Einführung in Topic Modeling mit Python

Ideen

Melanie Althage, Martin Dröge, Professur für Digital History, Humboldt-Universität zu Berlin

Termin: Dienstag, 15.11.2022, 10:00-16:00 Uhr

Beschreibung:

Umfangreiche Textkopora inhaltlich strukturieren und auswerten ohne die Dokumente im Einzelnen gelesen zu haben – geht das? Das geht! Topic Modeling ist eine in den digitalen Geisteswissenschaften etablierte Methode, wenn es etwa darum geht, größere Textsammlungen inhaltlich-thematisch zu klassifizieren oder die Entwicklung von Publikationstrends und Diskursen nachzuvollziehen. Der Workshop bietet eine einsteigerfreundliche Einführung in ihre methodischen Grundlagen sowie die Implementierung mittels der Programmiersprache Python. Anhand eines konkreten Anwendungsfalls wird der Topic-Modeling-Workflow von der Vorbereitung der Textdaten bis zur Visualisierung und ersten Auswertung der Modellierungsergebnisse Schritt für Schritt durchgegangen. Dabei werden auch die Potenziale und Grenzen für den geisteswissenschaftlichen Forschungsprozess zu diskutieren sein. Für die Teilnahme sind grundlegende Programmierkenntnisse Voraussetzung.

Bitte beachten: Alle Informationen, Materialien, Aktualisierungen und Kontaktmöglichkeiten finden sie auf der Website:

https://dhistory.hypotheses.org/?p=1375

Kontakt:

digitalhistory@hu-berlin.de

Darum geht es kurzgefasst: Topic Modeling, Digital History, Python, Latent Dirichlet Allocation


Autor: Katrin Moeller

Leiterin des Historischen Datenzentrums Sachsen-Anhalt, wiss. Mitarbeiterin der Professur Wirtschafts- und Sozialgeschichte am Institut für Geschichte der Martin-Luther-Universität Halle-Wittenberg

2 Gedanken zu „Einführung in Topic Modeling mit Python“

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search