12.10.2017 | ISS | Mainz

Semantische Annotation & Kodierung

Verstehen – Auszeichnen – Abfragen

Einführungskurs der 2. International Summer School des Studiengangs “Digitale Methodik in den Geistes- und Kulturwissenschaften”, 10.–13.10.2017

M. Grüntgens (ADWL Mainz) | D. Kasper (ADWL Mainz)
digitale-akademie.de | @digicademy | digicademy | Seminarhandbuch

---

Released under CC BY 4.0 (Max Grüntgens, Dominik Kasper; Digitale Akademie)

Table of Contents

• Verstehen
  • Was bedeutet Annotation & Kodierung?
  • Welchem Zweck dient es?
  • Was soll ausgezeichnet werden?
• Auszeichnen
  • Konzepte und Sprachen
  • Verbreitete Software und Technologien (XML)
  • XML und TEI
• Abfragen
  • XPath
  • XQuery
  • XTriples
• Literatur
• Software

01

Verstehen

Was bedeutet Annotation & Kodierung?

Welchem Zweck dient es?

Was soll ausgezeichnet werden?

• Die eine korrekte Auszeichnung gibt es nicht.
• Jede Auszeichnung ist Interpretation.
• Jede Auszeichnung ist kontextabhängig.

Vor jedem Auszeichnungsprozess, egal ob manuell oder maschinell, müssen mindestens die folgenden, eng verknüpften Fragen beantwortet werden:

• Was ist das Ziel der Auszeichnung (Welche Informationen wollen wir maschinenlesbar explizit machen)?
• Wie soll die Weiterverarbeitung der Daten vonstatten gehen?
• Welche Auszeichnungssprache eignet sich für die eigenen Zwecke am besten?
• Welches Datenformat eignet sich für die eigenen Zwecke am besten?

02

Auszeichnen

Konzepte und Sprache – XML

Beschreibung

• Extensible Markup Language
• umschließendes Tagging
• hierarchische Baumstruktur
• weit verbreitet und standardisiert

Hauptanwendungsgebiete

• Datenaustausch, Digitales Publizieren, Digitale Edition, Langzeitarchivierung.
• verknüpfte Abfrage- und Transformations-Technologien: XPath, XSLT, XQuery ...

Konzepte und Sprachen – XML

Code-Beispiel

Konzepte und Sprache – JSON

Konzepte und Sprachen - JSON

Code-Beispiel

Konzepte und Sprache – RDF

Beschreibung

• Resource Description Framework => Stichwort: strukturierte Daten
• Abstraktes Datenmodell
• Strukturierte Formulierung logischer Aussagen über Dinge
• Dinge werden als Ressourcen bezeichnet und als URIs notiert
• Triple im Sinne einer Subjekt-Prädikat-Objekt-Notation
• In verschiedenen Serialisierungen notierbar, die bspw. auf XML & JSON basieren
• Einführung und Grundbegriffe, gestern in Grundlagen von Linked Open Data, bes. Step 27-33.

Hauptanwendungsgebiete

• Hauptanwendungsgebiete: Datenaustausch, Verknüpfung von Ressourcen im Semantic Web, Structured Data, Linked Open Data.
• verknüpfte Technologie: SPARQL, OWL, ...

Konzepte und Sprachen – RDF

Code-Beispiel (Turtle)

RDF-Serialisierungen (Auswahl)

Verbreitete Software und Technologien (XML)

XML und TEI

Überblick

1. Was ist XML?
2. Syntax – Elemente, Attribute und Werte, Kommentare
3. Wohlgeformtheit
4. Validität
5. TEI

Was ist XML?

• XML = Extensible Markup Language
• Dokumentformat --> allgemeines Datenformat
• entwickelt vom World-Wide-Web-Konsortium (W3C), 1996
• plattformen- und anwendungsunabhängige Beschreibung und Strukturierung von Daten
• Inhaltsbeschreibungssprache, keine Programmiersprache

Syntax

Syntax – Elemente

• Definition von Tags:
  Anfangs-Tag: <elementName>
  Ende-Tag: </elementName>
  Gesamt: <elementName>Text</elementName>
• enthält Text, andere Elemente oder eine Kombination aus beiden:
  <tag-1><tag-2>Kursiver</tag-2> Text</tag-1>
• case-sensitive:
  <elementName> ≠ <elementname>

