Digital resources in the Social Sciences and Humanities OpenEdition Our platforms OpenEdition Books OpenEdition Journals Hypotheses Calenda Libraries OpenEdition Freemium Follow us

“We’ve got the data – what now?”: Text Annotation

In der heutigen digitalen Landschaft sind Textannotation unter anderem für die Visualisierung, die Informationsbeschaffung, die linguistische Analyse und das maschinelle Lernen unerlässlich. Jonathan Gaede und David Schatz befassen sich im zweiten Workshop der Reihe „We’ve got the data – what now?“ mit eben dieser Bedeutung von Textannotation als historisches und modernes Instrument zur Anreicherung von Texten mit zusätzlichen Informationen. Textannotation dient verschiedenen Zwecken: von der Kennzeichnung von Namen, Orten und Daten (Named-Entity-Annotation) bis hin zur Auflösung von Mehrdeutigkeiten und der Verknüpfung von Kernreferenzen, wie Pronomen oder wiederholten Erwähnungen derselben Entität. Sie wird auch für Sentiment-Tagging, die Identifizierung von Wortteilen und die Verknüpfung von Entitäten innerhalb von Texten oder zwischen Texten und externen Wissensdatenbanken verwendet. Je nach Bedarf können Annotationen auf ganze Dokumente, bestimmte Sätze oder einzelne Wörter angewendet werden. Die Arbeitsabläufe können von manuellen Annotationen über halbautomatische Prozesse bis hin zu vollautomatischen Methoden mit maschinellen Lernmodellen reichen.

Die Session befasste sich mit den Herausforderungen der Arbeit mit XML, einem Standardformat für Textanmerkungen. XML ist zwar anpassbar und weit verbreitet, aber die strenge hierarchische Struktur – genannt Ordered Hierarchy of Content Objects (OHCO) – führt zu Konflikten, wenn sich Annotationen überschneiden. Lösungen wie die Standoff-Annotation versuchen, dieses Problem zu lösen, indem sie den Originaltext und die Annotationen trennen, aber sie können ihre eigenen Schwierigkeiten mit sich bringen, wie beispielsweise unzusammenhängende Verweise, die bei der Bearbeitung des Basistextes auftreten.

Anschließend wurde das Projekt INCEpTION als innovative Plattform für semantische Annotation und kollaboratives Wissensmanagement vorgestellt. INCEpTION bietet mehrere Rollen an – Annotatoren, Kuratoren und Manager – und ermöglicht die kollaborative Annotation über anpassbare Ebenen. In diesem Workshop wurden Tools wie OpenNLP und StringMatcher auf die Märchen der Gebrüder Grimm angewandt, um Entitäten zu klassifizieren und Sprachanteile, Sentiments und Unstimmigkeiten zwischen den Annotatoren zu analysieren. Die Teilnehmer hatten auch die Möglichkeit, INCEpTION selbst auszuprobieren.

Dr. Maria Becker schloss die Sitzung, indem sie die Herausforderungen von mehrschichtigen Annotationen ansprach, insbesondere für moralisierende Sprechakte: Texte, die kontroverse Themen durch moralische Werte beschreiben. Solche Aufgaben erfordern detaillierte und verschachtelte Annotationen, die schwierig zu handhaben sein können. Becker wies auch auf Probleme mit Werkzeugen wie INCEpTION hin. Darunter fallen von Menschen nicht lesbare Formate, Bearbeitungsschwierigkeiten, Fehler und langsame Leistung bei großen Datensätzen oder kollaborativer Arbeit.

Trotz dieser Herausforderungen bestätigte der Workshop den Wert der Textannotation als eine grundlegende Praxis und ein wichtiges Werkzeug für die moderne Forschung und Technologie. Die Weiterentwicklung von Plattformen wie INCEpTION bietet neue Möglichkeiten für die Verwaltung und Interpretation komplexer Textdaten und ebnet den Weg für Fortschritte in den Bereichen maschinelles Lernen, natürliche Sprachverarbeitung und Wissensmanagement.

 

–> Die Materialen, Datenbeispiele, Präsentationsfolien und Anwendungsszenarien zum Nachlesen <–

 

 

David Schatz & Jonathan Gaede: “We’ve got the data – what now?”

Dr. Maria Becker

 

 

 

 

 

 

 

 

 

 

 

— English Version —

 

In today’s digital landscape, text annotation is vital for visualization, information retrieval, linguistic analysis, and machine learning, among other applications. In the second workshop of the “We’ve Got the Data – What Now” series Jonathan Gaede and David Schatz explored this importance of text annotation as both a historical and modern tool for enhancing texts with additional information. Text annotation serves diverse purposes: from tagging names, places, and dates (known as named entity annotation) to resolving ambiguities and linking coreferences, such as pronouns or repeated mentions of the same entity. It is also used for sentiment tagging, identifying parts of speech, and linking entities within or across texts to external knowledge bases. Depending on the need, annotations can be applied to entire documents, specific sentences, or individual words.
Workflows can range from manual annotation to semi-automated processes and fully automatic methods involving machine learning models.

The session addressed the challenges of working with XML, a standard format for text annotation. While XML is customizable and widely used, its strict hierarchical structure—known as the Ordered Hierarchy of Content Objects (OHCO)—creates conflicts when annotations overlap. Solutions like standoff annotation attempt to overcome this by separating the original text and annotations, but they can introduce their own difficulties, such as disrupted references when editing the base text.

The INCEpTION project was then presented as an innovative platform for semantic annotation and collaborative knowledge management. INCEpTION supports multiple roles—annotators, curators, and managers—while enabling collaborative annotation across customizable layers. In this workshop, tools such as OpenNLP and StringMatcher were applied to Grimm Brothers’ fairy tales to classify entities and analyze parts of speech, sentiment, and disagreements among annotators. Participants also had the opportunity to try INCEpTION on their own.

Dr. Maria Becker concluded the session by addressing the challenges of multilayer annotations, particularly for moralizing speech acts—texts that describe controversial topics through moral values. Such tasks demand detailed and nested annotations, which can be difficult to manage. Becker also highlighted issues with tools like INCEpTION, including non-human-readable formats, editing difficulties, bugs, and slow performance with large datasets or collaborative work.

Despite these challenges, the workshop reaffirmed the value of text annotation as both a foundational practice and a crucial tool for modern research and technology. As platforms like INCEpTION evolve, they offer new ways to manage and interpret complex textual data, paving the way for advances in machine learning, natural language processing, and knowledge management.

 

–> Materials, data examples, presentation slides and application scenarios for further reading <–


OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Laurien Dröge (21. Dezember 2024). “We’ve got the data – what now?”: Text Annotation. DH in HD . Abgerufen am 10. Februar 2025 von https://doi.org/10.58079/12zm4


Das könnte dich auch interessieren …