Digital resources in the Social Sciences and Humanities OpenEdition Our platforms OpenEdition Books OpenEdition Journals Hypotheses Calenda Libraries OpenEdition Freemium Follow us

Urukagina: Ein Framework für voll maschinenlesbare Keilschriftkorpora

Ein Beitrag von Marc Endesfelder

Textbasierte Datenformate, wie sie Keilschriftkorpora üblicherweise zugrunde liegen, bieten den Vorteil, unmittelbar von Menschen lesbar und bearbeitbar zu sein. Sie erschweren jedoch die computergestützte Auswertung der Texte und machen damit den wichtigsten Vorteil, den digitale Textkorpora üblicherweise bieten, teilweise zunichte: die Möglichkeit, gezielt und zuverlässig sämtliche Belegstellen eines Suchbegriffs zu finden.

So werden Zeichen und Lesungen in der Umschrift durch Buchstabenfolgen variabler Länge wiedergeben und sind mit einer Vielzahl von (unverzichtbaren) textkritischen Anmerkungen durchsetzt (etwa in Form von Klammern, Frage- und Ausrufezeichen oder Kommentaren), was das spezifische und zuverlässige Matchen eines Suchbegriffs schwierig und fehleranfällig macht.

Drüber hinaus geben die Transliterationen den Keilschrifttext nicht einfach nur wieder, sondern interpretieren diesen auch indem sie aus der z.T. sehr großen Anzahl möglicher Lesungen eines Zeichens oder einer Zeichenkombination wählen. Diese Interpretationen sind für das Korpus essentiell, da in vielen Fällen erst durch sie der oft sehr vieldeutige Text gezielt erschlossen werden kann. Gleichzeitig sind diese jedoch, besonders im Falle sumerischer Texte, zwangsläufig oft unsicher und inkonsistent. Die Möglichkeit, sowohl auf der Ebene der Lesungen als auch auf der Zeichenebene zu suchen, und dies auch zu kombinieren, ist daher unabdingbar, auf einem textbasierten Datenformat jedoch nur schwer umzusetzen.

Das Urukagina-Framework implementiert daher eine normalisierte, auf Maschinenlesbarkeit optimierte Repräsentation von Keilschrifttexten und stellt die nötigen Werkzeuge zur Verfügung, um zwischen dieser und verschiedenen menschenlesbaren Formaten zu konvertieren. Es definiert zudem eine Suchsprache, die es ermöglicht, mit einer intuitiven Syntax komplexe Suchanfragen an das Korpus zu stellen.

Das Framework dient als Infrastruktur für das Korpus des DFG-geförderten Projekts Writing Sumerian. Dieses strebt eine möglichst vollständige Analyse der Orthographie der sumerischen Texte des 3. Jahrtausends v. Chr. an, wofür ein möglichst umfassendes, vollständig digital erschlossenes Korpus dieser Texte die notwendige Grundlage bildet. Das Korpus umfasst neben einigen kleineren Textsammlungen alle sumerischen Texte der CDLI-Datenbank von der Fara- bis in die frühe altbabylonische Zeit sowie das vollständige BDTNS-Korpus, und wird somit erstmals einen Großteil der publizierten sumerischen Texte in voll durchsuchbarer Form zur Verfügung stellen.

 

Kurzvita

Marc Endesfelder ist wissenschaftlicher Mitarbeiter im Forschungsprojekt Writing Sumerian an der Ludwig-Maximilians-Universität München, wo er auch seinen Master in Altorientalistik gemacht hat.

In seiner Dissertation versucht er, die sumerische Orthographie auf ein sicher(er)es Fundament zu stellen und lässt sich dabei gerne von Computern helfen.