Code-Beispiel: Elemente

Syntax – Attribute und Werte

• Attribute spezifizieren ein Element weiter und bringen Metadaten an: <element attribut="wert">text</element>
• Werden als Schlüssel-Wert-Paare notiert: <person age="adult">text</person>
  --> Attribut-Schlüssel age mit dem Wert adult
• keine zwei Attribute desselben Namens innerhalb eines Elements

Code-Beispiel: Attribute

Exkurs: Normdateien I

Eine Normdatei [existiert in] Form eines kontrollierten Vokabulars, in dem festgelegt wird, welche Ansetzung bei der Erschließung zu verwenden ist. Im Englischen werden Normdateien als „authority files“ bezeichnet.
Normierte Begriffe können Personennamen […] und beliebige andere Mengen von Bezeichnungen von [Entitäten] sein. Der Bildung von Normbegriffen liegt eine Ontologie zugrunde, die die jeweils zu normierenden Begriffe und die Art der Normierung festlegt.

Wikipedia: Normdatei unter ID 163718592

Exkurs: Normdateien II

Beispiel: Gemeinsame Normdatei (GND)

Die Gemeinsame Normdatei (GND) ist eine Normdatei für Personen, […] Geografika, […] und Werktitel, die vor allem zur Katalogisierung von Literatur in Bibliotheken dient, zunehmend aber auch von Archiven, Museen, Projekten und in Web-Anwendungen genutzt wird.

Wikipedia: Gemeinsame Normdatei unter ID 167122528

Exkurs: Normdateien III

Auszug Personennormdatensatz GND

Code-Beispiel: Normdaten

Syntax – Namespaces und Präfixe

• <root xmlns:book="http://url/to/book/namespace" >
• Disambiguierung von gleichlautenden Tags
• Spezialisierung von Markups in Schemata
• URL muss nicht resolvable sein
• Wichtig: TEI-Dokumente stehen immer im TEI-Namespace.

Code-Beispiel: Namespaces

Syntax – Kommentare

• <!-- This is a comment. -->
• Beschreibung der Dokumentstruktur
• Auskommentierung in Entwicklungs- und Testphase
• keine Elemente, daher kein endTag

Wohlgeformtheit

Ein XML-Dokument ist dann wohlgeformt (well formed), wenn die allgemeinen Syntax- und Namenskonventionen eingehalten werden.

Validität

Ein XML-Dokument ist dann valide (valid), wenn die in einem Schema beschriebenen speziellen Syntax- und Namenskonventionen eingehalten werden.

Damit ein XML-Dokument valide sein kann, muss es wohlgeformt sein.

Praxisteil I

Annotierte Briefbeispiele

Text Encoding Initiative (TEI)

• 1987 gegründet und von der Community getragen.
• Personell aktiv an der Entwicklung von XML und des WWW beteiligt.
• Organisation und gleichnamiges Dokumentenformat zur Kodierung und zum Austausch von Texten.
• TEI-XML De facto-Standard innerhalb der Geisteswissenschaften.

03

Abfragen

XPath

Aufgaben

1. eXide starten und die Datei GB01_1_CMI_certain_all.xml öffnen,
2. alles markieren und kopieren und in das XML-Input-Feld des XPath-Testers einfügen.
3. Dann folgendes via XPath auswählen/ermitteln:
   1. Alle Keys von Briefen – Lösung
   2. Alle unterschiedlichen Empfänger – Lösung
4. Neue Datei: GB03_1_BR0700.xml öffnen, dann folgendes via XPath auswählen:
1. Den Text-Absatz des Kommentars Nr. 12 – Lösung

XQuery

Erklärung

• Die Abfragesprache für XML-Daten (Dateien und Datenbanken)
• basiert auf XPath
• XQuery-Abfragen können direkt mit HMTL umschlossen ausgegeben werden
• Prinzip FLWOR ("For, Let, Where, Order by, Return")
  • For – Wählt eine Sequenz von Knoten aus
  • Let – Bindet eine Sequenz an eine Variable
  • Where – Filterkritieren
  • Order by – Sortierkriterien
  • Return – Ausgabe
• Hilfreiches: XQuery Einführung
• Beispiele für XQueries finden sich in unserer eXist-db unter db/data/xql bezogen auf den DIO-Bestand (db/data/dio), erreichbar über die eXide-Umgebung

Praxisteil II

Automatisierte Extraktion strukturierter Daten aus XML-Annotation mit dem XTriples-Webservice

Praxisteil II

Was ist ein Web-Service?

