleben der verschiedenen Kulturen nachempfindest. Gleichzeitig kannst du im Museum mehr über den Kontext der Geschichten und den Objekten, mit denen du interagierst, erfahren. Es öffnet dir den Blick, weg von den glitzernden „Sensationsfunden“, reißerischen Abenteuern und Zaubereien mit dem Pinsel, hin zu den Menschen wie du und ich. Die Erfahrungen reichen vom Handwerk, der Religion bis hin zum Essen. Vielleicht gehst du deinen nächsten Museumsbesuch etwas anders an und wirst nicht mehr nur von den Münzen und Waffen angezogen, sondern auch vom Mühlstein und den möglichen Personen, die dahinterstehen! Made with Unity More information on the accompanying university website.
add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.5281/zenodo.7245294&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.eu0 citations 0 popularity Average influence Average impulse Average Powered by BIP!visibility 26visibility views 26 download downloads 4 Powered bymore_vert add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.5281/zenodo.7245294&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.euintegration_instructions Research softwarekeyboard_double_arrow_right Software 2022 GermanPublisher:Zenodo Authors: José, Calvo Tello;José, Calvo Tello;This is the code and data for following article: * Calvo Tello, José. 2023 (accepted). ‘Where Are Romance Studies Heading? A Bibliographic Data Science Analysis Using Regression’. Edited by Nanette Rißler-Pipika, Jan Rohden, and José Calvo Tello. Apropos [Perspektiven Auf Die Romania].
All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=od______2659::c362d393430773e8420158f779e1360f&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.eu0 citations 0 popularity Average influence Average impulse Average Powered by BIP!visibility 7visibility views 7 Powered bymore_vert All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=od______2659::c362d393430773e8420158f779e1360f&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.euintegration_instructions Research softwarekeyboard_double_arrow_right Software 2021 GermanPublisher:Zenodo Authors: Mareike K. Schumacher;Mareike K. Schumacher;In diesem Repository finden Sie einen Raum-Classifier, der mit dem StanfordNER kompatibel ist, sowie dazugehörige Trainingsdaten. Die Datei "Raum320000_18-21_ner-model" ist ein Raum-Classifier mit sieben Unterkategorien, die mit dem StanfordNER kompatibel sind. Die Datei "Raum320000_18-21_ner-model_ohneMetaphern" entält den gleichen Classifier mit sechs Raum-Kategorien (Metaphern sind hier weggelassen). Die Kategorien sind: Ort Relation relationeles Verb Raumhinweis Raumbeschreibung Raumthema Raummetapher Die Datei "Raum320000_18-21_ner-model_ohneMetaphern" ist die empfohlene Version zur Anwendung. Beide Classifier können wie folgt verwendet werden: Laden Sie sich die Classifier herunter Laden Sie sich das Named-Entity-Recognition-Tool StanfordNER herunter Öffnen Sie den Stanford-Named-Entity-Recognizer wie auf der Seite der Stanford NLP Group beschrieben Laden Sie über "Classifier" > "Load CRF from file" den Raum-Classifier in das Tool Wählen Sie über "File" > "Open File" ein Dokument, in dem Raumausdrücke annotiert werden sollen Klicken Sie auf "Run" Die annotierten Daten können über "File" > "Save tagged file as" gespeichert und weiter verwendet werden. Die Annotationskategorien des Raum-Classifiers erreichen unterschiedliche Erkennungsquoten. Eine detaillierte Übersicht der Gesamterkennunggenauigkeit (F1-Score) der einzelnen Kategorien finden Sie im Unterordner "Modell Testreihen". Im Unterordner "Testreihen mit 7 Kategorien" sind im Dokument "7 Kategorien NER-Test Übersicht.xlsx" ausführliche Tests des gesamten Traningsprozesses dokumentiert. Getestet wurde mit acht Testtexten aus vier Jahrhunderten. Durchschnittswerte finden sich im Tabellenblatt "einige Durchschnittswerte". Die abschließenden Tests der finalen Classifier finden sich in den Zeilen 20 und 21. Werte für die einzelnen Testtexte aus den Jahrhunderten 18-21 sind in den anderen Tabellenblättern verzeichnet. Die annotierten Testtexte können - so weit das urheberrechtlich möglich ist, aus dem Unterordner "annotierte Testtexte" heruntergeldane werden. Hierin finden Sie sechs annotierte Texte in Tabellenform aus den Jahrhunderten 18-20 (die nicht gemeinfreien Texte aus dem 21. Jahrhundert können hier nicht zugänglich gemacht werden). Außerdem in diesem Repository zu finden sind: die Dokumentation von Tests eines ersten, nicht implementierten Modells (Ordner "Vorabtests - nicht implementierte Varianten") Anzahl der Annotationen im Trainingskorpus (im Ordner "Testreihen mit 7 Kategorien") Imformationen und Daten zum Trainig des Raum-Classifiers finden sich im Ordner "Training CRF-Classifier". Hierin ist eine Auflistung der Texte im Trainingskorpus enthalten. Aus jedem der aufgelisteten Texte wurden 4.000 Tokens direkt vom Anfang entnommen und ins Trainingskorpus integriert. Das Trainingskorpus besteht insgesamt aus 320.000 Tokens aus 80 Romanen aus vier Jahrhunderten (18-21). Annotierte Trainingsdaten im Tabellenformat TSV (kompatibel mit dem StanfordNER-Tool) finden sich im Unterordner "Trainingsdaten". Die Trainingsdaten aus dem 20. und 21. Jahrhundert enthalten urheberrechtlich geschütztes Material und können darum nicht öffentlich zugänglich gemacht werden. Die Trainingsdaten aus dem 18. und 19. Jahrhundert können jahrhundertweise heruntergeladen werden. Sowohl die Variante mit als auch die ohne Metaphern steht zur Nachnutzung zur Verfügung. Das Trainingskorpus umfasst 80.000 Tokens / Jahrhundert. Informationen zu den im Raum-Classifier implementierten Features können in der Properties-Datei "Raum.prop" eingesehen werden.