Research on Old Babylonian archival texts: from digital editions to text analysis queries

Ein Beitrag von Marine Béranger

Archival texts make the substantial part of the epigraphic documentation from the Old Babylonian period (2004-1595 BC): from the 50,000 texts known for this period, ca. 34,800 are of administrative, legal, or epistolary nature. The content of these texts is a valuable source for historical, economical, and administrative studies. These texts also offer an important material for the study of the Old Babylonian language and script. The idea of my project is to make it possible to work on these different levels as easily as possible, according to one’s own research questions and concerns. My aim is thus to enable online queries on the vocabulary and syllabary of Old Babylonian archival texts. About 13,000 archival texts are currently edited in the Archibab database developed by the Pr. Dominique Charpin and his team in Paris (www.archibab.fr). Of them ca. 9,000 have been associated with an extensive set of metadata (place of writing, date, lemma and part-of-speech tagging, translation, etc.). Thanks to a funding granted by the research group Scripta-PSL (https://scripta.psl.eu), it is now possible to export these data outside of Archibab and create multi-layer annotated xmlfiles (with a lemma, part-of-speech, and syllabary tagging). The final step of my project –currently under development– is to make this corpus of texts available online, on a txm web portal. Txm is a text analysis software (http://textometrie.ens-lyon.fr) which offers different qualitative and quantitative tools. On the txm web portal, it will be possible to perform different studies on the corpus of Old Babylonian archival texts: retrieve the texts written in the same city, at the same date, mentioning the same individuals, etc.; study the words and their context of occurrence, as well as compare their meaning in the different social and language settings (contracts, letters, accounts, etc.); investigate the spelling of words in the different Mesopotamian cities and across the different centuries; analyze the different readings of a same cuneiform sign; and so much more. Eventually the corpus of xml files will also be downloadable on the Ortolang platform (https://www.ortolang.fr) –for colleagues wishing to study them with their own software.

 

Kurzvita

Marine BÉRANGER defended in 2018 her Ph.D. dissertation entitled “Développement des pratiques d’écriture et de l’expression écrite : recherches sur les lettres de l’époque amorrite (2002-1595 av. J.-C.)” (École Pratique des Hautes Études, Paris). Research Assistant (A.T.E.R.) at the Collège de France in 2016-18, then PostDoc for the research project “EcritUr” in 2019-20, she is Research Assistant (Wissenschaftliche Mitarbeiterin) at the Institut für Altorientalistik, Freie Universität Berlin, since October 2020. Her research focuses on the political, economical, and cultural history of Mesopotamia during the Old Babylonian period, as well as written communication and scribal education.

Die Herausforderungen der Edition eines fluiden Textes

Ein Beitrag von Gösta Gabriel

Die Edition antiker Texte ist klassischerweise an das statische und zweidimensionale Format einer Buchseite gebunden. Dies führte in der Vergangenheit zu unterschiedlichen Herangehensweisen, wie die Varianz der textlichen Überlieferung im Rahmen einer Edition (v.a. literarischer Texte) wiedergegeben wird. Innerhalb der Altorientalistik haben sich dabei drei Verfahren etabliert: der Komposittext mit Variantenapparat, die Textpartitur und schließlich eine vereinfachte Form der Textpartitur, die Textmatrix. Jeder dieser Ansätze besitzt spezifische Stärken und Schwächen.

Der Komposittext ist sehr übersichtlich und passt daher – gerade bei umfangreichen Quellen – gut zum begrenzten Platz einer Printpublikation (vgl. bspw. Georges Edition des Gilgameš-Epos). Diese Lösung hat jedoch das Problem, dass sie mit dem Komposittext eine Fiktion erschafft, die so nicht überliefert ist. Außerdem sind die Spezifika der einzelnen Textvertreter unsichtbar.

Die Eigenheiten werden in der Textpartitur greifbarer, auch wenn die Art der Zusammenstellung den Blick auf das Einzelmanuskript erschwert. Zudem benötigt eine Textpartitur viel Platz. Um eine interpretative Analyse zu ermöglichen, muss zusätzlich auch ein Komposittext erstellt werden, was weiteren Raum erfordert (vgl. bspw. ZgollsEdition von Ninmešara).

Einen Mittelweg beschreitet die Textmatrix, welche eine Kompositzeile schreibt. Darunter werden alle Textvertreter angeführt, wobei Kürzel (+, -, o) oder explizite Varianten die Vielfalt der Überlieferung widerspiegeln. Während dieses Verfahren schlanker als eine klassische Textpartitur ist, werden hier die Eigenheiten einzelner Tontafeln nur schwer fassbar (vgl. bspw. Coopers Edition von Fluch über Akkade).

