1 / 25

Eine Biografie aus ADB/NDB als XML

Eine Biografie aus ADB/NDB als XML. Datenbanken vs. Markup Prof Dr. Manfred Thaller WS 2009 / 2010 Referent: Bilal Erkin. XML – (eXtensible Markup Language). Auszeichnungssprache zur Darstellung hierarchisch strukturierter Daten Namen der Elemente und Attribute sind frei wählbar

wyoming-duke
Download Presentation

Eine Biografie aus ADB/NDB als XML

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Eine Biografie aus ADB/NDB als XML Datenbanken vs. Markup Prof Dr. Manfred Thaller WS 2009 / 2010 Referent: Bilal Erkin

  2. XML – (eXtensible Markup Language) • Auszeichnungssprache zur Darstellung hierarchisch strukturierter Daten • Namen der Elemente und Attribute sind frei wählbar • Dateistruktur durch DTD oder XML Schema definierbar • Heute: Metasprache in Text (TEI, XHTML), Grafik (SVG, X3D), Geodaten, Video (SMIL), Webservices (SOAP, WSDL), Datenbanken (Xquery) …

  3. Vorteile von XML • Für Mensch und Maschine verständliche Informationen (semantic Web) • Lizenzfreiheit • Plattformunabhängigkeit • Medienneutralität • Einsatz in verschiedenen Systemen • Konvertierung in andere Dateiformate

  4. Quelle für die Auszeichnung • Biografie aus ADB / NDB am Beispiel von „Curt Goetz“ • Grafik • Ohne OCR (Texterkennung) • Deshalb nicht durchsuchbar • Große Dateigröße

  5. Ziel der Auszeichnung in XML • Druchsuchbarer Text (geringe Dateigröße und suchmaschinenkonform) • Verlinkungen innerhalb des Textes für schnelle Navigation • (Evtl. Kopplung an die Originalgrafik bei älteren Texten) • Schnelle Konvertierung in andere Formate (PDF, Datenbanken, CD-ROM) • Semantische Struktur • Für jede Personenbiografie eine Datei

  6. Das wichtigste Element: <person> • Element <person> ist das Kernstück einer Biografie • Alle vorkommenden Personen werden damit ausgezeichnet und bekommen eine eindeutige ID • Berufe und Personenbeschreibungen werden an die ID gekoppelt. • Für die inter-biografische Verbindung wichtig!

  7. Beispiel des Elements <person> • <persongeschlecht="männlich„ id="Goetz_Curt_1"> • Attribute • geschlecht = (männlich | weiblich) • ID besteht aus Nachname_Vorname_Zahl • Die Zahl in der ID soll verschiede Personen mit gleichem Vor- und Nachnamen unterscheiden • Dateinamen sind identisch mit Person ID (Goetz_Curt_1.xml)

  8. Analyse der Kurzinfo • Name, Vorname • Beruf • Geburtsdatum/ -ort; Sterbadatum / -ort • Konfession • Orthographisch: • Hervorhebungen (fett bei „Goetz“; kursiv bei „Curt“) • Entities (Stern, Kreuz )

  9. Auszeichnung der Kurzinfo • Name wird hervorgehoben • Entities werden eingefügt (&#8224; für Kreuz) • Beruf wird an person gekoppelt durch person_ref • Beruf bekommt eine Kategorie

  10. Absätze im Original • Absätze werden durch <absatz>...</absatz> gekennzeichnet

  11. Analyse der Familie • Vater • Mutter • Ehepartner(in) • Kinder • Ineinander verschachtelte Personenbeschreibungen (teilweise sehr komplex) • Symbole, für die es keine Entities gibt (Eheringe)

  12. Auszeichnung des Vaters • Abschnitt innerhalb <familie> • Personen bekommen ID • Nähere Beschreibungen in <beschreibung> mit Referenz an die Person ID durch Attribut person_ref

  13. Auszeichnung der Mutter • Komplexe Verschachtelung • Struktur Nur noch im Strukturbaum ersichtlich

  14. Auszeichnung des Ehepartners • Eheringe als Bilddatei! • Mehrere <ehepartner> möglich • <scheidung> kann eingefügt werden (bei Goetz nicht nötig) • Kinder als <kind_der_ehe vater_id=„xy“ mutter_id=„xy“>

  15. Analyse der „eigentlichen“ Biografie • Durchgehender Text • Weitere Personen kommen vor • In anderen Biografien: Studium, Institut und Studienjahre • Mehrere Absätze

  16. Auszeichnung der „eigentlichen“ Biografie • Wird von <biographie> umschlossen • Personen werden ausgezeichnet mittels ID

  17. Analyse der Werke • Kategorie (Werkstyp) • Titel • Erscheinungsjahr • Sonstige Bemerkungen

  18. Auszeichnung der Werke • <werk> bekommt Attrribute typ und jahr • Titel in <werk_name> • Sonstiges innerhalb <werk>

  19. Seitenumbrüche im Original • Seitenumbrüche werden in der XML repräsentiert durch <seite umbruch="588|589"/> • Übergang von einer Seite zur anderen durch | • Auch Seitenzahlen nach anderem Format möglich • (XV|XVI; 10a|10b; 45.1|45.2 …) • Vorteil: PDF wird 1:1 repräsentiert

  20. Analyse des Literaturnachweises • Autor • Titel • Erscheinungsjahr • Verlag oder Seitennummer • Literaturnachweise getrennt durch Semikolon • Querverweise zu anderen Personen (Wilhelm Rocco)

  21. Auszeichnung des Literaturnachweises Einzelne Einträge in <lit-eintrag> • Sinvoll in autor, titel, jahr usw. zu trennen? • Kopplung der Einträge an ID (wegen W. Rocco) ?

  22. Analyse des Fundstelle • Werk • Autor • Seitenzahlen • Bandnummer • Mehrere Funstellen möglich • Unterscheidung zwischen Haupteintrag und Nebeneintrag

  23. Auszeichnung der Fundstelle • Am Anfang der Datei in <meta> • <fundstelle> hat alle Angaben als Attribute und als Text • Autor separat in <autor> getaggt mit persönlicher ID

  24. Standartisierung der Struktur • Für eine einheitliche Struktur für alle Einträge in der ADB / NDB: • Mehrere verschiedene Strukturtypen taggen • Eine DTD oder ein XML-Schema definieren • Dokumentation der DTD • Welche Elemente können in welchen enthalten sein?

  25. Vielen Dank für die Aufmerksamkeit

More Related