Digital Kaiser-Jäger – Episode 5: Mit dem Kaiser in die Textmine!

Programming Historians und virtuelle Monarchist*innen aufgepasst: Die Digital Kaiser-Jäger sind wieder da!

Wer unsere letzten beiden Blogs mitverfolgt und auch umgesetzt hat, besitzt nun im besten Fall einen vollständig transkribierten und leserlichen Quellenkorpus. Die Mühen mit Transkribus waren also nicht umsonst – oder? Denn einige von euch werden jetzt sicher mit duzenden Transkriptionen dasitzen und sich fragen, wie diese Daten nun am besten verwertet werden können. Hier kann unser heutiger Blog, in welchen wir zwei Tools und ihre Möglichkeiten vorstellen, Abhilfe schaffen.

Mit Voyant-Tools und Overview stellen wir euch heute zwei Websites vor, die für Text-Mining verwendet werden können. Text-Mining ist ein Sammelbegriff, der verschiedene Methoden beschreibt. Im Grunde geht es darum, mit der Auswertung großer Textmengen Informationen zu Tage zu fördern, die beim einfachen Lesen verborgen bleiben könnten. Somit können Schlüsselmotive, Muster und Beziehungen sichtbar gemacht werden.

Voyant Tools

Das erste Hilfsmittel, welches wir euch näherbringen möchten, ist Voyant Tools. Wir wollen in unserem Beispiel anhand transkribierter Zeitungsartikel herausfinden, wo sich Kaiser Franz Josef bei einem Tirol-Aufenthalt im September 1884 aufgehalten hat. Dazu haben wir unser Material auf Voyant Tools hochgeladen. Hier stehen euch nun einige Werkzeuge zur Auswertung des Quellenkorpus zur Verfügung:

Abb. 1: Eine erste Übersicht nach dem Hochladen.

Die beim Cirrus-Tool erstellte Wortwolke sticht auf der Seite, die sich nach der Auswertung des Quellenkorpus auftut, als erstes ins Auge. Diese bunte Wolke spiegelt die Wortfrequenz wider, wobei die häufigsten Worte am größten dargestellt und möglichst im Zentrum positioniert werden. Im ungefilterten Zustand ist dies natürlich nur begrenzt sinnvoll, weshalb wir zur Optimierung eine Stop- bzw. Whitelist anlegen. Während eine Stoplist bestimmte, überflüssige Begriffe aus dem Cirrus entfernt, bewirkt eine Whitelist das Gegenteil und hebt nur bestimmte Begriffe hervor. 

Es gibt vorgefertigte Stoplists, mit denen ihr die meisten überflüssigen Wörter filtern könnt. In unserem Versuch blieben darüber hinaus noch einige Zahlen und Abkürzungen übrig, die sich aber schnell zur Liste hinzufügen lassen. Das Ergebnis sieht folgendermaßen aus:

Abb. 2: Das Cirrus-Tool vor und nach dem Einsatz der Stoplist

Für unsere Frage nach den Aufenthaltsorten des Kaisers bringt uns die Analyse der Wortfrequenz bislang leider wenig. Als einziger Ort in Tirol scheint hier Innsbruck auf, was bei unserm Quellenkorpus allerdings nicht verwunderlich ist. Welche Optionen bleiben uns also noch?

Neben dem Cirrus sehen wir noch zwei Reiter: Contexts und Trends. Von der Vielzahl an verfügbaren Optionen, war nun unsere Strategie herauszufinden, welche Ortsnamen häufig in Verbindung mit Kaiser Franz Joseph erwähnt werden. Um zu sehen, wo sich KFJ aufgehalten haben könnte, haben wir auf das Werkzeug „Kollokationen“ zurückgegriffen. Dieses zeigt uns, welche Begriffe innerhalb des Textes nahe beieinander stehen. Als Schlagwort haben wir uns für „kaiser“ entschieden und möchten sehen, welche anderen Begriffe bei einer Reichweite von sieben Wörtern auftauchen. Die Reichweite kann dabei beliebig von 1-30 ausgewählt werden, sodass auch Ausdrücke, welche nicht nur unmittelbar auf das Schlagwort folgen, ermittelt werden können. 

Abb. 3: In unserem Beispiel haben wir als Schlagwort „kaiser“ bei einer Reichweite von 7 Wörtern gewählt, wodurch wir einige Ortsbezeichnungen ausfindig machen konnten. 

Durch diese Auswertung sehen wir nun, an welcher Stelle im Quellenkorpus und in welcher Frequenz die von uns markierten Begriffe auftauchen. Es lässt sich schließen, dass in den Zeitungsartikeln gegen Monatsende beschrieben wird, dass der Kaiser sich wohl auf den Weg nach Bregenz gemacht haben dürfte und dabei mit dem Zug gereist ist – das legt zumindest die hohe Frequenz des Wortes „bahnhof“ nahe. Außerdem decken sich die Häufung der Begriffe „stams“ und „kloster“. Hier ist der Ort Stams im Oberinntal gemeint, in dessen Kloster die Grafen von Tirol bestattet sind. Es scheint also, dass KFJ auch hier einen Zwischenstopp einlegte. 

Overview

Als nächstes Programm testen wir Overview! Wie bei Voyant Tools, können wir unsere mit Transkribus erstellten Word-Dateien auf der Webseite hochladen. Vorerst muss man sich aber hierbei noch anmelden, was aber schnell erledigt ist und es kann gleich darauf schon begonnen werden. Für die zweite Suche haben wir uns für den September 1863 entschieden und checken in den Innsbrucker Nachrichten die Aufenthalte des Kaisers in Tirol. 