Durch diese Übersicht wird deutlich, dass alle editorischen Verfahren Probleme haben, Manuskriptspezifika zu kommunizieren. Zusätzlich gibt es eine weitere gemeinsame Limitierung. So funktionieren diese Verfahren nur dann, wenn die textliche Varianz nicht den Aufbau der Komposition betrifft. Ändern sich Abläufe oder der Umfang einzelner Passagen, lassen sich die Textvertreter nur schwierig zusammenführen (bspw. die Edition von Bilgameš und der Himmelsstier von Cavigneaux und al-Rawi).

Man könnte diese Probleme mit ein wenig Bedauern akzeptieren, wenn nicht die Varianz der textlichen Überlieferung eine wichtige Quelle für die kulturhistorische Analyse wäre. Für die modernen Philologien hat dies John Bryant unter dem Stichwort des fluiden Textes („fluid text“) beschrieben. So sind größere Varianten zumeist das Ergebnis von Aushandlungsprozessen, beispielsweise zwischen der Lektorin und dem Romanautor. Diese Ereignisse finden außerhalb des Textes statt und sind in den isolierten Einzelfassungen nicht sichtbar. Erst der Abgleich zwischen den Versionen befördert Differenzen und damit die Artefakte der Aushandlungsprozesse zutage. Bryant bringt diesen Sachverhalt in ein plastisches Bild:

„Documents, then, are the visible products that emerge out of an ongoing, largely invisible process, and the emergence of texts—whether they are manuscripts or books—can only hint at the processes that caused those texts. Each document is like a whale breaching from time to time at the surface of the dark sea that at all other times conceals the twists and turns of its submarine navigation.”

Um den Kurs des ‚Wals‘ unter der Oberfläche zu rekonstruieren, können wir nur die Punkte des Auftauchens verbinden. Das ist eine Verkürzung der „twists and turns“, ergibt aber eine Annäherung an ansonsten unsichtbare Ereignisse. Mit Blick auf das antike Mesopotamien sind wir in einer für andere Fächer beneidenswerten Situation. Es liegen uns Originalmanuskripte zahlreicher Kompositionen in einer großen räumlichen und zeitlichen Breite vor, so dass der ‚Wal‘ an vielen Stellen die Oberfläche durchbricht. Hierdurch entsteht eine Dichte an Informationen, die entscheidende Erkenntnisse zu den antiken Aushandlungsprozessen verspricht.

Vor diesem Hintergrund ist es ein Desideratum der Textedition fluider Texte, die Abweichungen zwischen den Fassungen möglichst deutlich sichtbar zu machen. Während dies für die klassische Printedition nur schwierig realisierbar ist, ohne die Übersichtlichkeit des Materials vollständig zu verlieren, eröffnen sich durch ein digitales Verfahren neue Möglichkeiten. Dies hängt damit zusammen, dass eine elektronische Edition es erlaubt, unterschiedliche Ebenen über- und nebeneinander zu legen. Durch einen Klick sind die nötigen Informationen instantanzugänglich. Hier spielt das dynamische Potential einer digitalen Darstellung eine entscheidende Rolle.

Ausgehend von diesen Vorüberlegungen skizziert der Vortrag am Beispiel der Sumerischen Königsliste, wie eine solche digitale Edition aussehen könnte. Hierfür wird zum einen das Quellenmaterial und dessen neuste Aufbereitung (im Rahmen der Habilitationsschrift) präsentiert. Zum anderen werden bereits etablierte Darstellungsformen aus anderen Philologien vorgestellt und erläutert. Dabei wird gezeigt, wie diese es ermöglichen könnten, die notwendigen Informationen zur Verfügung zu stellen. Am Ende steht eine Skizze für die Umsetzung des entsprechenden Vorhabens.

