BookRix

Gut, Meinungsfreiheit, Kunstfreiheit, Religionsfreiheit - damit geht allerhand.

Meine Kenntnis zur psychischen Peinigung: Es ist förderlich, die fauligen Wunden des Opfers zu kennen, um darin vergnüglich prokeln zu können.
Wahlloses Stochern hingegen hat eine geringe Chance, zur Wonne, zum Genuß zu führen, kann geschickt ausgeführt allerdings schon zu den faulen Stellen führen.
Die Schatzwörter dafür geben die Opfer allerdings selten freiwillig preis ;-)

Nein, Religion ist Art. 4 GG. "Schatzwörter"? Du meinst Wörter der Selbstentlarvung? Quälen ist mir völlig fremd, auf "Deinem Gebiet" bin ich Neuling. Aber ich kenne die Motivation 'Rache'. Weißt Du, unter Männern ist auch das Kokolores. Man trinkt einfach hinterher Bier und alle Probleme sind erledigt. Männer eben, das ganz klar bessere Geschlecht!

Schatzwörter - hmmm, vielfältig, in dem Zusammenhang sicher Punkte, an denen man zu treffen ist. Rache kann auch dazugehören, wenn man drauf abfährt.

Die Merkmale von Menschen unterliegen statistisch einer breiten Verteilung, von daher auch nicht so eindeutig einem Geschlecht zuzuordnen.

Die Bücher zur Abstrakten Literatur sind ja ebenfalls hier verfügbar, welche eben je nach Entstehungsdatum eigene Ansätze unterschiedlicher Komplexität verfolgen.

Klar hat das Genre Einfluß. Besonders wissenschaftliche Werke haben einen höheren Informationsgehalt auf Wortebene.
Bei dem Argument mit dem historischen Roman ist zu bedenken, daß darin bei einer gut recherchierten Schreibweise auch typische Wörter aus dem damaligen Vokabularium vorkommen, welche heute kaum noch verwendet werden. Das kann allerhand ausgleichen.

Nehmen wir Karl May und Johann Wolfgang Goethe, so liegen die zeitlich deutlich auseinander, ebenso thematisch. Hinsichtlich der Wort-Rangfolge-Häufigkeitsverteilung und der Worttypen-Häufigkeitsverteilung sind die aber so auffällig unterschiedlich gegenüber dem Durchschnitt nicht.

Bei eigenen Experimenten an denselben Texten von mir hat sich zudem herausgestellt, daß sich die Statistik dramatisch ändern läßt, wenn man anhand der Ergebnisse einer derartigen Analyse Wörter von auffallender Häufigkeit heraussucht und teils durch Synonyme ersetzt oder Sätze umformuliert.
Das zeigt auch, wie stark der Schreibstil durchschlägt, ebenso die abermalige Reflexion über das Geschriebene in weiteren Korrekturdurchgängen.

Regelwerke für Skripte hinsichtlich des Inhaltes, auch das gibt es ja reichlich, zumeist noch für menschliche Autoren formuliert.
Jüngst gibt es doch von BookRix eine derartige grobe Anleitung für Liebesschnulzen.
Zudem gibt es auch etablierte Monomythen, etwa die Heldenreise.
Insofern formulieren schon einige Leute grobe Regelwerke, wie man von einer Idee zum Werk kommt - oder sogar, wie man aus ein paar (zusammengewürfelten?) Stichwörtern eine mehr oder weniger stereotype Geschichte basteln kann.
Ein interessanter Ansatz könnte hier sein, mal ein paar hundert Leute/Autoren nach einem vorgegebenen Rezept und vorgegebenen Stichwörtern ihre Geschichte zu schreiben, dies wiederum einer KI als Lernmaterial vorzusetzen.
Ähnlich hat man ja auch schon Programme dazu gebracht, ein Bild im Stile von Rembrandt zu generieren.
Vielleicht gelingt es einer KI ja irgendwann, aus solchen Beispielen, welche aus einer mehr oder weniger streng festgelegten Ausgangssituation entstanden sind, eigene Regeln zu extrahieren, wie man Geschichten zu dem jeweiligen Rezept schreiben kann.
Wird dies für verschiedene Rezepte durchgeführt, kann man die Mustererkennung ja auch die Rezepte verallgemeinern, woraufhin die KI eigene Rezepte formulieren kann.
So kämen man mit der Methode der Mustererkennung + Regelwerk vermutlich weiter als mit der Auswertung zufälliger Texte.

