Tutorial: Ein eigenes NER-Modell für die digitale Literaturanalyse trainieren

In der Videoreihe „Named Entity Recognition und digitale Literaturanalyse“ zeigen wir, wie sich der Stanford Named Entity Recognizer installieren und zur Literaturanalyse nutzen lässt. Außerdem stellen wir drei Möglichkeiten zur Verbesserung der Ergebnisse vor und zeigen, unter anderem, wie sich eine generierte Output-Datei in eine XML-Datei umwandeln lässt oder wie du dein eigenes NER-Modell trainieren kannst. 
In diesem Video zeigen wir Schritt für Schritt, wie ein eigenes Modell trainiert wird, um Eigennamen in einem Text automatisch erkennen zu lassen. Dazu sind keine technischen Vorkenntnisse nötig, der Stanford Named Entity Recognizer sollte aber bereits installiert sein. Abgesehen davon brauchst du den literarischen Text, den du untersuchen möchten, in digitaler Form. Auf der Webseite der Stanford Natural Language Processing Group befinden sich die verwendeten programmiersprachlichen Befehle.

Mehr Infos: 

• Webseite der Stanford NER Group: https://nlp.stanford.edu
• Stanford NER Herunterladen: https://nlp.stanford.edu/software/CRF-NER.shtml
• Schriftliche Einführung in die Methodik der NER: https://fortext.net/routinen/methoden/named-entity-recognition-ner

Übersicht der Videoreihe auf Zenodo:

1. Tutorial: Stanford Named Entity Recognizer installieren und deutsche Kategorien laden 
2. Tutorial: Stanford Named Entity Recognizer zur digitalen Literaturanalyse nutzen 
3. Tutorial: Ein eigenes NER-Modell für die digitale Literaturanalyse trainieren
4. Fallbeispiel: Figurenkonstellationen in Goethes Werther und Plenzdorfs neuem Werther

Hier zur Videoreihe auf Youtube