Mapa Literacka analiza odniesień geograficznych w tekstach literackich

Transkrypt

1 CLARIN-PL Mapa Literacka analiza odniesień geograficznych w tekstach literackich Michał Marcińczuk Politechnika Wrocławska Katedra Inteligencji Obliczeniowej Grupa Naukowa G4.19 michal.marcinczuk@pwr.edu.pl Aleksandra Wójtowicz Instytut Badań Literackich Państwowa Akademia Nauk Politechnika Wrocławska,

2 Mapa Literacka Narzędzie do wizualizacji obiektów geograficznych na mapie Utrzymywane i rozwijane przez Centrym Technologii Językowych (CTJ) na Politechnice Wrocławskiej Inspirowane geokrytycznymi badaniami literaturoznawczymi kartografia literacka, geografia humanistyczna. Współpraca z Instytutem Badań Literackich (IBL) PAN Planowane zastosowanie m.in. w projekcie Literaturoznawstwo architektoniczne realizowanym w IBL PAN (kierownik: Aleksanda Wójtowicz) 2

3 Możliwe zastosowania Badania w zakresie kartografii literackiej Badania nad literacko-kulturową ważnością miejsc i obiektów wizualizacja miejsc fikcyjnych w odniesieniu do realnej przestrzeni, mapy mentalne kreowane przez pisarza. akcentowane są związki pisarzy i miejsc istotna jest sieć relacji kulturowych analizy zbioru tekstów związanych z działalnością kilku pisarzy (np. zgromadzonych wokół jednego czasopisma) Badania nad ewolucją ważności miejsc i obiektów uwzględnienie osi czasu i nałożenie na siebie różnych planów tego samego miasta 3

4 Potok przetwarzania Automatyczna Automatyczna analiza analiza językowa językowa CTJ CTJ Geokodowanie Geokodowanie obiektów obiektów Google Google Geocoding GeocodingAPI API Interpretacja Interpretacja wyników wyników Ręczna Ręczna weryfikacja weryfikacja Wyników Wyników Geolokalizacja Geolokalizacja /wizualizacja /wizualizacja Google GoogleMaps Maps 4

5 Analiza językowa (1/2) Przetwarzania wstępne konwersja dokumentów do tekstu (any2txt) segmentacja i tokenizacja (toki), analiza morfologiczna (maca + Morfeusz), tagowanie (wcrft2) 5

6 Analiza językowa (2/2) Rozpoznanie odniesień do obiektów ( Liner2) 20 kategorii obiektów (toponimy, urbanonimy, budowle) Rozpoznanie relacji między obiektami ( Serel) rozpoznaje siedem kategorii relacji semantycznych między jednostkami identyfikacyjnymi w obrębie pojedynczego zdania, w tym relacje położenia i sąsiedztwa lokalizacja urbanonimów względem toponimów (np.. ulicamiasto) pomiędzy toponimami (miasta, państwa) 6

7 Geokodowanie (1/2) punktem zaczepienia dla geokodowania są toponimy (głównie obiekty geopolityczne) oraz urbanonimy w obrębie miast, na początku skupiamy się na istniejących obiektach, których współrzędne można ustalić przy użyciu istniejących narzędzi: Google Geocoding API geokoduje formy odmienione nazw, darmowa licencja posiada ograniczenia na liczbę zapytań, OpenStreetMap nie obsługuje form odmienionych nazw, wymaga własnej implementacji dopasowania form odmienionych do form bazowych, np. Grunwaldzką, Gdańsku vs. Grunwaldzka, Gdańsk ( 7

8 Geokodowanie (2/2) kontekstowa dezambiguacja obiektów łączenie z obiektami o wyższej wadzie, które wystąpiły w bliskim kontekście danej nazwy, np. dla tekstu Wiadomości z Polski. We Wrocławiu na ul. Suchej Polska, Wrocław, ul. Sucha Wrocław, ul. Sucha ul. Sucha ustalenie lokalizacji obiektów miejskich (restauracje, kina, pomniki, itd.) istniejących w danym okresie na podstawie interpretacji relacji przestrzennych (Serel, SpatialPL) Kategoria toponimu Waga continent_nam 800 island_nam 700 peninsula_nam 680 cape_nam 650 region_nam 630 country_nam 600 country_region_nam 500 historical_region_nam 500 mountain_nam 450 admin1_nam 400 conurbation_nam 350 admin3_nam 300 admin2_nam 200 city_nam 150 river_nam 120 sea_nam 100 road_nam 90 square_nam 70 8

9 Prototyp (1/4) Możliwość wgrania dowolnego tekstu (pdf, doc, odt, html) 9

10 Prototyp (2/4) Wybór przetworzonego dokumentu i podgląd rozpoznanych obiektów na mapie 10

11 Prototyp (3/4) Lista rozpoznanych obiektów w porządku alfabetycznym z liczbą wystąpień 11

12 Prototyp (4/4) Lista rozpoznanych obiektów w porządku chronologicznym z pozycją w dokumencie. 12

13 Usługi sieciowe Mapy Literackiej Mapa Literacka jako zestaw usług sieciowych I warstwa tekst zbiór obiektów geograficznych ze współrzędnymi II warstwa nazwa obiektu współrzędne Pozwala na podmianę silnika do geokodowania, Cachowanie wyników geokodowania dla Google Geocoding API 13

14 Plany Włączenie w potok przetwarzania modułu do rozpoznawania wyrażeń przestrzennych (SpatialPL), modułu do rozpoznawania koreferencji, Rozbudowa interfejsu możliwość edycji wyników (edycja na poziomie odniesień i geokodowania), możliwość eksportu wyników, możliwość porównywania map dla różnych zbiorów tekstów. 14

15 CLARIN-PL Dziękuję za uwagę