Für mich ist indes auch klar: Solange sich solche KIs in einer stark eingeschränkten Lebenswelt befinden, haben sie einfach schlechte Chancen, aus der gewonnenen 'Lebenserfahrung' heraus relevante originäre Texte zu schreiben.

Die genannten Sport- und Wetterberichte benötigen ja nicht einmal KI, das läßt sich wohl einfach mit einem festen Setzkasten von Formulierungen hinbekommen, gespeist von normierten Eingaben.

Fuer Wissenschaftler moegen auf solche Weise interessante Texte zu erzeugen sein, fuer Literaten sind sie todlangweilig wie eine KI-Komposition a la Bach. Wichtig sind solche Analysen nur, da sie das Kunstfremde an jeder Kunst beleuchten. Nicht alles taugt schon allein deshalb, weil es sich so nicht analysieren laesst, aber was sich so analysieren und produzieren laesst, ist mit Sicherheit zweitklassig ...

Die Grenzen der Quantifizierung von Kunst :

https://www.bookrix.de/_ebook-theodor-w-adorno-was-ist-kunst-und-was-nicht/

Die verwendeten Skripte sind ja keine KIs.
Das sind letztlich ziemlich einfache Skripte, welche Mathematik, Statistik verenden, um Abstrakte Literatur erzeugen.
Bei abstrakten Bildern kannst du ja auch nicht erwarten, ein Portrait eines Menschen oder eine Abbildung einer realen Landschaft oder Stadt zu bekommen.
Auch bei abstrakten Bildern gibt es ganz verschiedene Ansätze, wobei auch Material sowie Werkzeug mit bestimmen, was dabei herauskommt.
Werden abstrakte Werke etwa mit Vektorgraphik als Werkzeug erschaffen, so bestimmt dieses Format mit, welche Bilder wie erschaffen werden, das ist bei anderen Materialien der malenden Kunst ja auch so.
Entsprechend sieht es bei Abstrakter Literatur aus - ich glaube auch nicht, daß diese je einen großen Markt haben wird, schlicht weil man zwar schöne Bücher bekommt, man diese allerdings nicht ernsthaft lesen kann.

Dies Buch hier beschäftigt sich allerdings ohnehin mit der Auswertung eines Korpus, um selbst Hypothesen der quantitativen Linguistik zu prüfen.

Abstrakte Literatur bzw. Malerei war in einer bestimmten historischen Situation mal bahnbrechend originell, heute ist sie zu Werbedesign verkommen (was sie vielleicht immer schon war). "Quantitative Linguistik" mag alles sein, aber vor allem literaturfremd, doch sie leistet ihr Bestes noch an Trivialliteratur wie Krimi, SciFi, Fantasy etc.

ePub kann bei mir nicht geöffnet werden.

Den Kommentar habe ich ja glatt übersehen.
Korpuslinguistik ist da als Wort wohl ebenfalls im Umlauf.
Wir untersuchen mehrere Korpora, also primär deutsche EPUBs, englische, einen speziellen Korpus, welcher hier ebenfalls als Buch verfügbar ist: Korpus CusyA (aufgrund technischer Mängel von BookRix muß man da aber hier entweder die Teile einzeln herunterladen oder aber den Korpus anderweitig herunterladen).

Nein, ist nicht Teil von einer Hausarbeit oder Abschlußarbeit.

Im Buch steht genauer, wie die Historie der Entstehung ist, letztlich ging es um unsere Bücher im Genre Abstrakte Literatur, welche eine gute statistische Grundlage bekommen sollten, woraus sich die Frage ergab, was eine gute Grundlage ist, woraufhin wir eben selbst mit eigenen Programmen EPUBs statistisch untersucht haben.

