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

Digitizing Seal Inscriptions in the ACAWAI-CS Project: Questions and Challenges

Ein Beitrag von Nathan Morello

Launched in November 2020, the project Annotated Corpus of Ancient West Asian Imagery: Cylinder Seals (ACAWAI-CS) aims at creating an open-access platform to assist research on cylinder seals and seal impressions. By connecting information about their artefactual, pictorial, and textual components into a coherent whole, this online platform will enable both specialists and non-specialists to access these ancient records from different perspectives.

Choosing suitable forms of data management and modelling appears crucial at this stage of the ACAWAI-CS project, since they will determine workflow and output for the years to come. Considering the overarching frame of the envisioned corpus, they must prove useful for all historical periods and regions of the ancient Near East and allow for an interface simple and intuitive enough to be easily and efficiently managed in the course of time.

This paper will offer initial insights into a work in progress, presenting some of the questions and challenges faced, in particular in the managing of the seal inscriptions. The data relating to their physical integration on the seal’s surface will be captured during the process of picture annotation of the images that decorate it. As for their textual content,during the presentation I will discuss the storage and lemmatization of the texts and some methods for capturing data of socio-historical relevance (e.g., prosopography).

 

Lemmatization of the texts

The lemmatization (i.e., tagging each word of the inscription with lexical and grammatical information) of the sealinscriptions is carried out on Oracc (Open Richly Annotated Cuneiform Corpus) with a page, which will be made public in the course of the project. The Oracc platform has been chosen for a series of reasons, even though its system of lemmatization does not provide all the functions and metadata required for the ACAWAI-CS project (see below). First, Oracc offers a robust open-access system for the storage and lemmatization of cuneiform and alphabetic texts; itis well spread among the scientific community of scholars and institutions engaged with ancient Near Eastern studies, and it is directly connected to the Cuneiform Digital Library Initiative (CDLI). Second, the Oracc system of lemmatization is simple to use and easy to train students and other collaborators to the project and, thanks to its various checking-functions, it is fairly secure and easy to review. Third, through the Oracc platform it is possible to manage at the same time a great number of texts coming both from one own’s catalogue – ATF texts processed by ACAWAI-CS research staff – and pulled from other projects through a proxy function; in particular, it is possible to download the JSON dataset relative to both kinds of texts.

 

Social Analysis

The Oracc system provides for the tagging of grammar (e.g., nouns, verbs, adjectives) and different categories of proper names (e.g. names of persons, settlements, temples), and creates glossaries belonging to these two main sets of lemmata. It does not, however, provide for tagging of relational or social categories such as profession, status, or gender. One of the aims of the ACAWAI-CS project is to capture these data in a finely granulated manner that will allow future social network analysis in combination with an analysis of visual forms. Therefore, all possibly useful data retrievable from the inscriptions and the tablets on which the seals were impressed, need to be extracted and organized in a structured and searchable system. During the presentation, a few cases with relative examples will be discussed.

 

Kurzvita

Dr. Nathan Morello works as cuneiform specialist for the ACAWAI-CS project, based at the Institute of Near Eastern Archaeology at the Ludwig Maximilians-University of Munich. Beside the work on Mesopotamian seals, his main research focus is the historical analysis of royal inscriptions and archival documents of Middle and Neo-Assyrian periods, with an interest in the development and use of digital tools for the study of cuneiform sources.

Rekonstruktion von fragmentierten Dokumenten mit NLP

Ein Beitrag von Johannes Bernhard und Michael A. Hedderich

Techniken der digitalen Textverarbeitung (natural language processing, NLP) haben für moderne Sprachen in den letzten Jahren große Entwicklungen durchgemacht und werden inzwischen in vielen alltäglichen Produkten eingesetzt, von den Algorithmen großer Suchmaschinen bis hin zu virtuellen Assistenten. In diesem Beitrag möchten wir uns damit beschäftigen, ob man diese Techniken auch zur Unterstützung der Arbeit an historischem Textmaterial verwenden kann. Dieses Projekt ist eine Kooperation mit Prof. Dr. Dietrich Klakow und Prof. Dr. Doris Prechel. 

Im Speziellen beschäftigen wir uns mit der Rekonstruktion von Dokumenten aus Textfragmenten. Im Bereich der Epigraphik stehen Forscher oft vor der Herausforderung Texte aus fragmentarischen Funden wieder zusammenzusetzen. Der Prozess des Suchens und Filterns aus der Sammlung an vorhandenen Fragmenten ist schwierig, teuer und zeitaufwändig. Während des Rekonstruktionsprozesses werden die Fragmente inklusive ihres Textinhalts digitalisiert. Damit ergibt sich die Möglichkeit der Anwendung von NLP Modellen. Unser Ziel ist es hierbei den Forscher bei der Rekonstruktion eines Dokuments zu unterstützen indem konkrete Fragmente vorgeschlagen werden, die zum bereits rekonstruierten Text passen könnten. Dadurch wird der Suchraum für den Forscher verkleinert und somit die Arbeit beschleunigt. 

