Veranstaltungsprogramm

Eine Übersicht aller Sessions/Sitzungen dieser Tagung.
Bitte wählen Sie einen Ort oder ein Datum aus, um nur die betreffenden Sitzungen anzuzeigen. Wählen Sie eine Sitzung aus, um zur Detailanzeige zu gelangen.

 
Sitzungsübersicht
Sitzung
V1: Komplexe Textphänomene
Zeit:
Mittwoch, 04.03.2020:
9:00 - 10:30

Chair der Sitzung: Manuel Burghardt, Universität Leipzig
Ort: H 1

Zeige Hilfe zu 'Vergrößern oder verkleinern Sie den Text der Zusammenfassung' an
Präsentationen

Redewiedergabe in Heftromanen und Hochliteratur

Annelen Brunner2, Fotis Jannidis1, Ngoc Duyen Tanja Tu2, Lukas Weimer1

1Julius-Maximilians-Universität Würzburg, Deutschland; 2Leibniz-Institut für Deutsche Sprache, Mannheim

Die Art und Weise, wie die Rede und die Gedanken einer Figur im Erzähltext eingebunden werden, ist einer der traditionellen Aspekte der Narratologie. Die vorgestellte Studie untersucht die Anteile unterschiedlicher Redewiedergabeformen im Vergleich zwischen zwei Literaturtypen von gegensätzlichen Ende des Spektrums: Hochliteratur – definiert als Werke, die auf der Auswahlliste von Literaturpreisen standen – und Heftromanen, massenproduzierte Erzählwerke unterschiedlicher Genres, die zumeist über den Zeitschriftenhandel vertrieben werden und früher abwertend als “Romane der Unterschicht” bezeichnet wurden. Unsere These ist, dass sich diese Literaturtypen hinsichtlich ihrer Erzählweise unterscheiden, und sich dies in den verwendeten Wiedergabeformen niederschlägt. Der Fokus der Untersuchung liegt auf der Dichotomie zwischen direkter und nicht-direkter Wiedergabe, die schon in der klassischen Rhetorik aufgemacht wurde.

Die Studie geht von manuell annotierten Daten aus und evaluiert daran die Validität automatischer Annotationswerkzeuge, die im Anschluss eingesetzt werden, um die Menge des betrachteten Materials beträchtlich zu erweitern.



Integrating user-specified Knowledge for semi-automatic Coreference Resolution

David Schmidt, Markus Krug, Frank Puppe

Universität Würzburg, Deutschland

Coreference resolution is an important step for the analysis of literary texts since it enables the aggregation of locally gained knowledge (e.g. on sentence level). Unfortunately, even current state-of-the-art coreference resolution systems are unable to produce reliable results. Some approaches use knowledge bases like Wikipedia or Wikidata, which contain information about real-world entities but not about fictional characters of literary novels. In this work, we present a semi-automatic mechanism that integrates users' prior knowledge about the characters of a literary text into a rule-based coreference resolution system. With this approach, we were able to improve the F1 score of the B-Cubed metric by up to 10.6\% on fragments of historic novels.



 
Impressum · Kontaktadresse:
Datenschutzerklärung · Veranstaltung: DHd-Tagung 2020
Conference Software - ConfTool Pro 2.6.131
© 2001 - 2020 by Dr. H. Weinreich, Hamburg, Germany