BiographyNet. Linking the world of History. Huygens ING 25 September 2014

Maat: px

Weergave met pagina beginnen:

Download "BiographyNet. Linking the world of History. Huygens ING 25 September 2014"

Quinten Herman Jonker
8 jaren geleden
Aantal bezoeken:

1 BiographyNet Linking the world of History Huygens ING 25 September 2014

2 Presentatie Demonstrator/Tool I Kort overzicht van het project II De achterkant: wat gebeurt er met de data? III: De voorkant: visualisatie, browsing, interface

3 Recap BiographyNet Data: Biografisch Portaal van Nederland: biographies, individuen Hoofdthema van het project: Welke historische vragen kunnen (deels) worden beantwoord aan de hand van deze data met de hulp van computationele methoden? Interdisciplinariteit: Computer Science, Computationele Linguistiek, Geschiedenis

Use cases: voorbeelden Eenvoudig/Information retrieval: Groepsanalyse van de gouverneurs-generaal van Nederlands- Indië Meer complex/kennis: Vanaf welk moment raakten Nl elites

4 Use cases: voorbeelden Eenvoudig/Information retrieval: Groepsanalyse van de gouverneurs-generaal van Nederlands- Indië Meer complex/kennis: Vanaf welk moment raakten Nl elites betrokken bij de ontdekking van de Nieuwe Wereld? Zeer complex/begrip: Wat kunnen we zeggen over het concept nationalisme in biografische woordenboeken van de negentiende tot de twintigste eeuw?

5 Jaar 1 Elkaars academische taal leren Eenvoudige en simpele use cases formuleren De originele data omzetten naar linked data Adresseren van methodologische kwesties: provenance/herkomst; vertalen van historische vragen naar door software te interpreteren bouwstenen

6 Jaar 2 Start met het bouwen van de NLP pipeline, gepriotoriseerd door de uitkomsten van een workshop voor historici in april 2014 Start met het bouwen van de BiographyNet interface, deels gebaseerd op interviews met historici Voortdurend werken aan methodologische issues: historische toolkritiek; documentatie; wanneer moet welke computationele methode worden toegepast en hoe

7 Jaar 3 Testen en verbeteren van de BiographyNet tool, zowel op visualisatie (de buitenkant, Niels) als de valditeit van de uitkomsten (de binnenkant, Antske) Documentatie van de pipeline Het schrijven van een uitgebreide handleiding waarin technische, methodologische en bronkritische issues geaddresseerd worden

8 II De achterkant Wat gebeurt er met de data?

9 Analyse van Biografieën

10 Identificeren van Informatie

11 Tekstinterpretatie: stap 1

12 Tweetraps Interpretatie 1. Directly translate NLP output: 1. list all events, people, locations, time expressions, word meanings 2. Link them to the original tokens in the text (provenance) 2. Try to interpret the data: 1. Which mentions refer to the same entity? 2. What entity is that? 3. What is the exact geographical location?

13 Tekstinterpretatie: Stap 2

14 Methode en uitdagingen Domein adaptatie: Domeinspecifieke betekenis: promoveren Typisch biografische betekenis: `doctorsgraad verwerven maar ook: `verbetering van een positie, `rijzen van deeg HeidelTime: ontwikkeld voor het Biografisch Woorenboek van Socialisme en de Arbeidersbeweging (BWSA, ook deel van het Biografisch Portaal) BWSA (late 20 th century): 90.4% recall, 98.1% precision BWG (late 20 th century): 83% recall, 76,5% precision VDAA (late 19 th century): 69.7% recall, 77.6% precision

15 Data interpretatie (voorbeeld) Use case: predikanten: 1) gemiddelde leeftijden 2) reizen Leeftijden: Bereken de verschillen in leeftijd bij eerste baan, laatstebaan, geboorte en dood Controleer extremen (jongste priester was -160, de oudse had zijn eerste baan op de leeftijd van 125) Locaties: Is er een duidelijke specificatie? (land, provincie, stad) What is een voor de hand liggende identificatie? (Van in Iran is bijvoorbeeld over het algemeen niet een voor de hand liggende kandidaat) Wat is het meest dichtbij? Controleer extremen

