Zum Inhalt springen

Nur-Lesen-Fassung: Das Forschungsinformationssystem (FIS) ist aus Sicherheitsgründen vorübergehend durch diese Nur-Lesen-Fassung ersetzt. Alle öffentlichen Inhalte und Volltexte sind weiterhin abrufbar; Anmeldung, Bearbeitung, Einreichung und Statistiken stehen nicht zur Verfügung. Bei Fragen: fis@uni-bamberg.de

Start › Publikationen › Automatic Section Recognition in Obituaries

Publikation

Automatic Section Recognition in Obituaries

Sabbatino, Valentino; Bostan, Laura Ana Maria; Klinger, Roman (2020): Automatic Section Recognition in Obituaries, in: Nicoletta Calzolari, Frédéric Béchet, Philippe Blache, u. a. (Hrsg.), Proceedings of the Twelfth Language Resources and Evaluation Conference, European Language Resources Association, S. 817–825.

Details

Fakultät/Lehrstuhl
Autorin(nen)/Autor(en)
Sabbatino, Valentino
Bostan, Laura Ana Maria
Titel des Sammelwerks
Proceedings of the Twelfth Language Resources and Evaluation Conference
Herausgeberin(nen)/Herausgeber des Sammelwerks
Calzolari, Nicoletta; Béchet, Frédéric; Blache, Philippe; Choukri, Khalid; Cieri, Christopher; Declerck, Thierry; Goggi, Sara; Isahara, Hitoshi; Maegaard, Bente; Mariani, Joseph; Mazo, Hélène; Moreno, Asuncion; Odijk, Jan; Piperidis, Stelios
Konferenz
Twelfth Language Resources and Evaluation Conference, Marseille, France
Verlagsangabe
European Language Resources Association
Erscheinungsjahr
2020
Sprache(n)
Englisch
URL
Abstract

Obituaries contain information about people’s values across times and cultures, which makes them a useful resource for exploring cultural history. They are typically structured similarly, with sections corresponding to Personal Information, Biographical Sketch, Characteristics, Family, Gratitude, Tribute, Funeral Information and Other aspects of the person. To make this information available for further studies, we propose a statistical model which recognizes these sections. To achieve that, we collect a corpus of 20058 English obituaries from TheDaily Item, Remembering.CA and The London Free Press. The evaluation of our annotation guidelines with three annotators on 1008 obituaries shows a substantial agreement of Fleiss κ = 0.87. Formulated as an automatic segmentation task, a convolutional neural network outperforms bag-of-words and embedding-based BiLSTMs and BiLSTM-CRFs with a micro F1 = 0.81.

GND-Schlagwort(e)
Computerlinguistik
Nachruf
Korpus <Linguistik>
Statistisches Modell
Freie Schlagwort(e)
Obituaries
DDC-Klassifikation
004 Computer science
RVK-Klassifikation
ST 306
Dokumenttyp
Konferenzveröffentlichung
URI
Datum der Freischaltung
14.03.2024

Permalink: https://fis.uni-bamberg.de/handle/uniba/93914 · Daten als JSON · Zitieren: BibTeX · RIS

Datenstand: 16.11.2026

Eingeschränkter Lesezugriff: Anmeldung, Bearbeitung und Einreichung sind vorübergehend deaktiviert.