Welches Programm verweigert die Öffnung des EPUBs?
Vermutlich hast du einen Fehler bei dem Programm entdeckt, Fehler sind bei speziellen Programmen zur Präsentation von EPUBs leider sehr häufig.

Jetzt hat es geklappt mit dem Öffnen der ePub-Version.
;)

Ein anderer, neuerer Begriff für Korpuslinguistik ist "quantitative Inhaltsanalyse".
Welche Software verwendest Du denn? Ich habe damals mit Wordsmith gearbeitet.

Eigenartig, bekomme irgendwie bei den Nachrichten keine Mitteilung, daß hier ein neuer Eintrag steht.
Daher doch immer wieder Verzögerungen.

Für die Analyse verwenden wir eigene PHP-Skripte, welche im Laufe der Zeit immer mal wieder etwas verbessert wurden, weswegen wir für die finale Auswertung für das Buch nochmals alles durchnudeln mußten. PHP ist nicht besonders schnell, aber ganz praktisch für Texte sowie XML.
Da mußte jedenfalls selbst der i7-Prozessor ein paar Tage rumpeln, mehr noch für die Theoriekapitel, wobei wir da mit dem Wissen am Ende schon hätten Rechenzeit sparen kann, ist eben immer ein Lernprozeß.

Ein eigenes Skript hat die Vorteile der Unabhängigkeit, schneller Anpassung an neue Fragestellungen, schnelle Fehlerbehebung.
Damit ist es ja auch leicht möglich, Charakteristika zu analysieren, welche gerade nicht durch andere Leute oder Lehrmeinungen vorgegeben werden.
Zudem war uns auch gar kein Programm bekannt, welches speziell EPUB, XHTML, SVG gut analysieren kann, von daher war es naheliegend, das alles selbst zu machen.
Was komplett fehlt, ist allerdings die Möglichkeit, anhand vorgegebener Wörterbücher (verschiedene Flexionen, Beugungen, Synonyme) statistisch zu analysieren, es werden also mal abgesehen von kleineren pauschalen Vorabkorrekturen lediglich XML-Elemente sowie Zeichenfolgen darin statistisch analysiert.
Wenn andere Leute nützliche Einfälle hatten, heuristisch gut zu erkennen, wie etwa Zeichen mit verschiedenen Bedeutungen wie '.', ',' im Text verwendet werden, ist uns das ebenfalls entgangen, unsere heuristischen Regeln sind da sicherlich eher einfach ausgelegt.

Die Skripte zur Erzeugung der Werke zur Abstrakten Literatur samt abstrakter Graphiken waren ja ohnehin ebenfalls selbst zu erstellen.
Von daher kombiniert sich das recht gut mit den eigenen Analyse-Skripten.

Graphiken (SVGs) werden teils mit diesen Skripten auch selbst erstellt, zum größeren Teil haben wir allerdings eher Dateien mit reinen Zahlen generiert, welche mit dem Programm grace visualisiert wurden. Dessen SVG-Ausgabe wurde danach wiederum mit einem eigenen Skript sowie scour optimiert (sonst wären die Dateien teils ziemlich groß).

Wenn zu dem Buch vom Publikum Fragestellungen kämen, was noch relevant sein könnte, wäre das schon interessant, ob derlei gut in unsere Skripte integriert werden könnten, wenn ja, dann natürlich auch in eine weitere Ausgabe des Buches.
Von daher sind wir natürlich interessiert an Anregungen, Rückmeldungen. ;-)

Solltest gleich das EPUB laden, denn BookRix streicht in der Leseprobe die Graphiken sowie auch relevante Abschnitte mitten aus dem Inhalt, wenn deren Skript damit technisch überfordert ist ;-)

Fleißarbeit - ja durchaus, gut, ein Teil war nur das Sammeln von ziemlich vielen EPUBs, möglichst mit den gesammelten Werken von Autoren.
Ein brauchbares Skript zur statistischen Analyse zu schreiben, war ebenfalls eine Herausforderung - man kann immer noch andere Aspekte untersuchen oder es effizienter gestalten, knifflige Dinge besser berücksichtigen.

