Firenze - 12 Dicembre 2015
D(h)ante
La prospettiva delle digital humanities
Digital Humanities
Joint Project
Menini - Moretti - Sangati - Sprugnoli - Tonelli
Indice
- Informatica umanistica
- Il corpus dantesco
- Analizzatore grammaticale
- Demo
- Conclusione
Informatica umanistica
padre Busa
k
Linguistica computazionale
Analisi automatica di testi letterari
Il corpus dantesco
DanteSearch
www.perunaenciclopediadantescadigitale.eu
- testi affidabili (collazione con le edizioni di riferimento)
- XML
- TEI
- lemmatizzazione
- annotazione grammaticale e sintattica
Annotazione
Manuale
Con esperti di dominio
Nel mezzo del cammin di nostra vita
| token | lemma | cat. grammaticale |
|---|---|---|
| Nel | il | rdms |
| mezzo | in mezzo di | eilaksl |
| del | il | rdms |
| cammin | cammino | sm2ms |
Documenti
- Commedia
- Convivio
- Detto d'amore
- Rime
- Vita Nuova
- Fiore
Una sintesi in numeri
| Documento | token | type | lex. richness |
|---|---|---|---|
| convivio | 73457 | 6826 | 0.09 |
| dettodamore | 2503 | 766 | 0.31 |
| fiore | 23698 | 4420 | 0.19 |
| inferno | 34280 | 6704 | 0.19 |
| paradiso | 33717 | 6339 | 0.19 |
| purgatorio | 34146 | 6591 | 0.19 |
| rime | 12102 | 2733 | 0.22 |
| vitanuova | 18988 | 3004 | 0.16 |
| token | type | lex. richness |
|---|---|---|
| 232891 | 20562 | 0.09 |
Un esempio
...
Nel
mezzo
del
cammin
di
nostra
vita
...
Elaborazione del corpus
- tokenizzazione esaustiva
- unione di lemmi multipli
- punteggiatura
- segmentazione della frase
- conversione del tagset
tokenizzazione
...
quando che sia
...
| token | POS | lemma |
|---|---|---|
| quando | B | quando che sia |
| che | B | quando che sia |
| sia | B | quando che sia |
lemmi multipli
...
nel
nel
...
| token | lemma | POS |
|---|---|---|
| nel | RS/E | il/in |
punteggiatura
...
alto ,
...
regge;
...
| token | lemma | POS |
|---|---|---|
| alto | alto | A |
| , | , | XPW |
| regge | reggere | VI |
| ; | ; | XPO |
Tagset
| a1fs | AS |
| a2fs | AS |
| a1ms | AS |
| a2ms | AS |
| ... | ... |
| 2224 | 46 |
RISULTATO
| token_id | token | lemma | POS | originalPOS | sentence_id |
|---|---|---|---|---|---|
| 0 | Per | per | E | epsf | 1 |
| 1 | correr | correre | VI | vta2fp | 1 |
| 2 | miglior | migliore | AP | a2fp | 1 |
Un analizzatore grammaticale
Nel _RS mezzo _E del _RS cammin _SS
| modello | accuratezza |
|---|---|
| TextPro* | 0.72 |
| TreeTagger | 0.90 |
| Stanford Tagger | 0.92 |
ALCIDE
Analysis of Language and Content In a Digital Environment
Grazie
Angelo Basile / Digital Humanities Joint Project @ FBK
angelo.basile@alumni.unitn.it
https://dh.fbk.eu