Computerlinguistische Methoden für die Digital Humanities · Eine Einführung für Geisteswissenschaftler:innen by Andresen, Melanie -- Read -- Imperial Library of Trantor

Index

Cover Titel Impressum Inhaltsverzeichnis Vorwort 1 Einleitung

1.1 Über dieses Buch 1.2 Korpus- und Computerlinguistik 1.3 Grundbegriffe

Teil 1: Linguistische Ausgangspunkte 2 Lexik

2.1 Das Wort 2.2 Tokenisierung 2.3 Lemmatisierung 2.4 Der Wortschatz von Korpora 2.5 Kollokationen 2.6 Keywords 2.7 Beispielstudien 2.8 Übungen

3 Wortarten

3.1 Wortarten in der Linguistik 3.2 Wortarten annotieren 3.3 Automatisches POS-Tagging 3.4 Beispielstudien 3.5 Übungen

4 Syntax

4.1 Konstituentengrammatik 4.2 Dependenzgrammatik 4.3 Computerbasierte Syntaxanalyse 4.4 Beispielstudien 4.5 Übungen

5 Semantik: Wortfelder

5.1 Semantik: Linguistische Grundlagen 5.2 Wortfelder 5.3 Beispielstudien 5.4 Übungen

6 Semantik: Sentimentanalyse

6.1 Bewertungen in Texten 6.2 Lexikonbasierte Sentimentanalyse 6.3 Sentimentanalyse mit maschinellem Lernen 6.4 Emotionsanalyse 6.5 Beispielstudien 6.6 Übungen

7 Semantik: Distributionelle Semantik

7.1 Grundlagen 7.2 Ähnlichkeiten berechnen 7.3 Word Embeddings

7.3.1 Spärliche vs. dichte Repräsentation 7.3.2 Word Embeddings berechnen 7.3.3 Statische und dynamische Embeddings 7.3.4 Mit Word Embeddings arbeiten 7.3.5 Evaluation

7.4 Beispielstudien 7.5 Übungen

8 Pragmatik: Referenz

8.1 Entitäten und Referenz 8.2 Named Entity Recognition 8.3 Koreferenz 8.4 Beispielstudien 8.5 Übungen

Teil 2: Methoden 9 Korpussuche und -statistik

9.1 Reguläre Ausdrücke 9.2 Absolute und relative Frequenzen 9.3 Deskriptive Statistik 9.4 Visualisierung 9.5 Inferenzstatistik 9.6 Übungen

10 Manuelle Annotation

10.1 Manuelle und automatische Annotation 10.2 Annotationsrichtlinien 10.3 Qualität manueller Annotationen prüfen 10.4 Tools zur manuellen Annotation 10.5 Übungen

11 Maschinelles Lernen

11.1 Maschinelles Lernen, künstliche Intelligenz & Co. 11.2 Überwachtes und unüberwachtes Lernen 11.3 Musterablauf einer Klassifikation

11.3.1 Trainingsdaten 11.3.2 Merkmale 11.3.3 Lernverfahren 11.3.4 Evaluation

11.4 Übungen

12 Deep Learning

12.1 Grundlagen 12.2 Aufbau eines Deep-Learning-Modells 12.3 Training eines Deep-Learning-Modells 12.4 Word Embeddings 12.5 Recurrent Neural Networks 12.6 Transformer 12.7 Mit Deep Learning arbeiten 12.8 Übungen

Teil 3: Gesellschaft 13 Computerlinguistik und Ethik

13.1 Einführung 13.2 Dual Use 13.3 Bias und Diskriminierung

13.3.1 Beispiele für Bias 13.3.2 Ursachen von Bias

13.4 Ressourcenverbrauch 13.5 Repräsentation

Ressourcenverzeichnis Literaturverzeichnis Sachregister Fußnoten