[论文解读] Toward an Interactive Directory for Norfolk, Nebraska: 1899-1900

Robert B. Allen|arXiv (Cornell University)|Aug 25, 2013

Web Data Mining and Analysis参考文献 12被引用 3

一句话总结

本文提出了一种用于内布拉斯加州诺福克市（1899–1900年）的交互式、实体丰富的数字目录，整合了城市名录、1900年美国人口普查和数字化历史报纸的数据。通过在不同数据源之间链接命名实体并构建其关系结构，该原型支持对个人与社区的动态探索，借助社会情境的基于代理的建模，推动叙事驱动的历史研究。

ABSTRACT

We describe steps toward an interactive directory for the town of Norfolk, Nebraska for the years 1899 and 1900. This directory would extend the traditional city directory by including a wider range of entities being described, much richer information about the entities mentioned and linkages to mentions of the entities in material such as digitized historical newspapers. Such a directory would be useful to readers who browse the historical newspapers by providing structured summaries of the entities mentioned. We describe the occurrence of entities in two years of the Norfolk Weekly News, focusing on several individuals to better understand the types of information which can be gleaned from historical newspapers and other historical materials. We also describe a prototype program which coordinates information about entities from the traditional city directories, the federal census, and from newspapers. We discuss the structured coding for these entities, noting that richer coding would increasingly include descriptions of events and scenarios. We propose that rich content about individuals and communities could eventually be modeled with agents and woven into historical narratives.

研究动机与目标

• 开发一种动态、交互式目录，通过整合多样化的历史数据源，扩展传统城市名录的功能。
• 通过链接城市名录、人口普查记录和数字化报纸中的实体，提升历史研究的深度。
• 将个人与社区建模为具有上下文关系的代理，以支持历史叙事的重构。
• 证明结构化实体编码在数字人文与家谱研究中应用的可行性。
• 构建一个原型系统，协调多源数据，以提升对历史人口的发现能力与上下文理解。

提出的方法

• 将1899–1900年内布拉斯加州诺福克市城市名录的结构化数据与1900年美国人口普查记录及《诺福克周报》整合。
• 使用文本处理技术从历史报纸中提取并标准化命名实体（人物、组织、地点）。
• 通过唯一标识符和上下文元数据，在不同数据源之间建立实体间的交叉引用。
• 实现一个原型应用程序，可视化实体关系并支持交互式查询。
• 对实体应用结构化编码，包括角色、职业和事件引用，以增强语义内容。
• 提出通过社会互动与事件的基于代理模拟，构建社区层面叙事的模型。

实验结果

研究问题

• RQ1 如何通过更丰富的多源数据扩展传统城市名录，以改善历史实体的发现？
• RQ2 可以从历史报纸中提取哪些关于个人与社区的信息，并与名录记录关联？
• RQ3 结构化实体编码在历史叙事与社会情境重构中发挥何种作用？
• RQ4 在整合异构历史数据源时，会面临哪些技术和表征挑战？
• RQ5 基于代理的建模在多大程度上能增强对历史社区动态的解读？

主要发现

• 城市名录、人口普查记录与历史报纸的整合，实现了跨多个数据源对个人的识别与语境化。
• 从《诺福克周报》中进行的命名实体识别与链接，揭示了社区成员在职业、居住地和社会关系方面的详细信息。
• 对实体进行结构化编码（包括角色与事件引用），显著提升了历史数据的语义丰富度。
• 该原型系统成功展示了通过统一界面实现对关联历史实体的交互式探索的可行性。
• 该方法通过将个人表示为具有上下文关系的代理，支持了社区层面叙事的建模。
• 本研究为利用整合的、语义增强的数字档案开展叙事驱动的历史研究奠定了基础。