 

Kurzvita

Gösta Gabriel leitet seit Oktober 2019 die Emmy Noether-Gruppe „Mythische Literaturwerke der altbabylonischen Zeit als wissenspraktische Artefakte“ an der Freien Universität Berlin. Dort hat er auch im April 2020 seine Habilitationsschrift „Die ‚Sumerische Königsliste‘ als Werk der Geschichte“ eingereicht. Zuvor war er Nachwuchsgruppenleiter an der geisteswissenschaftlichen Graduiertenschule der Georg-August-Universität Göttingen. An dieser Universität hat er 2013 seine Promotion mit einer Arbeit über das Enūma elîš abgeschlossen. Während der Postdoc-Phase haben ihn mehrmonatige Forschungsaufenthalte zudem an die Universitäten Cambridge und Harvard sowie zu verschiedenen Tontafelsammlungen geführt.

Zeichenerkennung mithilfe der künstlichen Intelligenz – Computer-unterstützte Keilschriftanalyse

Ein Beitrag von Turna Somel¹, Eugen Rusakov², Christopher Rest³, Denis Fisseler³, Gerfrid G.W. Müller¹, Gernot A. Fink² und Frank Weichert³

1. Einleitung

Der vorliegende Abstract widmet sich der Vorstellung des DFG-Projekts “Computer-unterstützte Keilschriftanalyse (CuKa)”. Das Ziel des Projektes ist, ein langlebiges und erweiterbares Online-Tool zu entwickeln, das öffentlich zugänglich ist. Die Kernfunktion dieses Tools basiert auf ein für Zeichenerkennung trainiertes neuronales Netzwerk, das Fotos und 3D-Modelle von Tontafeln aus kooperierenden online Repositorien Zeichen für Zeichen automatisch annotiert, und das die annotierten Daten aus einer oder mehreren Tafeln in einem sortierbaren Format zurückgeben soll. Damit wird beabsichtigt, größere Datenmengen in einem kürzeren Zeitraum zu bearbeiten. Diese Sammlung an Daten soll nicht als ein endgültiges Resultat, sondern als eine grobe und noch zu verfeinernde Basis für paläographische Arbeiten verwendet werden. Das KI-Modell wurde mit hethitischen Tafeln trainiert.

Durch den Fokus des Projektes auf Zeichenklassifikation im Gegensatz zur automatischen Erkennung der Lautwerte lässt es sich von Forschungsprojekten, die ein OCR-Verfahren für Keilschrifttexte entwickeln, abgrenzen. Ebenfalls grenzt es sich von Forschungsprojekten ab, die ein Tool für Zeichenerkennung bei Autographien entwickeln, da das Quellenmaterial bei CuKa aus Fotos und 3D-Modellen besteht.

2. Methoden und Ergebnisse

Die auf ein Convolutional Neural Network (CNN) basierende Modelle wurden anhand komplett annotierter Tafeln trainiert. Als Quellenmaterial wurden Tontafeln aus Hattusa, aus der zweiten Hälfte des zweiten Jahrtausends v. u. Z. genommen; es wurde besonders darauf geachtet, ein breites Spektrum an Textgattungen zu nehmen, um eine möglichst weite Bandbreite an Zeichenarten und Handschriften einarbeiten zu können. Die Annotationen wurden auf einer Zeichen-Basis durchgeführt.

Da da ein maschinelles Lernen von Keilschriftzeichen von Fotos und 3D-Modellen noch terra incognita ist, sind Experimente für besser funktionierenden Verfahren nötig. Ein bereits von Rusakov et al. (2020) veröffentlichter Versuch, die Präzision der Zeichenerkennung zu erhöhen, stützt sich auf die Erstellung einer Repräsentation der Bestandteile eines Zeichens (d. h. einzelne Keile), die im Folgenden als Attribute bezeichnet werden, durch die Gottstein-Attribute (Gottstein 2013). Diese Testreihe übernimmt eine Liste der Gottstein-Attribute von hethitischen Zeichen, die auf Initiative von M. Cammarosano im Rahmen des Projektes “3D-Joins und Schriftmetrologie” erstellt wurde.

