Auf in die Textmine!

Werte Leserinnen und Leser,

in meinem zweiten Blogeintrag möchte ich mich mit Data- bzw. Textmining beschäftigen. Nur zur Erklärung: Darunter versteht man die Anwendung computergestützter statistischer Methoden auf große Datenbestände, um neue Querverbindungen und Trends zu erkennen. Wer also in seiner historischen Arbeit Datamining betreiben möchte, dem sind die Internetseiten Voyant und Overview zu empfehlen die ich nun besprechen möchte. Beginnen möchte ich mit der Seite Voyant. Bevor wir also mit der Materie starten, möchte ich noch einmal anmerken, dass ich hierfür meinen Zeitungskorpus vom Oktober 1922 und das Überthema „Faschismus“ nutze.

Voyant

Diese Internetseite wurde in Kanada entwickelt. Ein großes Positivum dieser Seite ist, dass kein eigener Account vom User/der Userin verlangt wird. Nachdem die zu bearbeitenden Dokumente auf die Seite hochgeladen sind, kann man einfach auf die angebotenen Tools zugreifen. Leider muss man aber sagen, dass aufgrund des fehlenden Accounts die Arbeit nicht abgespeichert wird und bei jedem neuen Einstieg alles neu konfiguriert und eingestellt werden muss. Deshalb wäre es empfehlenswert, etwaige Stoppwort-Listen zu speichern. Jedenfalls bieten sich nun auf der Startseite mehrere Tools an, mit denen man seinen eigenen digitalen Korpus bearbeiten kann. Davon sind am wichtigsten:

  • Reader
  • Cirrus
  • Trends
  • Contexts
  • Summary
  • Topics

Die Seite bietet aber auch die Möglichkeit, diese Tools durch andere zu ersetzen – die Umtausch-Funktion ist im rechten oberen Panel zu finden. Kommen wir also auf unsere schon genannten Tools zurück: So wird im Tool Reader der hochgeladene Text angezeigt und Worte werden gegebenenfalls gelb angezeigt.

Cirrus:

Mit diesem Programm kann man sehen, welche Wörter am häufigsten in den hochgeladenen Daten vorkommen. Es besteht auch die Möglichkeit, gewisse Wörter und Zahlen mit einer Stoppwort-Liste herauszufiltern, um so ein klarerer Bild zu bekommen. Für meine Zwecke habe ich die Ausgaben der Innsbrucker Nachrichten vom 2. Oktober bis 1. November 1922 hochgeladen. Aufgrund der faschistischen Aktion „Marsch auf Bozen/Rom“ finden sich auch die Begriffe „Faschisten“ und „Bozen“ unter den häufigsten Nennungen.

So sieht das etwas gefilterte Endprodukt aus:

Trends:

Mit diesem Tool kann man sich anzeigen lassen, wie häufig Begriffe im jeweiligen Zeitraum auftauchen (Hinweis: Man sollte überprüfen, ob die hochgeladenen Daten chronologisch geordnet sind). Mithilfe des Eingabefeldes können nun die gewünschten Begriffe eingegeben und ihre Häufigkeit auf einem Graphen dargestellt werden. In meinem Fall sieht der Graph wie folgt aus:

Hier sieht man, dass der Begriff „Faschisten“ im untersuchten Monat am häufigsten am Anfang und am Ende genannt wird, während ihr Gründer Mussolini erst aufgrund seiner Ernennung zum italienischen Ministerpräsidenten in der Häufigkeit steigt. Bozen und Rom scheinen hier ebenfalls nur besonders am Monatsbeginn bzw. ende auf als die Faschisten hier tätig werden. Dabei hat interessanterweise Bozen die höhere Frequenz als Rom, was sicherlich auf die damaligen emotionalen Verbindungen zwischen Nord- und Südtirol zurückzuführen ist.

Contexts:

Hier wird angezeigt in welchem Kontext die gesuchten Begriffe auftauchen. So zeigt Voyant einen kurzen Ausschnitt des Satzes links und rechts des gesuchten Begriffes. Zusätzlich ist es möglich, sich mit einem Klick die betreffende Textstelle anzeigen zu lassen, um beurteilen zu können, ob sie von Bedeutung ist und für die Fragestellung verwendet werden kann. Context bietet damit auch die Möglichkeit schnell herauszufiltern, wie ein Begriff wie “Faschisten” in den Quellen verwendet wird.