Simulationen, theoretischen Ansätze haben dann sogar auch reichlich Rechenzeit verschlungen, für einige Analysen mußte ein Rechner jeweils schon ein paar Tage durchlaufen.
Wobei es sich dabei auch lohnt, sich Gedanken zu machen, wie geschickt oder ungeschickt man etwas programmiert hat, Optimierungen in der Hinsicht können mehr Zeit sparen als man mit einem schnelleren Prozessor, deutlich mehr Arbeitsspeicher oder einen weiteren Rechner herausholen könnte. ;-)
Aber immerhin, da kamen mal Fragestellungen auf, die den Rechner mal richtig ausgelastet haben, sonst läuft der ja ohnehin fast im Leerlauf ;-)

Und die rein theoretischen Betrachtungen mit Papier und Bleistift haben sogar dazu geführt, daß plötzlich die Riemannsche Zeta-Funktion gebraucht wurde (zwar nur auf der reellen Achse, aber immerhin), von der ich zuvor annahm, mit ihr praktisch nirgends in Kontakt zu kommen, dann ausgerechnet bei quantitativer Linguistik, um abzuschätzen, wieviele Worttypen nur einmalig in Häufigkeitsverteilungen verwendet werden? ;-)

Damit beschäftigt sich das Buch ja, wie charakteristisch die Charakteristika wirklich sind und wenn wofür.
Also meiner Meinung nach, sind einzelne Zahlen jedenfalls nicht charakteristisch.
Man kann allenfalls mit dem Durchschnitt eines großen Korpus vergleichen, hat allerdings bloß anhand weniger von den Linguisten verwendeten Zahlenwerten allein eigentlich nichts verstanden, kann nicht einmal verschiedene Werke miteinander anhand dieser Charakteristika vergleichen.

Beim Vergleich von Verteilungsfunktionen lassen sich schon krasse Ausreißer erkennen.
Auffällige Häufigkeiten insbesondere bei eigenen Werken lassen sich natürlich so auch erkennen, bei der Überarbeitung vermeiden.
Die Interpretation der Verteilungen bleibt allerdings knifflig.
Bei James Joyce etwa ist der Unterschied zum englischen Durchschnitt schon deutlich zu erkennen, analog in der anderen Richtung bei Gertrude Stein.
Wie nun eine Verteilung wo aussieht, gibt immerhin schon einige Indizien über die Sprachverwendung, wieviel vom vermutlichen Wortschatz tatsächlich verwendet wurde, jedenfalls wenn man eine umfangreiche Sammlung von Werken eines Autors betrachtet.

Der 'Wert' eines Werkes ist ohnehin schlecht anhand etwa des Wortschatzes, des Informationsgehaltes etc abzuschätzen, es ist ja auch ungewiß, ob es nun gut oder schlecht ist, wenn ein Werk einen großen Wortumfang (Anzahl unterschiedlicher Worttypen) hat oder eher sehr einfach verständlich mit wenigen Worttypen verfaßt ist.
Bei einigen Verteilungen läßt sich allerdings schon erahnen, daß es vermutlich schwierig wird, es zu lesen, bei anderen gibt es wiederum Indizien, daß es sich vermutlich nicht lohnen wird.
Das betrifft aber lediglich Extremfälle, um den Durchschnitt herum gibt es einen breiten Bereich, in dem zwar ein individueller Wortschatz erkennbar wird, aus dem alleine läßt sich aber sicherlich nicht ablesen, ob man sich das Werk durchlesen sollte oder nicht.

Vergleich von ein paar Übersetzungen gibt es auch, sogar verschiedene Ausgaben des gleichen Werkes.

Uns ging es auch eher darum, eine Grundlage für unsere Bemühungen zur Abstrakten Literatur zu haben, um ungefähr eine Richtschnur zu haben, wie Literatur statistisch aussieht.

