Topic Modeling mit Voyant Tools und Overview: Ein Erfahrungsbericht

Habt ihr euch auch schon gefragt, wie ihr ein Thema aus einer großen Menge an Quellen herausfiltern könnt? Dann ist Topic Modeling die richtige Methode für euch!

Wie ihr euch vielleicht noch erinnern könnt, möchte ich die Berichterstattung über den Vulkanausbruch in Tambora von 1815 in österreichischen Zeitungen untersuchen. Da der Vulkan in einer Zeit, in der die Berichterstattung nicht unverzüglich stattfand, müssten daher eine längere Zeitspanne und mehrere Zeitungen analysiert werden. So ist der zu untersuchende Quellenkorpus also sehr groß. Da aber auch viele Artikel über andere Themen in den Zeitungen vorhanden sind, müssten die Berichte über den Vulkanausbruch von Tambora selektiert werden. Dafür eignet sich die Methode des Topic Modelings!

Ich hab dafür zwei Tools (Voyant Tools und Overview) anhand der Berichterstattung des Februars 1957 in der Zeitung “Neue Zeit – Olmützer Zeitung” untersucht. Natürlich müsste für dieses Projekt ein viel größerer Quellenkorpus untersucht werden, doch reicht Analyse eines Monats aus, um euch meine Erfahrungen zu den Tools zu berichten.

Wie kommt man an die Quellen?

Natürlich braucht ihr für das Topic Modeling mit Voyant Tools und Overview aufbereitete Quellen. Wie ihr zu jenen kommt, habe ich in meinem Blogeintrag “Transkribus – ein Erfahrungsbericht” behandelt.

Topic Modeling mit Voyant Tools

Voyant Tools ist ein sehr vielseitiges und einfach zu bedienendes Online-Programm. Ruft dazu die Homepage von Voyant Tools auf und ladet eure mit Transkribus aufbereiteten Quellen mit dem Button “Hochladen” hoch. Je nach Größe eures Quellenkorpus dauert das Hochladen etwas.

Abb 1: Voyant Tools: Startseite

Sind eure Quellen erst einmal hochgeladen, erschreckt nicht an den vielen Eindrücken. Ihr seht dann fünf verschiedene Tools zum Auswerten eurer Quellen. An der Liste darüber könnt ihr andere bereits Tools auswählen. Wenn ihr mit dem Cursor auf diese Liste fährt, erscheinen drei weitere Zeichen, klickt jenes mit dem Windows-Zeichen an und wählt unter “Rastertools” das Tool “Themen” um das geeignete Tool für das Topic Modeling auszuwählen. Ihr könnt aber auch mit anderen Tools etwas spielen und über die Suchfunktion nach Begriffen suchen. Probierte es einfach aus!

Abb. 2: Erste automatische Analyse von Voyant Tools

Ich hab die Tools ausprobiert und nach den für mein Projekt wichtigen Begriffen “Tambora”, “Vulkan” und “1815” gesucht und mit dem Tool “Themen” ein Topic Modeling durchgeführt. Da der Vulkanausbruch von Tambora in den österreichischen Zeitungen erst viele Jahre später behandelt wird, erscheinen Artikel darüber nicht täglich, sondern immer wieder einmal. So wird der Vulkanausbruch nur am 17. Februar 1857 in einem Artikel kurz behandelt. Deshalb ist das Ergebnis des Topic Modelings in den aufbereiteten Quellen wenig aussagekräftig und zur besseren Visualisierung habe ich für die Abbildung 3 nur den 17. Februar 1857 dargestellt, denn Voyant Tools kann nur max. 200 Themen darstellen und der Vulkanausbruch war für die Zeitungsberichte des Februars 1857 ein zu kleines Thema um angezeigt zu werden.

Erfahrungen mit Voyant Tools

Voyant Tools bietet eine große Anzahl an Tools zur Visualisierung einer digitalen Quellenanalyse. Es ist einfach zu bedienen, kostenlos und man braucht sich nicht zu registrieren. Ich finde das Tool wirklich sehr hilfreich zum Topic Modeling. Man muss aber aufpassen, dass das zu suchende Thema wichtig genug ist, um als Thema von Voyant Tools erkannt zu werden. Leider ist mein Quellenkorpus für das Thema des Vulkanausbruchs von Tambora zur Visualisierung mit Voyant Tools nicht geeignet. Für andere Themen eignet sich Voyant Tools aber sehr gut. Nochmals besonders anzumerken ist die große Fülle an Tools, die Voyant Tools bietet.