 

(Gottstein 2013: 129, Abb. 1)

Im Rahmen dieses Versuchs wurden die Gottstein-Attribute in Kombination mit den letzten Keilen der Zeichen als die Zeichenklasse beschreibende Attribute verwendet. Dieses Modell, in dem 291 Zeichenklassen trainiert wurden, erreicht ein “mean average precision” (MAP) von 91% in einem Query-by-Example Szenario (d. h. Suchanfragen, die durch Bildeingabe durchgeführt werden), wenn die Gewichtung der Ergebnisse der natürlich vorkommenden Häufigkeit der Zeichenklassen in hethitischen Texten entspricht. Wenn die Gewichtung der Ergebnisse gleichwertig unter allen im Training vorhandenen Zeichenklassen durchgeführt wird, wird ein MAP von 72% in einem Query-by-Example Szenario erreicht. In einem Query-by-Expression Szenario (d. h. Suchanfragen, die durch eine Angabe der Zeichennamen in Transliteration durchgeführt werden) mit einer gleichwertigen Gewichtung aller Zeichenklassen wird ein MAP von 81% erreicht (Rusakov et al. 2020). Diese Ergebnisse zeigen, dass die seltener vorkommenden Zeichen mit einer deutlich geringeren Präzision erkannt werden.

Als weiteres Ergebnis wird eine vorläufige Version des Online-Tools, das noch nicht öffentlich zugänglich ist, während des Workshops vorgestellt.

(Beispiel eine durch ein KI-Modell generierte Annotation)

3. Abschluss

Zusammenfassend lässt sich sagen, dass auf maschinelles Lernen bzw. neuronale Netzwerke basierende Suchmaschinen großes Potenzial haben, den Arbeitsaufwand bei paläographischen Untersuchungen zu verringern. Die immer noch bestehenden Herausforderungen, wie die Unterscheidung zwischen ähnlich aussehenden Zeichen, oder die richtige Erkennung von Zeichen mit kleineren Zeichen als Bestandteile, sollten durch eine größere Menge von annotierten Material und die Weiterentwicklung der KI-Modelle verringert werden.

 

4. Literatur

Gottstein, N. (2013): “Ein stringentes Identifikations- und Suchsystem für Keilschriftzeichen.” MDOG 145: 127-135.

Rusakov, E. et al. (2020): “Towards Query-by-eXpression Retrieval of Cuneiform Signs.” In: Proc. of the ICFHR, Dortmund, NRW, Germany.

 

¹ Akademie der Wissenschaften und der Literatur, Mainz

² Lehrstuhl Informatik 12, Arbeitsgruppe “Mustererkennung in Eingebetteten Systemen”, TU Dortmund

³ Lehrstuhl Informatik 7, Arbeitsgruppe “Graphische Systeme”, TU Dortmund

 

Kurzvita

Turna Somel studierte an der Bilkent Universität, sowie an der Philipps-Universität Marburg, wo sie ihren Master in Sprach- und Kulturwissenschaften des Vorderen Orients machte und 2019 ihr Promotionsstudium begann. Zurzeit arbeitet sie als wissenschaftliche Mitarbeiterin im Forschungsprojekt Computer-unterstützte Keilschriftanalyse an der Akademie der Wissenschaften und der Literatur in Mainz. Ihre Forschungsinteressen beinhalten die Religions- und Wissenschaftsgeschichte des nahen Ostens im 2. und 1. Jahrtausend v. u. Z., sowie die Keilschriftpaläographie.

 

JSON Transliteration Format and Related Tools: Enhancing Primary Digital Cuneiform Infrastructure

Ein Beitrag von Ilya Khait

The paper overviews the ongoing development of JTF (JSON Transliteration Format) and related infrastructure: jtf-lib, the format’s API, jtf-signlist, a cuneiform sign list utility, and uqnu, a cuneiform transliteration editor. The motivation behind this initiative, an offshoot of the MTAAC project, is to make digital cuneiform data more accessible for both automatic processing and editing by humans.

Currently, the only machine-readable specialized transliteration standard is ATF (ASCII Transliteration Format), a textual data format of two dialects designed to use with the two main Assyriological digital platforms, CDLI and ORACC respectively.¹ ATF provides rich semantic markup for cuneiform data and metadata and serves well for archival purposes, but as a complex text format it is laborious to write, prone to errors, almost impossible to safely extend with new features and difficult to parse. No less importantly, the field still lacks a reusable code library for basic operations on ATF, e.g. to modify the data.