Als Techniken greifen wir hierbei auf (für die digitale Textverarbeitung klassische) Suchmethoden wie TF-IDF (Luhn 1957, Jones 1972)  und BM25 (Robertson et al. 1994) zurück, sowie auf Ansätze des maschinellen Lernens wie Learning-to-Rank (Cao et al. 2007). Auch experimentieren wir mit tiefen neuronalen Netzwerken (Schmidhuber 2014), die auf modernen Sprachen den neuesten Stand der Wissenschaft darstellen. Simulierte Szenarien mit englischen Texten ergaben hier vielversprechende Ergebnisse, die gezeigt haben, dass, bei einem Suchraum von 1000 Fragmenten, das erste relevante Fragment schon, im Durschnitt, als 20tes Ergebnis gelistet wird. Dies stellt eine signifikante Verringerung des Suchaufwands dar. Die Anwendung auf echte, historische Sprachen und Fragmente ergibt zusätzliche Herausforderungen, wie etwa Brüche im Wort, beschädigte Textstellen oder geringe Trainingsdatenmengen. In Experimenten auf der Fragmentsammlung der hethitischen Beschwörungsrituale, bereitgestellt von Prof. Dr. Gerfrid G. W. Müller, gehen wir diese Herausforderungen an und zeigen, dass unsere Modelle in einem Suchraum von tausenden von Bruchstücken relevante Fragmente durchschnittlich an 25ter Stelle listen. Ferner präsentieren wir den Prototypen eines Suchtools, das die Rekonstruktionsarbeit von hethitischen Festritualen unterstützen soll. Hinter diesem Tool steht ein auf hethitischen Daten trainiertes Modell, das für ein gefragtes Fragment, dessen wahrscheinlichst passende Kandidaten listet. Ein Nutzer muss dann nur eine stark verringerte Anzahl an Fragmenten bearbeiten und kann erwarten, dass ein passendes Fragment in den Top-25 zu finden sein wird.

Referenzen

Robertson, Stephen & Walker, Steve & Jones, Susan & Hancock-Beaulieu, Micheline & Gatford, Mike. (1994). Okapi at TREC-3.  Proceedings of the Third Text REtrieval Conference (TREC 1994). Gaithersburg, USA.

Cao, Zhe & Qin, Tao & Liu, Tie-Yan & Tsai, Ming-Feng & Li, Hang. (2007). Learning to Rank: From Pairwise Approach to Listwise Approach. Proceedings of the 24th International Conference on Machine Learning. Vol. 227. pp. 129-136.

Schmidhuber, Juergen. (2014). Deep Learning in Neural Networks: An Overview. Neural Networks. Vol. 61. pp 85-117.

SPARCK JONES, K. (1972), “A Statistical Interpretation of Term Specificity and its Application in Retrieval”, Journal of Documentation, Vol. 28 No. 1, pp. 11-21.

H. P. Luhn (1957), A Statistical Approach to Mechanized Encoding and Searching of Literary Information. IBM Journal of Research and Development. Vol. 1 (4), pp. 309-317.

Kurzvitae

Johannes Bernhard macht seinen M.Sc. in Language Science and Technology an der Universität des Saarlandes. Seinen BA erhielt er in Vergleichender Sprachwissenschaft mit Schwerpunkt auf Englisch und Französisch. Momentan arbeitet er an seiner Masterarbeit am Lehrstuhl von Prof. Dietrich Klakow und befasst sich damit, inwiefern Maschinelles Lernen und Künstliche Intelligenz dafür verwendet werden können, den Prozess des Zusammensetzens von zerbrochenen hethitischen Texten zu vereinfachen.

Michael A. Hedderich promoviert in der Informatik an der Universität des Saarlandes am Lehrstuhl von Prof. Dietrich Klakow. Er erhielt seinen B. Sc. in Informatik an der JGU Mainz und seinen Master of Science in Informatik an der Universität des Saarlandes. Mit einem Stipendium des DAAD war er Gastwissenschaftler in der Gruppe von Gerard de Melo an der Rutgers University in den USA. Michael Hedderich forscht im Bereich des Maschinellen Lernens und der Künstlichen Intelligenz. Dabei interessieren ihn insbesondere Szenarien mit wenig Trainingsdaten sowie die Interpretierbarkeit von Deep Neural Network Modellen. Ein weiterer Schwerpunkt seiner Arbeit ist die Anwendung von Techniken des Maschinellen Lernens in anderen Themenbereichen und die Zusammenarbeit mit anderen Forschungsgebieten, etwa der Linguistik, der Archäologie oder der Mensch-Computer-Interaktion.

