Categories
Artikel

15 Artikel an einem Tag – Eine Übersicht

Möglicherweise hat sich jemand darüber gewundert, wie es zustande kommt, dass sich die Anzahl der Artikel dieses Blogs innerhalb von einer Stunde vervielfacht hat. Keine Angst, aus mir ist über Nacht kein hyperaktiver Blogger geworden, der neue Posts in Serie produziert. Ich habe vielmehr – wie bereits angekündigt – ein paar Artikel aus meinem ursprünglichen TEXperimenTales-Blog hierhin importiert. In diesen Posts wurden bereits einige Gedanken entwickelt, die ich in Zukunft hier weiter ausführen möchte, dazu nehme ich halt auch ein wenig redundante Datenspeicherung in Kauf (Informations-Puristen mögen mir verzeihen).

Der Import bietet zudem eine gute Möglichkeit, meine bisherigen Ausführungen ein wenig ausführlicher, als das ihre Tags tun, zu klassifizieren:

Das erste zentrale Thema, an dem ich mich in meinen Posts abgearbeitet habe, ist die für die Wissenschaft zentrale Forderung nach einer Reproduzierbarkeit von Ergebnissen. Zunächst habe ich ein grundsätzliches Problem, das mit dieser Forderung einhergeht, in einer Art Parabel dargelegt (1). Im anschließenden Post bin ich darauf eingegangen, auf welche Weise es gelöst werden könnte (2).

Im Anschluss folgt eine Reihe von Artikeln, die einige zentrale Features unserer Software Tesla darstellen. Tesla ist (unter anderem) unser Lösungsvorschlag für das Reproduzierbarkeitproblem für den Bereich der Textwissenschaften. Da ist zunächst die Erklärung, weshalb wir Tesla als ein Labor für Textprozessierer ansehen (3), dann lege ich dar, woraus Tesla-Experimente bestehen (4). Darauf folgt eine etwas detailliertere Beschreibung, wie man Tesla-Experimente anlegt und durchführt (5), sowie eine Kurzanleitung zum Import von andererleuts Experimenten  (6).

Obwohl es zu Tesla noch eine Menge mehr zu schreiben gäbe, bin ich in den folgenden Posts ein wenig vom Thema abgekommen, auch weil gerade da die Veröffentlichung meiner Dissertationsschrift anstand. Diese hat zwar Tesla als Hauptthema, das System wird aber anhand eines Anwendungsfalls aus der Kryptologie präsentiert. Das Thema Kryptologie eignet sich auch gut für die Behandlung in Blog-Artikeln, so dass ich dazu gleich einige verfasst habe: Zu meinen kryptologischen Experimenten aus der Dissertation (7); Zu einer phantastischen Kryptoanalyseleistung jüngeren Datums (8) und (9); sowie zur Schrägheit eines Dokuments, das vor fast genau 100 Jahren gefunden wurde (10).

Die restlichen Posts betreffen Ankündigungen von Dissertationsveröffentlichungen (11) und (12), sowie Gedanken über den wissenschaftlichen Austausch über Blogs und Twitter (13), (14) und zu Tesla als Werkzeug zur Erzeugung schöner Titelblätter (15).

Soweit die Übersicht über die Artikel, die ich in den letzten paar Monaten geschrieben habe und die nun in die neue Heimat von TEXperimenTales umgezogen sind. Rückgeblickt ist jetzt jedenfalls für meinen Geschmack genug.

Categories
Artikel

Dank und Gruss und Bitte um Geduld

Herzlich willkommen auf meinem1 Blog TEXperimenTales unter den Fittichen von hypotheses.org. Ich bin ein bisschen davon überrascht worden, wie schnell der Blog nach meinem Antrag auf Einrichtung freigeschaltet wurde. Dafür möchte ich mich erst einmal herzlich beim hypotheses.org-Team bedanken. Ich finde die Idee einer Blogplattform für die Geisteswissenschaften sehr reizvoll und habe deswegen beschlossen, hierher zu migrieren.

Jetzt muss ich mich erstmal ein wenig mit den Gegebenheiten hier (vor allem mit WordPress) vertraut machen, so dass die ersten inhaltlichen Artikel wohl noch etwas auf sich warten lassen. Wenn ich mich recht entsinne, konnte man bei der Anmeldung einen Blog angeben, aus dem Alt-Artikel hierhin importiert werden können. Diese Möglichkeit würde ich gerne nutzen, um ein paar Posts aus meinem gleichnamigen Blog bei Posterous hierher zu kopieren, nicht um der Redundanz willen, sondern um Kontinuität zu wahren. Ich bin noch kein alteingesessener Blogger und neige öfter dazu, Blogs als modulare Fortsetzungsromane anzulegen. Diese würde ich ungern auf zwei verschiedene Hosts verteilen.