Wie bei den Voyant Tools, stehen uns hier jetzt einige Möglichkeiten der Visualisierung und Bearbeitung zur Verfügung, beginnend mit der bereits bekannten Word Cloud. 

Abb. 4: Die unbearbeitete Wortwolke 

Hier braucht es kein geschultes Auge um zu erkennen, dass diese Wortwolke noch einer Bearbeitung bedarf. Leider haben wir keinen Bereich für eine vorgefertigte Stoppliste zum Einfügen gefunden und so mussten die Wörter per Hand ausgesiebt werden. 81 Klicks später sieht die Wolke dann folgendermaßen aus: 

Abb. 5: Die Wortwolke ohne die „Hidden Words“

Wir sehen, dass noch nicht allen relevanten Wörter entfernt wurden, doch hat man hier schon ein besseres Bild vor Augen. Klar sind Wörter, wie „Innsbruck“, „1863“ und „September“ die häufigsten, da die Zeitung ja im September 1863 in Innsbruck erschienen ist. Interessanter sind da wohl eher Begriffe, wie „Schützen“ oder „Frankfurt“. Auf den ersten Blick erkennt man auch, dass „München“ und „Wien“ um einiges öfter vorkommen, als z.B. „Tirol“. Auch weist uns diese Wolke bereits auf ein wichtiges Jubiläum im Jahr 1863 hin: der etwas kleinere Begriff „500jährigen“ bezieht sich auf den Jahrestag der Übergabe Tirols an die Habsburger 1364, bei dem der Kaiser wohl sicher anwesend sein musste. Apropos, die für uns jetzt eigentlich relevanten Begriffe „Kaiser“ und „Majestät“ geben uns noch wenig Auskunft über einen möglichen Besuch in Tirol. Um genaueres über die Anzahl der verwendeten Begriffe herauszufinden, bietet Overview ein handliches Tool an: „Entities“. 

Bei den Entities handelt es sich um fix zuordenbare Begriffe, wie z.B. Orte, Namen oder Länder. Bei dieser Auflistung können eigentlich nicht alle Begriffe als Entities bezeichnet werden, sind sie aber doch nützlich für unsere Forschung.

Abb. 6: Die Auflistung der häufigsten „Entities“ in den 24. Zeitungen. 

Diese Auflistung bringt uns wichtige und bessere Einsichten, als die reine Wortwolke. Man kann genau recherchieren, wie oft und vor allem, WO die Begriffe in den Zeitungen auftauchen. Insgesamt haben wir 24 Zeitungen hinaufgeladen und einige der Begriffe kommen in allen Ausgaben vor, z.B. nicht überraschend „Innsbruck“ mit 345 Zählungen in allen 24 Ausgaben. Das 500jährige Jubiläum lässt sich aus in allen Ausgaben über den Monat verteilt finden, was uns natürlich wichtigere Infos gibt. 

Mit Blick auf „Kaiser“ und „Majestät“, können wir anhand dieser Suche feststellen, dass der Begriff „Majestät“ zwar nicht am häufigsten vorkommt, doch die 73 Nennungen sind auf lediglich 17 Ausgaben verteilt.

Auf Overview kann dann abschließend noch ein „Topic Tree“ erstellt werden. In diesem Themenbaum gibt das Programm zusammenhängende Inhalte aus. Für unseren Quellenkorpus im September 1863 ergibt sich hier gleich ohne weitere Einstellung die Verbindung mit dem Kaiser/König/Hoheit. Auf dem ausgewählten Beispiel kann man gleich einen Zusammenhang zur Regimentsmusik bzw. dem Landeshauptschießstand erkennen, die wohl immer in Verbindung mit Franz Joseph auftreten. Doch wären für eine genauere Analyse mit diesem Tool ausgebesserte und überarbeitete Zeitungsartikel von Nöten. Anschließend würde sich diese Herangehensweise sicherlich für die Suche nach dem Kaiser in Tirol lohnen. 

Abb. 7: Topic Tree mit Verbindung zur Regimentsmusik usw.

FAZIT 

Insgesamt stehen uns mit Voyant Tools und Overview zwei sehr hilfreiche Werkzeuge zur Verfügung. Im direkten Vergleich zeigt sich, dass das Cirrus-Tool, also die Wortwolke, bei Voyant Tools durch die Stop- und Whitelists leichter zu bedienen ist. Sollte es euch beim Text-Mining also nur um die Ermittlung von Wortfrequenzen gehen, empfehlen wir die Auswertung über Voyant.

Falls ihr beim Mining aber noch einen Schritt weitergehen und Zusammenhänge im Quellenkorpus darstellen wollt, bieten euch beide Seiten hervorragende Optionen. Während Voyant Tools hier mehr in die Breite geht und eine große Vielzahl von Auswertungswerkzeugen bietet, lässt Overview mit seinen „Topic Trees“ mehr Tiefgang bei der Auswertung zu. 

Welches der beiden Tools ihr letztendlich verwendet hängt von euren Fragestellungen und Erkenntnisinteressen ab. Wir hoffen aber, euch die Entscheidung mit unserem kurzen Review etwas leichter gemacht zu haben!

Bis zum nächsten Mal!

Christoph + Max, eure Digital Kaiser-Jäger


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