16 Data interpretation Domain specific filters: Nothing happens to people before they are born Default interpretations of specific cities Historic use of location names: Oost-Indië, Nederlands-Indië, Batavia, Antwerpen (Brabant) Case specific filters: It is unlikely someone starts working as a minister at age 12 (but possible for other professions)

17 Evaluatie van NLP Focus op de resultaten: hoe krijg je de beste resultaten voor de historicus? We hebben evaluatiesets nodig, dmv crowd sourcing, van de data die geïdentificeerd moet worden (b.v. locaties, mensen, tijdsuitdrukkingen, events, relaties tussen verschillende entiteiten et etera)

18 III De voorkant visualisatie, browsing, interface

19 Over de Data RDF versie van de Biografisch Portaal data Schema gebaseerd op de originele XML Files Noodzakelijk om data van verschillende biografieën te koppelen, met instandhouding van de originele data Compatibel met gangbare schema s BiographyNet: Linking the world of History escience internal review Thursday, 18 September 2014

20 Provenance in BiographyNet Nodig om de geloofwaardigheid van de demonstrator te behouden en de output te controleren Provenance op verschillende vlakken: Gebruikte informatie Gebruikte bronnen, maar ook andere input Processen Alle stappen in verrijking en aggregatie Personen Wie was verantwoordelijk voor de pipeline? Provenance op verschillende niveaus: Geaggregeerd Voor de historicus, per verrijking Gedetailleerd Voor de computer scientist en computationele linguïst: inzicht in alle processen *Daniel Garijo, Yolanda Gil; BiographyNet: Linking the world of History escience internal review Thursday, 18 September 2014

21 RDF Schema (simplified version) BiographyNet: Linking the world of History escience internal review Thursday, 18 September 2014

22 Interface Design(I) Target group: Historians o Participants included history students, scientific staff history dep. of multiple universities, as well as members from institutes such as Huygens ING Information Gathering and Requirement Engineering o Brainstorms o Interviews Low fidelity prototypes o Sketches o Feedback in interview sessions High fidelity prototype o HTML mockup demo Evaluation o One-to-one meetings o Think Aloud protocol o System Usability Scale (SUS) BiographyNet: Linking the world of History escience internal review Thursday, 18 September 2014

23 Interface Ontwerp Resultaten van interviews met historici: Initial Functionality Requirements The sources of displayed information must be traceable Suggestions about possible relations should be shown Multiple types of visualization should be available Results must be able to be stored in text form Statistical information should be available There must be insight in how the algorithm operates Results should be reproducible Low Fidelity Prototype Feedback Availability of full source text Possibility to store visualization Show multiple source texts next to each other Show Title-Author-Year next to the relation-information Visualize uncertaincy of relations in the visualizations Do not give an opinion on what source tells the truth Add a raw data tab containing the used data from the semantic knowledge base in plain text BiographyNet: Linking the world of History escience internal review Thursday, 18 September 2014

24 Mockup Prototype (I) BiographyNet: Linking the world of History escience internal review Thursday, 18 September 2014

25 Mockup Prototype (II) BiographyNet: Linking the world of History escience internal review Thursday, 18 September 2014

26 Uitdagingen Specifieke vereisten o Accuracy o o Meerdere timelines per view, meerdere multiple range items (e.g. person) per time line, multiple events plotted on range items, linking event across items All items must be plotted on an accurate scale Markers and item placing must actually mean something Complexity o o o Potentially 1000s of persons for a given point in time A Free scrollable and zoom-able time line with dynamic asynchronous loading of content is needed Using new HTML5 techniques such as Canvas for scalability Ordering and prioritization (algorithms) o o Rate items bases on metrics determined by the search query, e.g. Nr. Of relevant relations or events Centralize best rated item and wrap related based on rating BiographyNet: Linking the world of History escience internal review Thursday, 18 September 2014

Vergelijkbare documenten

Een nieuwe prosopografie van predikanten: mogelijkheden en valkuilen van DH-tools God in Nederland 3.0, 21 November, 2014

Een nieuwe prosopografie van predikanten: mogelijkheden en valkuilen van DH-tools God in Nederland 3.0, 21 November, 2014 Serge ter Braake & Antske Fokkens Een geschiedenis van historische databases Eind