XML als Beschreibungssprache für Textcorpora

Inhaltsverzeichnis

• Einleitung
  • Schreibweisen
  • Verwendete Software
    • Java
    • Perl
• Die „Extensible Markup Language“ (XML)
  • XML ein offener Standard
  • XML - Syntax
  • Wohlgeformte und gültige XML-Dokumente
  • Die Document Type Definition (DTD)
  • Die DTD des TAZ-Corpus
  • XML-Schema
    • Das Instanz-Dokument
    • Das XML-Schema Dokument
      • Der Kopf des XML-Schemas
      • Elemente deklarieren
      • Attribute deklarieren
  • Weitere Ansätze zur Erzeugung gültiger XML-Dokumente
  • Unterstützung fremdsprachlicher Zeichensätze
• Be- und Verarbeitung von XML-Daten
  • XML Parsen
    • XML-Parser für Perl
      • XML::Parser
      • Das Modul XML::Parser::PerlSax
      • Das Modul XML::DOM
    • XML-Parser für Java
      • SAX-Parser
      • DOM-Parser
  • XPath
    • Teilbäume identifizieren
    • Attribute berücksichtigen
    • Der Inhalt eines Elements
    • Weitere Operatoren und Berechnungen
    • XPath-Beispiele anhand des TAZ-Corpus
  • XQuery
    • FOR, LET, WHERE und RETURN
    • Weitere Konstrukte
  • XUpdate
    • Elemente einfügen
    • Elemente anfügen
    • Elemente aktualisieren
    • Elemente löschen
    • Elemente umbenennen
  • Externe Datenquellen in XML-Daten integrieren
    • XLink
    • XPointer
    • XInclude
      • TAZ-Corpus: Meta-Daten mittels XInclude auslagern
  • Webservices
    • SOAP
    • XML-RPC
      • XML-RPC: Server-Implementierung
      • XML-RPC: Client-Implementierung
  • XML-Daten transformieren
    • XML-Daten mit CSS formatieren
    • XSLT
      • XSLT-Prozessoren
      • Grundlegende Syntax-Elemente
      • Abfragen
      • Weitere XSLT-Funktionen
      • Formatting Objects (XSL-FO)
      • XSLT-Beispiel anhand des TAZ-Corpus
• Weitere Spezifikationen des W3C
  • XML-Elemente mit xml:id indizieren
  • Binären Daten Media-Typen zuweisen
  • SMIL - Synchronized Multimedia Integration Language
  • Scalable Vector Graphics
    • Grundlegende SVG-Elemente
    • Weitere SVG-Elemente
    • Transformationen
• XML-Datenbanken
  • Das relationale Datenmodell versus XML
  • OpenSource XML-Datenbanken
  • Die XML-Datenbank exist
    • Installation von exist
    • XML-Workflow in exist
    • Das TAZ-Corpus in der exist-Datenbank
    • Deutsch-Englisches Wörterbuch
  • Beipielanwendung (Perl): Validieren des Zipfschen Gesetzes anhand des TAZ-Corpus
    • Programmlauf
• Weitere Tools zum Bearbeiten von XML-Daten
  • XML-Editoren
    • Kommerzielle Produkte
    • OpenSource-Produkte
    • Übersicht
  • Weitere Perl-Module zur Verarbeitung von XML-Daten
    • XML:: Simple
    • XML::XPath
• XML-Bearbeitung in weiteren Programmiersprachen
• Schlussbemerkungen

Zielsetzung und Themenschwerpunkte

Diese Arbeit befasst sich mit der Anwendung der „Extensible Markup Language“ (XML) zur effizienten und standardisierten Verarbeitung von linguistischen Daten. Die zentrale Zielsetzung ist es, aufzuzeigen, wie XML einen einheitlichen Workflow für die unterschiedlichsten Text-Corpora ermöglichen kann und damit die Herausforderungen unterschiedlicher Datenformate und Strukturen in der quantitativen Linguistik zu überwinden.

• Einheitlicher Workflow für Text-Corpora
• Überwindung von Problemen mit Datenformaten
• Einsatz von XML zur Strukturierung und Verarbeitung linguistischer Daten
• XML-basierte Tools und Technologien für die quantitative Linguistik
• Beispiele und Anwendungsbeispiele für die Verarbeitung von XML-Daten in der Praxis

Zusammenfassung der Kapitel

Die Einleitung führt in die Problematik der Datenformate und die Herausforderungen bei der Verarbeitung von Text-Corpora ein und stellt XML als Lösung vor. Kapitel 2 befasst sich mit den Grundlagen von XML, der Syntax, der Erstellung wohlgeformter und gültiger XML-Dokumente, sowie mit dem Einsatz von DTD und XML-Schema. Kapitel 3 behandelt verschiedene Aspekte der Verarbeitung von XML-Daten, einschließlich Parsen, XPath, XQuery, XUpdate, Integration externer Datenquellen und Transformationen.

Schlüsselwörter

XML, Text-Corpora, Quantitative Linguistik, Datenformate, Standardisierung, Workflow, DTD, XML-Schema, Parsen, XPath, XQuery, XUpdate, Webservices, Transformationen, Datenverarbeitung, Sprachtechnologie.