Projektvorstellung: Digitale Edition der Keilschrifttexte aus Haft Tappeh (Iran)

Einleitung

Im September 2019 startete an der Johannes Gutenberg-Universität Mainz in Kooperation mit der Hochschule Mainz/mainzed das von der DFG geförderte Projekt „Digitale Edition der Keilschrifttexte aus Haft Tappeh (Iran)“. Das Ziel des Projekts besteht darin, die bisher unveröffentlichten Keilschrifttexte zu publizieren, die im Rahmen der Ausgrabungskampagnen von 2005 und 2007 gefunden wurden. Das Projekt stellt zugleich den Ausgangspunkt für die IDCS dar, denn alle InitiatorInnen arbeiten zugleich im Rahmen dieses Projekts zusammen. Im Folgenden soll daher das Haft Tappeh-Projekt kurz vorgestellt werden.

Haft Tappeh – wer, was, wann und wo?

Der moderne Ort Haft Tappeh liegt im Südwesten des Iran, nahe der bedeutenden Fundstätte Susa in der heutigen Provinz Chuzestan. Die Region ist kulturell wie historisch von großer Bedeutung für die altorientalistische Forschung, da sie einen Übergang zwischen der mesopotamischen Ebene und dem Hochland des Iran darstellt. Die außergewöhnliche Lage machte die Region zu einer kulturellen Kontaktzone, in der sowohl mesopotamische als auch elamische Einflüsse nachweisbar waren.

Die wissenschaftliche Untersuchung von Haft Tappeh begann 1965 unter der Leitung von Ezzatollah Negahban und dauerte zunächst bis 1978 an. Die Ausgrabungen förderten in dieser Zeit neben zahlreichen Objekten und monumentalen Gebäudestrukturen auch hunderte Tontafeln und Tafelfragmente zutage, von denen bis heute ca. 300 Tafeln durch Pablo Herrero und Jean Jaques Glassner publiziert wurden. Im Jahr 2001 wurden die Ausgrabungen in Haft Tappeh von Behzad Mofidi-Nasrabadi wieder aufgenommen.

Die Texte

Die neueren Grabungen wurden u.a. im Süden der Stadt, im sog. Areal I durchgeführt, wobei Gebäudereste freigelegt werden konnten, die aufgrund ihrer Struktur möglicherweise als Lagerhaus bzw. Verwaltungsgebäude gedeutet werden können. In jedem Fall erbrachten die Ausgrabungen in Areal I nicht zuletzt einen weiteren Fund von mehr als 600 Tontafeln und Fragmenten, die nun den Forschungsgegenstand unseres Projekts bilden. Die Tontafeln gehören alle zu einem Archiv von Verwaltungstexten. Es handelt sich größtenteils um Listen und Notiztafeln sowie Inventare und Personenlisten. Auch einige Brieffragmente konnten identifiziert werden. Die Texte wurden in akkadischer Sprache (unter Verwendung zahlreicher Logogramme) abgefasst und datieren in die frühe mittelelamische Zeit (ME 1; ca. 1500 – 1400 v. Chr.).

Die Texte dokumentieren v.a. militärische Güter, insbesondere (Streit-)Wagen und Wagenteile. Somit geben diese einen interessanten Einblick in die Ausrüstung und Bewaffnung, die für die Nutzung eines Streitwagens notwendig war, darunter Zügel, Peitschen, Bögen, Köcher und Pfeile sowie einige Gegenstände, die zum aktuellen Zeitpunkt noch nicht sicher identifiziert werden können. Weitere Güter wie Äxte, Stäbe, Helme aber auch Vieh und Kleidungsstücke wurden ebenfalls aufgelistet.

Ziele

Die Besonderheit am Mainzer Haft Tappeh-Projekt besteht darin, dass die Erstedition (Editio princeps) dabei vollständig digital erfolgen soll. Das Herzstück des Editionsprozesses stellen dabei 3D-Aufnahmen der Tontafeln dar, die mit finanzieller Unterstützung der Universität Mainz und in Zusammenarbeit mit dem Helmholtz-Institut Mainz bereits in der Vorbereitungsphase des Projekts angefertigt wurden. Die 3D-Scans werden der (wissenschaftlichen und interessierten) Öffentlichkeit im Zuge der Publikation auch zugänglich gemacht und ersetzen die in altorientalistischen Texteditionen sonst üblichen Umzeichnungen der Tafeln (Autographien).