add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.5281/zenodo.4922391&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.eu0 citations 0 popularity Average influence Average impulse Average Powered by BIP!visibility 144visibility views 144 download downloads 14 Powered bymore_vert add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.5281/zenodo.4922391&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.euintegration_instructions Research softwarekeyboard_double_arrow_right Software 2021 GermanPublisher:Zenodo Authors: Mareike Schumacher;Mareike Schumacher;CRF-Classifier für automatische Annotation männlicher, weiblicher und neutraler Genderzuschreibungen in deutschsprachiger Literatur. Der Gender-Classifier kann mit dem Stanford Named Entity Recognizer zusammen genutzt werden. Das Modell wurde mit einem Trainingskorpus folgender Zusammensetzung trainiert: ca. 100.000 Tokens aus 25 Novellen des deutschen Novellenschatzes ca. 40.000 Tokens aus 10 Romanen des 18. Jahrhunderts ca. 40.000 Tokens aus 10 Romanen des 19. Jahrhunderts ca. 40.000 Tokens aus 10 Romanen des 20. Jahrhunderts ca. 40.000 Tokens aus 10 Romanen des 21. Jahrhunderts ca. 20.000 Tokens aus 5 Dramen des 18. Jahrhunderts ca. 20.000 Tokens aus 5 Dramen des 19. Jahrhunderts ca. 20.000 Tokens aus 5 Dramen des 20. Jahrhunderts ca. 7.000 Figurennamen aus 500 Dramen des 17.-20. Jahrhunderts (bereitgestellt von https://dracor.org) Getestet wurde das Modell mit 6 Novellen aus dem deutschen Novellenschatz, 8 Romanen aus den Jahrhunderten 18-21 und 3 Dramen von Caroline von Günderrode (1805), das Modell erreichte in den Tests einen durchschnittlichen overall F1-Score von 78,09%. Die Erkennung von Genderzuschreibungen in Novellen des 19. Jahrhunderts ist mit einem durchschnittlichen overall F1-Score von 85,52% am besten. In Romanen des 18.-21. Jahrhunderts beträgt die durchschnittliche Gesamterkennungsgenauigkeit (F1-Score) 72,83%. In Ausschnitten aus drei Dramen von Caroline von Günderode (publiziert 1805) erreicht der Gender-Classifier einen F1-Score von 75,53% Der Classifier wird laufend weiter entwickelt. Es handelt sich um eine Open-Beta-Version. Geplant ist z.B. die Aufnahme weiterer Gender-Kategorien, die nicht in das Binärschema männlich-weiblich fallen. Der Classifier wurde im Projekt m*w entwickelt. Der Classifier kann wie folgt verwendet werden: Laden Sie sich den Classifier herunter Laden Sie sich das Named-Entity-Recognition-Tool StanfordNER herunter Öffnen Sie den Stanford-Named-Entity-Recognizer wie auf der Webseite der Stanford NLP Group beschrieben Laden Sie über "Classifier" > "Load CRF from file" den Gender-Classifier in das Tool Wählen Sie über "File" > "Open File" ein Dokument, in dem Genderzuschreibungen annotiert werden sollen Klicken Sie auf "Run" Die annotierten Daten können über "File" > "Save tagged file as" gespeichert und weiter verwendet werden.
add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.5281/zenodo.3667462&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.eu0 citations 0 popularity Average influence Average impulse Average Powered by BIP!visibility 426visibility views 426 download downloads 71 Powered bymore_vert add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.5281/zenodo.3667462&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.euintegration_instructions Research softwarekeyboard_double_arrow_right Software 2019 GermanPublisher:Zenodo Authors: Simmler, Severin;Simmler, Severin;An important step in the quantitative analysis of narrative texts is the automatic recognition of references to figures, a special case of the generic NLP problem of Named Entity Recognition (NER). Usually NER models are not designed for literary texts resulting in poor recall. This Neural Network Model is the continuation of the work of Jannidis et al. and used in this easy-to-use package for the programming language Python.
add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.5281/zenodo.2592325&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.eu0 citations 0 popularity Average influence Average impulse Average Powered by BIP!visibility 440visibility views 440 download downloads 316 Powered bymore_vert add ClaimPlease grant OpenAIRE to access and update your ORCID works.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.This Research product is the result of merged Research products in OpenAIRE.
You have already added works in your ORCID record related to the merged Research product.All Research productsarrow_drop_down <script type="text/javascript"> <!-- document.write('<div id="oa_widget"></div>'); document.write('<script type="text/javascript" src="https://www.openaire.eu/index.php?option=com_openaire&view=widget&format=raw&projectId=10.5281/zenodo.2592325&type=result"></script>'); --> </script>
For further information contact us at helpdesk@openaire.eu