Text zu XML mit Python auf Basis des „Bomber’s Baedeker“

von Felix Bach und Cristian Secco

Die Transformation von digitalisierten Druckwerken von einer Bilddatei zur maschinenlesbaren XML-Datei ist für zahlreiche Methoden der Digital Humanities ein wichtiger Schritt in der Datenaufbereitung. In diesem Beitrag präsentieren wir einen Ansatz auf Basis eines Python-Skripts am Beispiel eines Werkes mit einer besonderen Binnenstruktur: Der Bomber’s Baedeker war ein „Reiseführer“, welcher von der Royal Air Force genutzt wurde, um während des 2. Weltkrieges deutsche Industriestandorte anzugreifen. Text zu XML mit Python auf Basis des „Bomber’s Baedeker“ weiterlesen

Doing Digital History with Python III: topic modelling with Gensim, spaCy, NTLK and SciKit learn

by Monika Barget

In April 2020, we started a series of case studies to introduce researchers working with historical sources to data analysis and data visualisation with Python. Today’s blog post covers topic modelling with the Python packages Gensim, spaCy, NLTK and SciKit learn.

Topic modelling is one of the central methods of Natural Language Processing (NLP), the „automatic manipulation of natural language, like speech and text, by software.“ (Jason Brownlee: What Is Natural Language Processing?, in: Deep Learning for Natural Language Processing, 22nd September 2017) In its most basic form, a „topic“ modelled by software displays word co-occurrences in texts, assuming that the frequency of co-occurrences defines certain areas of meaning. Doing Digital History with Python III: topic modelling with Gensim, spaCy, NTLK and SciKit learn weiterlesen