Standoff-Tools - Generische Dienste für die automatische Annotation von XML-Dokumenten mit Plain-Text-Werkzeugen

TEI XML ist eine exzellente Technologie für digitale Editionen. Aber für die computationelle Analyse ist ein Korpus von XML-Dokumenten keine günstige Datengrundlage, weil Algorithmen erheblich komplexer werden, wenn statt linearem plain text ein XML-Baum durchlaufen werden muss. Zwar ist die Extraktion von plain text aus XML nicht aufwendig, aber für die Rückführung von Analyse-Ergebnissen in den XML-Baum gibt es bislang keine allgemeine Lösung. Dennoch ist eine solche Rückführung generell interessant, weil dann Analyse-Ergebnisse und die Struktur des Dokuments ein einer allgemeinen Abfragesprache wie XQuery ausgewertet werden können. Es existieren Insellösungen zum Enrichment von TEI-XML durch NLP oder NER (Meyer 2022) oder für die automatische Annotation bestimmter rhetorischer Figuren (Consalvi et Fumagalli 2022). Wünschenswert wäre jedoch, Analyse-Tools für plain text entwickeln und sie dennoch zum Enrichment von XML einsetzen zu können. Genau dies ermöglichen die hier vorgestellten standoff-tools. Ein Beitrag zur 9. Tagung des Verbands "Digital Humanities im deutschsprachigen Raum" - DHd 2023 Open Humanities Open Culture.