Browsing by Author "Ehlers, Lena"

Now showing 1 - 2 of 2

Open Access
Extraktion von Figurenauf- und -abtritten aus XML-codierten Dramatexten
(2022) Ehlers, Lena
Dem Nebentext von Dramentexten, zu dem auch Regieanweisungen zählen, ist in der Forschung bislang noch wenig Beachtung geschenkt worden. Vorliegende Arbeit stellt einen regelbasierten Algorithmus vor, mit dem ermittelt wird, ob in den Regieanweisungen XML-kodierter deutscher Dramentexte ein Figurenauf- oder -abtritt vorliegt und welche Figuren ggf. davon betroffen sind. Die extrahierten Informationen werden dann automatisch der XML-Kodierung des Dramentextes hinzugefügt. Die bisherigen Evaluationsdaten zeigen ein Makrobewertungs-F1-Maß von über 92% für die Klassifikation in Figurenauf- und -abtritt und über 85% für die korrekte Figurenerkennung. Demnach eignet sich der in dieser Arbeit vorgestellte Algorithmus für die Anreicherung der XML-kodierten Dramentexte und kann damit als Grundlage für weitergehende Analysen, wie die Kopräsenz von Figuren, genutzt werden.
Open Access
Optimierung der Klassifikation von Figurenauf- und -abtritten in Dramentexten mittels Prompt Engineering
(2024) Ehlers, Lena
Mit der Veröffentlichung von ChatGPT im Jahr 2022 wurde ein Paradigmenwechsel in der natürlichen Sprachverarbeitung eingeleitet, der die breite Anwendung von Prompting als eine effektive Strategie zur Textklassifizierung und -analyse beinhaltet. In dieser Arbeit wird ein Methodenwechsel von einem regelbasierten Algorithmus hin zu Prompting untersucht, um Regieanweisungen deutscher Dramen in Figurenauf- und -abtritte zu klassifizieren und die dazugehörigen Figuren zu erkennen. Mittels Prompt Engineering wird herausgefunden, welche Prompt-Templates und zusätzlichen Informationen aus den Dramentexten, wie die Figurenliste oder Figurenrede, in Verbindung mit Zero-, One- und Few-Shot Prompting am effektivsten sind, um das Ziel zu erreichen, bessere Ergebnisse als der regelbasierte Algorithmus zu erzielen. Die Ergebnisse zeigen, dass das beste Prompt-Template in Verbindung mit 5-Shot Prompting einen F1-Score von 0,75 bei der Erkennung von Figurenauf- und -abtritten und 0,82 bei der Figurenerkennung erreicht. Obwohl diese Ergebnisse um 0,1 bzw. 0,05 knapp unter denen des regelbasierten Algorithmus liegen und somit das Ziel nicht vollständig erreicht wurde, bietet die Methode dennoch Vorteile gegenüber dem regelbasierten Ansatz. Sie ist universell anwendbar, flexibler und ermöglicht die Erkennung verschiedener Ereignisse neben Figurenauf- und -abtritten.