Published February 21, 2024
| Version v1
Conference paper
Open
not opaque flow – Workflows zur Aufbereitung und Auswertung historischer Dokumente
Creators
- 1. Digital Humanities, Walter Benjamin Kolleg, Universität Bern, Schweiz
- 2. Digital History, Universität Bielefeld, Deutschland
- 3. Forschungsstelle für die Geschichte der Hanse und des Ostseeraums, Europäisches Hansemuseum Lübeck, Deutschland
- 4. Institut für Studien zum Nahen Osten und zu muslimischen Gesellschaften, Universität Bern, Schweiz
Contributors
Data managers:
- 1. Universität Trier
- 2. Universität Luxemburg
- 3. Universität Passau
- 4. Digital Humanities im deutschsprachigen Raum
- 5. Universität zu Köln
Description
Deep Learning hat bereits neue Erkenntnisse in den digitalen Geisteswissenschaften ermöglicht. Vormoderne Sprachen und Sprachen des globalen Südens bringen allerdings Herausforderungen mit sich, die aktuell diesen analytischen Zugriff in diesem Bereich noch nicht erlauben. Das Projekt "The Flow" entwickelt Lösungen für solche historische Korpora in den Bereichen Handschriftenerkennung, Entitätsidentifikation, Event-Extraktion, Topic Modeling und Clustering. Die Entwicklung der Webanwendung nopaque zielt darauf ab, diese bestehenden Methoden bzw. Werkzeuge in einem übergreifenden Workflow zu verbinden. Der Workshop stellt den aktuellen Stand von nopaque bzw. den Workflow vor. Ziel ist es, bei der Etablierung eines allgemein anwendbaren Workflows für Deep Learning die Vielfalt der Quellen und geisteswissenschaftlichen Forschung zu berücksichtigen. Wir laden Teilnehmer:innen ein, Ideen und Erfahrungen einzubringen und Implementierungen für nicht standardisierte Layouts, Schriften und Sprachen zu diskutieren. Der Workshop trägt dazu bei, unser Projektziel zu erreichen: maschinelles Lernen in allen Bereichen der Geschichtswissenschaft zugänglicher zu machen.
Files
W17_WEBER_Dominic_not_opaque_flow___Workflows_zur_Aufbereitung_u.pdf
Files
(107.5 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:6fe92a5ec651fa0215f6b8cd9e2cc181
|
80.7 kB | Preview Download |
|
md5:3c07773d993587b2f4d7e6c18b866776
|
26.8 kB | Preview Download |
Additional details
Related works
- Is part of
- Book: 10.5281/zenodo.10686564 (DOI)