Lexicometric text analysis using CLARIN-D Webservices and R

Die Programmiersprache R hat in der Datenanalyse jüngst, auch in den Geistes- und Sozialwissenschaften, viel Aufmerksamkeit bekommen. Obwohl sie für die Analyse strukturierter numerischer Daten konzipiert wurde, hat sie sich für das Text Mining und die lexikometrische Analyse als nützlich erwiesen. Ein entscheidender Aspekt für die lexikometrische Analyse ist die linguistische Vorverarbeitung von Text, um weitere Analysen durchführen zu können. Die CLARIN-D Infrastruktur bietet eine Reihe von Webservices an, etwa Satzsegmentierung, Tokenisierung, Lemmatisierung, POS-Tagging und Named-Entity-Recognition. Der Kurs gibt eine Einführung in die Nutzung dieser Webservices in R, um den Teilnehmern die sichere Anwendung einer lexikometrischen Analyse in R zu vermitteln.

Der Workshop besteht aus theoretischen und praktischen Einheiten. Nach einer kurzen Einführung in das Themenfeld werden wichtige Konzepte des Text Mining vorgestellt. Der Kurs behandelt Text Mining mit R und WebLicht Webservices und richtet sich an Nutzer_innen, die bisher wenig oder noch gar nicht mit R gearbeitet haben. Es wird grundlegendes Wissen zu Installation, Konzepten des Datenimports und -exports, Datentypen und Operatoren vermittelt. Außerdem wird es eine kurze Einführung in die Nutzung von WebLicht  geben, die als Grundlage für die Nutzung der Webservices in R dient.

Die praktischen Einheiten werden sich an konkreten Beispielen orientieren, sodass das Wissen aus den theoretischen Einheiten von den Teilnehmer_innen angewendet werden kann. Außerdem werden verschiedene Quellen für Textdaten und deren Import in R behandelt. Die Teilnehmer_innen lernen die Techniken der Vorverarbeitung kennen, wie etwa Satzsegmentierung und Tokenisierung. Diese Vorverarbeitungsschritte werden als Grundlage für die Anwendung weiterer Techniken wie Part-of-Speech-Tagging oder Named-Entity-Recognition genutzt. Darauf aufbauend werden Frequenz-basierte Analysen, z.B. Kookkurrenzanalysen, durchgeführt. Die Teilnehmer_innen sollen außerdem lernen, Ergebnisse aus der Analyse mit R ohne die Nutzung externer Tools zu visualisieren.