Software Open Access

StanfordNER Gender-Classifier

Mareike Schumacher

Project member(s)
Flüh, Marie

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:

  1. Laden Sie sich den Classifier herunter
  2. Laden Sie sich das Named-Entity-Recognition-Tool StanfordNER herunter
  3. Öffnen Sie den Stanford-Named-Entity-Recognizer wie auf der Webseite der Stanford NLP Group beschrieben
  4. Laden Sie über "Classifier" > "Load CRF from file" den Gender-Classifier in das Tool
  5. Wählen Sie über "File" > "Open File" ein Dokument, in dem Genderzuschreibungen annotiert werden sollen
  6. Klicken Sie auf "Run"

Die annotierten Daten können über "File" > "Save tagged file as" gespeichert und weiter verwendet werden.

Files (55.1 MB)
Name Size
Gender_Modell320000_mitListe_mitDrama18-20_ner-model.ser.gz
md5:1387e7d6660af71202029906c39525a8
55.1 MB Download
319
22
views
downloads
All versions This version
Views 319236
Downloads 2216
Data volume 1.2 GB881.9 MB
Unique views 274214
Unique downloads 2216

Share

Cite as