Summary:

Hier kann man sich allgemeine Dinge über seinen Textkorpus ansehen: Dokumentenlänge, Anzahl der Wörter im Korpus oder die Anzahl der Wörter pro Satz.

Topics:

Abschließend zum Thema Voyant noch etwas zum Programm Topics. Nach eigener Aussage der Webseite bietet dieses Tool die rudimentäre Möglichkeit, Termcluster aus einem Korpus zu generieren und dann zu sehen, wie jedes Thema über den Korpus verteilt ist.

So gestaltet sich Topics bei mir nach Eingabe des Schlagwortes „Faschisten“.

So zeigte Voyant eine starke Verbindung der Begriffe “Faschisten” und “Österreich” am Beginn des Monats. Liest man dann in den Quellen nach, findet man durchaus mehrere faschistische Drohungen die gegen Österreich gerichtet sind.

Overview

Als zweiten großen Punkt möchte ich nun die Seite Overview besprechen. Im Gegensatz zu Voyant braucht man für diese Seite, die ursprünglich für Journalisten entwickelt wurde, einen Account. Das bietet aber den Vorteil, dass man seine Arbeit hier abspeichern kann. Ist das Einloggen erledigt, sieht man, dass Overview sehr ähnliche Tools wie Voyant anbietet. „Cirrus“ wird hier zu „word cloud“ oder „Topics“ zu „tree“. Wenn man also zuvor viel mit Voyant gearbeitet hat, könnte man den Eindruck gewinnen, dass Overview simpler aufgebaut oder nicht so mit Tools überladen ist. Die Arbeit gestaltet sich aufgrund des einfachen Designs als größtenteils unkompliziert. Dennoch möchte ich zum Thema “Tree” noch ganz kurz etwas sagen. Dieses Tool erfüllt, wie schon gesagt, in etwa die Funktion von Voyants “Topics”, geht jedoch mehr in die Tiefe als Topics. Bevor ein “Tree” mit den Themen des hochgeladenen Dokuments entstehen kann, müssen vorher noch die Stoppwörter und zu berücksichtigende Schlagwörter wie „Faschisten“, „Mussolini“, „Duce“ oder „Italien“ definiert werden. Das einzige Problem ist hier, dass Overview keine eigenen Stoppwörter-Listen anbietet, wenn nötig können diese aber von Voyant importiert werden. Schlussendlich schafft das Programm einen “Tree”, wo mehrere Themen und Verbindungen aus den Dokumenten aufgezeigt werden. Leider muss man auch zugeben, dass bei meinem Tree auch “unsinnige” Themenfelder dabei waren.

Nachdem nun beide Seiten vorgestellt sind, möchte ich noch ein paar allgemeine Gedanken dazu formulieren.

Es stellt sich nun die Frage, wie man diese Seiten vergleicht. Wie man die Funktionen der Internetseiten Voyant und Overview für die historische Arbeit nutzt, hängt zum einen von der selbst gestellten Fragestellung als auch von der Fülle des Quellenmaterials ab. Gerade wenn das Datenmaterial aus den Ausgaben mehrerer Zeitungen bestehen würde, könnte man Voyant oder Overview dazu nutzen, den Korpus mit den zu dem eigenen Thema passenden Schlagwörtern zu durchsuchen. Damit kann man schnell die wichtigsten Textstellen finden und herausfiltern. Dennoch sollte man meiner Meinung nach auf Voyant setzen, wenn man detaillierte Textmeinung betreiben möchte. Mit all seinen Tools ist es möglich, Texte in all ihre Einzelteile zu zerlegen. Dennoch würde ich Overview für kleinere Projekte ebenfalls empfehlen.

Links:

Voyant

Overview

Zum Abschluss danke ich den Leserinnen und Lesern für ihre Aufmerksamkeit und hoffe, dass sie auch den dritten Blogeintrag lesen werden.

Matthias Abermann


Das könnte dich auch interessieren …

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search