Ein Webservice […] ermöglicht die Maschine-zu-Maschine-Kommunikation […] über […] das Internet. Dabei werden Daten ausgetauscht und auf entfernten Computern Funktionen aufgerufen. Jeder Webservice besitzt einen Uniform Resource Identifier (URI), über den er eindeutig identifizierbar ist, sowie eine Schnittstellenbeschreibung […] wie mit dem Webservice zu interagieren ist. Die Kommunikation kann […] über […] HTTP laufen und kann XML oder JSON basiert sein

Wikipedia: Webservice unter ID 168449611

Praxisteil II

Aufgabe und Aufruf des XTriples-Webservices

Aufgabe

Mapping von ‘impliziten’ XML-Daten auf eine ‘explizite’ RDF-Triple-Notation.

Aufruf

http://xtriples.spatialhumanities.de/extract.xql?
configuration=url/to/config.xml
& format=format*

* E.g. SVG.

Praxisteil II

Die XTriples-Konfigurations-Datei

Praxisteil II

Extraktion mit XTriples

Bitte ergänzen Sie die XPath-Ausdrücke in der XTriples-Konfigurations-Datei. Übergeben Sie diese im Anschluss an den Webservice und fordern sie das Rückgabe-Format SVG an.

Lösung

Literature

Markup & Datenformate

• Jannidis, Fotis: Grundlagen der Datenmodellierung. In: Jannides et al.: Digital Humanities. Eine Einführung. Stuttgart 2016, S. 99–108.
• Pomerantz, Jeffrey: Metadata. Cambridge 2016.
• Basset, Lindsey: Introduction to JavaScript Object Notation. A To-the-Point Guide to JSON. Sebastopol 2015.

XML & eXist

• Vogeler, Georg und Sahle, Patrick: XML. In: Jannides et al.: Digital Humanities. Eine Einführung. Stuttgart 2016, S. 128–146.
• Kurz, Susanne: Digital Humanities - Grundlagen und Technologien für die Praxis. Wiesbaden, 2. Aufl. 2016 [E-Book]
• Siegel, Erik / Retter, Adam: eXist - A NoSQL Document Database and Application Platform. Sebastopol 2014 (O'Reilly Media)
• Vonhoegen, Helmut: Einstieg in XML. Grundlagen, Praxis, Referenz. Bonn, 8. Aufl. 2015.

RDF

• Rehbein, Malte: Ontologien. In: Jannides et al.: Digital Humanities. Eine Einführung. Stuttgart 2016, S. 162–176.
• Hitzler, Pascal; Krötzsch, Markus; Rudolph, Sebastian; Sure, York: Semantic Web: Grundlagen. 2007.

Web Resources, Tutorials & Presentations

• Cummings, James: What is the TEI? And why should I care? (A brief introduction for classicists), Oxford ancient history seminar, 2015.
• Andorfer, Peter: How to build a digital edition web app, Austrian Center for Digital Humanities, 2016.
• Dokumentation XML, XPath und XQuery der w3schools (6. Oktober 2016)
• IDE: XML-Kurzreferenzen (10. Oktober 2016)
• Selfhtml-Wiki (6. Oktober 2016)
• Text Encoding Initiative
• Wikibook XQuery (10. Oktober 2016)
• XQuery Function Documentation (10. Oktober 2016)
• Grüntgens, Max; Kasper, Dominik: Markup in geisteswissenschaftlichen Forschungs- und Publikations-Kontexten. Am Beispiel der Extensible Markup Laguage (XML) (10. Oktober 2016)

Software

Erwähnt

• eXist db
• Oxygen XML Editor 18

Verwendet

• Impress.js (Präsentation)
• Magnific Popup (Lightbox)
• Skeleton CSS (CSS Boilerplate)

Rechte

• Die Abbildung correspDesc.png stammt von: http://correspsearch.net/index.xql?id=participate_cmi-format&l=de
• Alle weiteren Inhalte, Illustrationen und Bilder sind frei zur Weiterverwendung und Modifikation.
  Lizenz: CC-BY 4.0, Digitale Akademie der Akademie der Wissenschaften und der Literatur | Mainz