Von Beginn an wurde das Projekt in Kooperation mit dem Mainzer Zentrum für Digitalität in den Geisteswissenschaften (mainzed) um Prof. Kai-Christian Bruhn konzipiert. Die enge Zusammenarbeit zwischen Altorientalistik und Informatik stellt sicher, dass die Ergebnisse sowohl philologisch als auch technisch optimal aufbereitet werden und somit für fachübergreifende, weitere Forschung genutzt werden können. Da eine umfassende Darstellung aller Aspekte an dieser Stelle nicht möglich ist, werden hier im Blog im Laufe der Zeit weitere Updates zu dem Projekt erfolgen! Wer sich bis dahin für das Thema Haft Tappeh interessiert, findet im Folgenden eine kurze Liste ausgewählter Publikationen:

Literatur

Zu den Ausgrabungen:

  • Negahban, E., Excavations at Haft Tappeh, Iran, Philadelphia (1991).
  • Mofidi-Nasrabadi, B., Vorbericht der archäologischen Ausgrabungen der Kampagnen 2005-2007 in Haft Tappeh (Iran), Münster (2010).
  • Mofidi-Nasrabadi, B., Vorbericht der archäologischen Ausgrabungen der Kampagnen 2012-2013 in Haft Tappeh (Iran), in: Elamica 4, (2014), 67-167.

Zu den Textfunden der älteren Ausgrabungen:

  • Glassner, J. J., Les textes de Haft Tépé, in: la Susiane et l’Elam au 2ème millénaire. Mésopotamie et Elam: actes de la XXXVIème RAI; Gand, 10-14 juillet 1989, MHE, Occasional Publications 1, Gent (1991), 109-126.

Zu Haft Tappeh im historischen Kontext:

  • Mofidi-Nasrabadi, B., Elam in the Middle Elamite Period, in: J. Álvarez-Mon / G. P. Basello / Y. Wicks (Hrsg.), The Elamite World, London / New York (2018), 232-248.

Zu den Texten aus Areal I:

  • Brandes, T., H.T. 07-31-102 – Ein Textbeispiel aus Areal I (Haft Tappeh), in Elamica 10 (2020), 1-8.
  • Brandes, T., Huber, E.-M., Die Texte aus Haft Tappeh – Beobachtungen zu den Textfunden aus Areal I (Haft Tappeh), in: Elamica 10 (2020), 9-42.
  • Prechel, D., Administration in Haft Tappeh, in: B. Mofidi-Nasrabadi / D. Prechel / A. Pruß (Hrsg.), Proceedings of the International Congress Elam and its Neighbors. Recent Research and New Perspectives, University of Mainz, September 21-23, 2016, Mainz. Elamica 8 (2018), 127-136.
  • Prechel, D., Die Tontafeln aus Haft Tappeh 2005-2007, in: B. Mofidi-Nasrabadi (Hrsg.), Vorbericht der archäologischen Ausgrabungen der Kampagnen 2005-2007 in Haft Tappeh (Iran), Münster (2010), 51-57.

Modeling cuneiform paleography with PaleoCodage

Cuneiform languages and its texts took an interest not only by Near Eastern Studies scholars but also in the computational linguistics major. Cuneiform texts have been edited digitally, cuneiform text corpora have been linguistically classified, information retrieval approaches have been performed, and texts have been annotated in various ways. However, the shape and form of cuneiform signs and other extralinguistic attributes itself usually do not fall into categories of such annotations, despite them playing a possible role in leading to a better understanding of the texts. One major reason for this is the lack of a machine-readable description of cuneiform characters. Other languages like Chinese or Japanese include an encoding of their characters, e.g. in the form of a writing order of strokes and their positioning towards another so that such attributes can be extracted easily (Bishop 2003). These encodings may be used to create, e.g. SVG images for font descriptions and due to the prevailing existence of the given languages can be better formalized per epoch.

A first approach to formalize cuneiform character descriptions by means of cuneiform wedges was developed by Norbert Gottstein. He developed a system which could describe which and how many cuneiform wedges of certain types were included in a cuneiform character. The goal of his work was to create a search system for cuneiform characters which would in many cases give a unique result. He defined four types of cuneiform wedges: Horizontal, vertical, and two diagonal wedge types.