This bottleneck of Digital Assyriology can be significantly broadened by providing the means for simpler work on data on both the human and the machine side. JTF, created to assist solving the latter issue, is a JSON-based structured document format with a detailed mapping that fully mirrors both ATF dialects and is compatible with them. It is not intended to be edited by users directly, but offers serialized data that is programmatically simple to access, manipulate and extract.

Below is an example of a short transliteration fragment in ATF from CDLI P000001, a proto-cuneiform lexical list:²

@tablet

@obverse

@column 1

3′. 1(N01) , KINGAL#

Its JTF counterpart would be the following:

{“_class”:”object”, “type”:”tablet”, “children”:[

   {“_class”:”surface”, “type”:”obverse”, “children”:[

      {“_class”:”column”, “name”:”1″, “children”:[

        …

        {“_class”:”line”,  “name”:”3′”,  “children”:[

           {“_class”:”field”, “children”:[

              {“_class”:”sequence”, “type”:”short”, “children”:[

                 {“_class”:”chr”, “type”:”num”, “value”:”1″, “unit”:

                    {“_class”:”chr”, “type”:”sListRef.protoCuneiform”,  “value”:”n”, “index”:”01″}}

           ]}]},

           {“_class”:”field”, “children”:[

              {“_class”:”sequence”, “type”:”short”, “children”:[

                 {“_class”:”chr”, “value”:”kingal”, “damage”:”#”}

]}]}]}

JTF represents transliterations as tree structures with detailed mapping of different data. It uses JSON dictionary elements (named by their _class attribute) such as object, surface, column, field and line to describe the text’s relation to its medium, appearance and structure, while others, e.g. chr and sequence stand for inline data elements, respectively glyphs and their grouping. All JTF classes are provided with a set of attributes to store the necessary information on the element at hand. Besides the text tree, JTF includes a metadata dictionary with fields for CDLI ID, language, genre, bibliography, museum numbers, and other information.

JTF comes together with jtf-lib,³ a NodeJS API and CLI for JTF-related operations. At the moment, it facilitates essential functionality. Thus, the module has a NearlyJS parser for ATF in order to validate and convert ATF data (from a string, a local file or CDLI) to JTF. To automatically process changes to JTF content and to ensure its integrity, a special formatter is used. In development are the JTF CRUD (create, read, update and delete) API, as well as a converter from JTF to ATF.

A related standalone NodeJS module, jtf-signlist,⁴ is a cuneiform sign list API with features such as Unicode normalization, sign value checkers and bibliographical references.

A React web application that relies on these tools, uqnu,⁵ provides a GUI for users to work on cuneiform data. By now, it embeds components for importing ATF (loader, checker and editor), converting it to JTF and rendering the transliterations in a convenient way. The ATF importer facilitates mapping and asynchronous reading of multi-text ATF files (more than 123 000 texts). The user can switch between loaded files and see the list of texts included in each of them, then open each text to see its ATF content, check if the formatting is valid, modify, and save it back to the file. The importer automatically converts ATF data to JTF. The prospective core of the application, at the time a tab where the user can see the JTF rendered in a human-friendly form, is soon to be expanded with widgets for editing in order to serve as a JTF-based document processor. Additional features and integration with existing tools, e.g. for linguistic and paleographic annotation, is also envisaged for the future.

The infrastructure is to lay the foundation for a web-based open access digital apparatus for Assyriologists to use both privately and as a crowdsourcing platform that would accelerate the accumulation and reuse of cuneiform digital data.

¹ See <http://oracc.ub.uni-muenchen.de/doc/help/editinginatf>.
² See <https://cdli.ucla.edu/P000001>.
³ <https://github.com/cdli-gh/jtf-lib>.
<https://github.com/cdli-gh/jtf-signlist>.
<https://github.com/cdli-gh/uqnu>.

 

Kurzvita

Ilya Khait attended the Russian State University for the Humanities and finished his PhD. at the Leipzig University with his thesis Typology of Old Babylonian Divination Apodoses in 2018. He is currently working at the Leiden University. His interests include Cuneiform Studies, (Computational) Linguistics, Digital Humanities, Linked Data & Ontologies, Lexicography, Writing & Paleography and Archeology.