Einige der Tools sind sehr hilfreich, müssen aber doch reflektiert betrachtet werden. Sucht man zum Beispiel nach Vulkan in den von mir zur Verfügung gestellten Quellen, vermittelt das Tool Cirrus den Eindruck, dass der Begriff Vesuv sehr häufig vorkommt. Betrachtet man die Begriffe Vulkan und Vesuv mit dem Tool Begriffe, erkennt man, dass der Begriff Vesuv nur geringfügig häufiger vorkommt und allein aufgrund der Seltenheit beider Begriffe hervorgehoben wird. Das Trends-Tool visualisiert die Häufigkeit von Begriffen recht gut, doch scheint es mir auch hier gut, wenn man sich andere Begriffe dort anzeigen lässt, um eine Korrelation zu erkennen. Die Tools Zusammenfassung und Kontext finde ich für meinen Quellenkorpus weniger hilfreich. Dies liegt aber auch daran, dass viele einzelne Buchstaben als Begriff erkannt werden und man dies manuell bearbeiten müsste. Allerdings glaube ich ist das Kontext-Tool doch hilfreich ist um Textstellen, die zwar ein ähnliches Thema , aber dann doch nicht das gesuchte Thema behandeln, manuell auszusortieren. In meinem Fall wird etwas ausführlicher die Aktivität des Vesuvs behandelt, aber der Ausbruch von Tambora nur kurz angeschnitten. Beim Suchen des Begriffs Vulkan, wird sich deshalb häufiger auf den Vesuv als auf Tambora bezogen.

Abschließend kann ich zu Voyant Tools sagen, dass damit eine erste grobe Analyse für einen sehr großen Quellenkorpus gegeben werden kann. Für die Detailanalyse, muss jedoch manuell jede Textstelle betrachtet werden, ob sie tatsächlich richtig zugeordnet wurde. Dennoch kann Voyant Tools zur Auswahl bestimmter Quellen einem großen Korpus herangezogen werden und hilft den Quellenkorpus zu strukturieren.

Topic Modeling mit Overview

Ein anderes Tool für das Topic Modeling ist Overview. Auch Overview ist ein kostenfreies Tool, das allerdings eine Registrierung verlangt. Registriert euch also auf der Homepage von Overview und ladet mittels dem links etwas versteckten Button “Upload Files” eure mit Transkribus aufbereiteten Quellen hoch. Vergesst nicht die von euch gewünschte Sprache auszuwählen. Der Upload dauert je nach Größe des gewählten Quellenkorpus etwas.

Abb. 4: Upload Quellen auf Overview

Klickt auf den Button “add view” und wählt dort ein Tool aus. Mit dem Tool Entities könnt ihr beispielsweise die Häufigkeit von Ortsnamen suchen. Wenn ihr aber, wie ich, Topic Modeling betreiben wollt, wählt das Tool “Tree” und benennt euren Themenbaum. Rechts oben könnt ihr Tags eingeben und diese dann auswählen. Auf der rechten Seite werden eure hochgeladenen Dokumente und wenn ihr Tags ausgewählt habt, jene, die die Tags beinhalten, angezeigt. Auf der linken Seite findet ihr euren Themenbaum. Ihr könnt darin nach Tags oder nach Begriffen suchen. Ihr seht dann, in welchen Themen und Unterthemen Overview die von euch gesuchten Begriff einordnet. Auf der linken Seite befindet sich noch eine Zoom-Funktion, ihr könnt aber auch durch Scrollen heranzoomen.

Abb. 5 Topic Modeling mit Overview
Erfahrungen mit Overview

Wenn ihr, wie ich, Probleme beim Hochladen eurer Dateien habt, ladet die Seite einfach neu und versucht es erneut. Bei mir hat es beim 4. Versuch geklappt. Nachdem man sich erst einmal registriert und herausgefunden hat, wie man Dateien hochladet (der Upload-Button ist etwas versteckt) funktioniert das Tool gut. Anders als Voyant Tools kann Overview das Thema Vulkan auch bei meinem gesamten Quellenkorpus des Monats Februar 1857 einordnen. Interessant finde ich auch, dass Overview durch das Erstellen eines Themenbaums Unterthemen kreiert und die gesuchten Begriffe darin anführt. Viel interessanter wäre natürlich auch hier, wenn ich Overview einen größeren Quellenkorpus mit verschiedenen Vulkanausbrüchen zur Verfügung gestellt hätte und somit eine Analyse der Unterthemen als Ergebnis gehabt hätte.

Recht praktisch finde ich auch die Suchfunktion in den Dokumenten auf der rechten Seite. Durch Doppelklick auf die Dokumente erhält man sofort Zugriff auf die Textstellen. Wünschenswert wäre für mich eine Auswahlfunktion, um Textstellen manuell entfernen zu können, wenn sie dem Nutzer nicht als richtig zugeordnet erscheinen. So muss man dies eben manuell machen. Da Overview aber die Dokumente rechts anzeigt, finde ich die Auswahl der geeigneten Seiten der Quellen für das Weiterarbeiten einfacher als mit Voyant Tools.

Zusammenfassend kann ich sagen, dass ich beide Tools für das Topic Modeling großer Quellenmengen hilfreich finde und somit die Auswahl geeigneter Quellen erleichtert wird.


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