Gottstein System by (Gottstein, 2013). One cuneiform character is described by the number of its corresponding wedge types.

The Near Eastern Studies community took an interest in the Gottstein System, but the system did not find wide adoption in this community. Interestingly, the system has found more of adoption in the computational linguistics community in which some digital tools had been developed using the Gottstein System as a basis.

The tool CuneiPainter is a straightforward Android App which allows the drawing of cuneiform character shapes using a finger on your mobile phone, detects its Gottstein code and presents the user with a list of alternatives of cuneiform characters. The set of cuneiform characters which can be recognized by CuneiPainter was modelled after one particular fonts’ set of characters. Therefore CuneiPainter may only recognize one cuneiform character variant per Unicode code point. For this set of cuneiform characters CuneiPainter acts as a showcase, that to search cuneiform characters, the Gottstein system works without yielding too many ambiguities. 

CuneiPainter also acts as a proof of concept for creating input method engines for cuneiform characters (Homburg, 2015). Input method engines take representations of cuneiform characters either in the Latin alphabet by entering a transliteration or by a Gottstein code possibly recognized from a painted image. The input method engine converts such a representation to its Unicode representation which may be shown using a particular font. An input method engine may also be used to convert an English translation to a Unicode representation.

What the Gottstein system lacks, however, is the inclusion of relations between cuneiform wedges. With a Gottstein code, we may know that a cuneiform character includes 4 horizontal and 4 vertical wedges, but we do not know the relations of these wedges towards another. Are the 4 horizontal wedges above the 4 vertical wedges? Do they cross? If so, how do they cross? In addition, the scientific literature suggests that there are more types of wedges than stated in the Gottstein system, as can be seen in the following pictures. To accurately depict and encode cuneiform signs all wedge variants need to be taken into account.

The positioning of cuneiform characters taken from the literature (Ebeling et. al., 1980). Cuneiform wedges can be found with shown wedge angles which are more granular than Gottsteins suggested rotations of 0°,45° and 90°

To capture and formalize relations between cuneiform wedges, encoding with the following capabilities was developed in a practical study course at Mainz University Of Applied Sciences: The PaleoCodage encoding. Its goals are as follows:

  • Capturing the rotations of all wedges including available angles
  • Capturing relations between wedges
  • Capturing wedge sizes separated into wedge head and the wedge itself
  • A unique identifier for a wedge including its angle
Description of rotations of cuneiform wedges taken from the literature mapped on to PaleoCodage descriptions. Wedges with different angles get different but unique identifiers. Different operators change the angle of

The benefits of such an encoding can be seen in several areas:

  1. The encoding may be used in Machine Learning applications as a classification target to recognize wedge types.
  2. The encoding is a machine-readable way of capturing the shape of cuneiform characters, so that cuneiform characters may be differentiated and possibly classified by computers.
  3. The encoding may be used to capture cuneiform sign variants in a machine-readable way which are often seen on pictures of cuneiform tablets but are rarely systematically collected. Collecting cuneiform character signs systematically allows for more research in the given area.

To show differences in the description of PaleoCodage vs. Gottstein code descriptions the following table gives an idea about its capabilities:

Cuneiform signSign nameGottstein CodePaleoCode
MASZa1b1b-a
BARa1b1;b-a
LALa1b1a-b
MEa1b1a-::b
PaleoCodage vs. Gottstein code examples for the same Gottstein sign code These cuneiform signs include the same cuneiform wedges but in different positions. The PaleoCode allows a distinction between the different forms..

Further information about PaleoCodage and the PaleoCodage JavaScript Testing tool can be found on Github and in an extended abstract which has been submitted to the Digital Humanities Conference 2019 (Homburg, 2019). We may discuss further details and applications of PaleoCodage in further articles here at the IDCS blog.

  1. Bishop, T. and Cook, R. (2003) ‘A Specification for CDL Character Description Language’, in Glyph and Typesetting Workshop.
  2. Ebeling, E. et al. (1980) ‘Reallexikon der Assyriologie und Vorderasiatischen Archäologie. Zweiter Band’.
  3. Gottstein, N. (2013) ‘Ein stringentes Identifikations- und Suchsystem für Keilschriftzeichen’, in Mitteilungen der deutschen Orientgesellschaft. Berlin.
  4. Homburg, T. et al. (2015) Learning Cuneiform The Modern Way. Graz, Austria: DHd, 2015. Available at: http://gams.uni-graz.at/o:dhd2015.p.55.
  5. Paleo Codage – A machine-readable way to describe cuneiform characters paleographically. Homburg, T. In Utrecht, Netherlands, July 2019.