Listen

Description

Figurengender-Beschreibungen in literarischen Texten automatisch erkennen zu lassen - das ist eines der Ziele eines kleinen Projektes, an dem ich mit einer Kollegin gerade sitze. Nun sind die ersten Modelle erstellt und getestet. Und siehe da, das Ergebnis hat mich ziemlich überrascht. Es zeigt nämlich, dass und wieso Frauenfiguren besser erkannt werden und warum es schon einmal sein kann, dass in einem literarischen texte das Figurengender viel viel besser erkannt wird als in anderen. Das Ergebnis hat mich außerdem dazu gebracht, die Digital-Humanities-Methode der Named Entity Recognition mit Ideen des Reverse Engineering zusammen zu denken. 


Den schriftlichen Artikel zu dieser Folge findest du hier: http://lebelieberliterarisch.de/named-entity-recognition-und-reverse-engineering/

Den Wikipedia-Artikel zum Reverse Engineering hier: https://de.wikipedia.org/wiki/Reverse_Engineering

Wenn du mehr über die Mathematik hinter dem F1-Score lesen möchtest, wirst du hier fündig: https://en.wikipedia.org/wiki/F1_score

Alle Infos zum m*w-Projekt kannst du hier einsehen: https://msternchenw.de 

Ich würde mich freuen, wenn du uns beim Aufbau eines Diversity-Korpus unterstützt!

Folge direkt herunterladen