Das ist es, was ich sagen wollte: Man muss etwas zu sagen haben, sonst ist es keine Literatur. Einfach nur schreiben, um des Schreibens willen, ist Zeitverschwendung. Das kann man getrost dem Computer überlassen, in dieser Zeit könnte man sinnvolleres tun...

Mit dem zu spät meinte ich, dass ich diese Gedanken schon für mich geprüft und für unnütz erkannt habe. Ich muss darüber nicht noch einmal von anderen lesen. Zumal, wie Du sagst, mich ein ähnliches Ergebnis erwarten wird. Es ist halt eine Arbeit, die mich nicht mehr interessiert...

Das war ein weiteres Anliegen, prüfen, ob die Annahme stimmt, daß einzelne statistische Zahlen nicht so viel aussagen über ein Werk oder eine Sammlung.

Wenn man vergleichbare Dinge vergleicht (verschiedene Ausgaben eines Werkes, Übersetzungen), können sich schon deutliche Indizien ergeben.
Wird die Art der Textauszeichnung untersucht, ergeben sich auch schnell eindeutige Kennzeichen für technische Mängel - die würde man allerdings auch relativ schnell erkennen, wenn man persönlich wenige Minuten in den Quelltext des Buches guckt ;-)

Interessant waren dann noch unsere theoretischen Ansätze, zum einen simulierte Wortfolgen, basierend auf den Durchschnittsverteilungen. Damit kann man Kurven bestimmen, anhand derer man schon besser abschätzen kann, wie einzelne Werke anhand der Charakteristika sich zum Durchschnitt verhalten.

Rein mathematisch-statistische Betrachtungen zu den Verteilungen wiederum waren ganz nützlich, etwa um zu erkennen, daß die gerne genannte Zipf-Verteilung ohne weitere Einschränkungen zwangsläufig zu Unfug führt.
Reale Sprachen müssen also immer eine andere Verteilung aufweisen - tun sie natürlich auch.

Insgesamt kann man aus statistischen Analysen großer Sammlungen schon Schlüsse über Sprachverwendung, Sprache selbst ziehen.
Eine Bewertung von Einzelwerken sollte allerdings wirklich nicht die Erwartung sein, kann man vergleichend bei eigenen versuchen, allgemein wird es kompliziert.

Wobei es auch noch Ideen gibt, hier weitere Untersuchungen vorzunehmen, wenn man etwa die Charakteristika von Werken eines Autors zeitlich sortiert und mit dem Durchschnitt vergleicht, vielleicht bekommt man so etwas über die sprachliche Entwicklung des Autors heraus.
Bei James Joyce etwa gibt es da signifikante Unterschiede in den Verteilungen verschiedener Werke, da ist die Hypothese einer zeitlichen Entwicklung etwa sehr naheliegend.

Vermutlich werden wir also in Zukunft noch ein paar Hypothesen untersuchen, um zu gucken, ob es deutliche Indizien gibt, diese zu widerlegen oder auch zu belegen.
Spannender ist es sowieso, wenn sich etwas ergibt, was nicht zu den eigenen Vermutungen paßt, dann wäre man wirklich etwas Interessantem auf der Spur ;-)

Ja, ich verfolge unterschiedliche literarische Ansätze.

Dies hier ist nun das bislang wissenschaftlichste hier auf BookRix, wobei ich Linguistik oder dergleichen nicht einmal studiert habe.
Wie im Buch erläutert, haben wir statistische Daten gebraucht, um die Bücher zur Abstrakten Literatur zu verfassen.
Daraus hat sich das entwickelt, hat sich alsdann zu diesem eigenständigen Projekt entwickelt.
Wir haben insgesamt jedenfalls ordentlich Neues erfahren über Linguistik, Sprache, ebenso gesammelte Werke diverser anderer Autoren.
Das hilft auch, das eigene Werk statistisch einzuordnen und darüber zu reflektieren. ;-)