Ich versuche den Import baldmöglichst zu klären und bitte daher die Besucher dieser Seite noch um ein wenig Geduld. Zugleich möchte ich aber auch die herzliche Einladung aussprechen, den gleichnamigen, momentan noch inhaltsreicheren Parallelblog unter http://jhermes.posterous.com zu besuchen.

Im Gegensatz zur Mehrheit hier verwende ich Blog als Maskulinum, nicht als Neutrum. Hauptsächlich deswegen, weil ich es schon immer so gemacht habe und sonst bei jedem Artikel über die Neutrum-Form nachdenken müsste. Ich habe wahrscheinlich einfach zu spät angefangen mit dem Bloggen.

Categories
Artikel

TEXperimenTales

Dies ist ein Blog zum Text Engineering Software Laboratory (Tesla). Tesla simuliert einen Arbeitsplatz für Wissenschaftler, die auf textuellen Daten arbeiten. Es bietet die Möglichkeit, experimentell mit Texten zu arbeiten. Experimente bestehen dabei aus zusammengestellten Textselektionen und einem Workflow aus unterschiedlichen, miteinander in einem graphischen Editor kombinierbaren und einzeln konfigurierbaren Werkzeugen. Die Ergebnisse der Prozessierung können manuell (durch unterschiedliche Visualisierer) und maschinell (durch spezifische Evaluationswerkzeuge) evaluiert werden. Der gesamte Prozess wird in einer Art Laborbuch dokumentiert. Einzelne Experimente aus diesem Laborbuch können exportiert und publiziert werden. Damit wird es möglich, die eigene Forschung reproduzierbar auf einem direkten Wege weiterzugeben.

Categories
Artikel

Wie operationalisiert man Schrägheit? – Analyse des Voynich Manuskripts (I)

An verregneten Wochenenden kommt man ja manchmal dazu, die Artikel zu lesen, die man unter der Woche auf den ersten Blick interessant fand und die man aus Zeitmangel in die persönliche Instapaper-Liste aufgenommen hat. Zugegebenermaßen wird diese Liste bei mir oft zum Friedhof. Die Wetterlage heute hat es aber zusammen mit der gelassenen Grundstimmung meiner Kinder möglich gemacht, dass ich einen wirklich interessanten Artikel von Christian Reinboth auf den Scienceblogs in Ruhe lesen konnte. Dort wird auf anschauliche Weise dargelegt, wie ein Chronogramm aus dem 18. Jahrhundert entschlüsselt werden kann und welche Fehler einem dabei unterlaufen können, wenn man z.B. historische Zeichensätze missinterpretiert.

In diesem Blog habe ich ja vor kurzer Zeit selbst die Geschichte einer hinreißenden Entschlüsselungsleistung beschrieben (Teil 1, Teil 2), mit der ich zwar wenig (bis gar keine) Reaktion hier im Blog hervorgerufen habe, die ich aber dennoch wichtig fand zu erzählen – allein schon, um den beteiligten Kryptoanalytikern (Thomas Ernst, Jim Reeds, Wolfgang Ernst Heidel) zu huldigen. Reinboths Beitrag hat mich jetzt dazu ermutigt, das Thema Kryptologie hier im Blog weiter zu bearbeiten, auch weil ich es demnächst einem erfahrungsgemäß sehr anspruchsvollen Publikum (auf der KölnerKinderUni 2012) näherbringen darf.

Konkret möchte ich hier darlegen, was für eine Hypothese ich hinsichtlich des Textes aus dem Voynich-Manuskript habe, mit welchen Analysen ich diese Hypothese untermauere und wie ich die Analysen – für jedermann reproduzierbar – operationalisiert habe. Dazu wird es wahrscheinlich einer ganzen Reihe an Posts bedürfen, ich werde aber versuchen, die einzelnen Abschnitte möglichst modular zu halten, so dass sie auch einzeln konsumierbar sind. Eigentlich habe ich das alles schon in einer anderen Form hier gemacht, allerdings kommt die Form des Blogs doch dem ein oder anderen mehr entgegen als eine Monographie (auch wenn sie Open Access ist). Während ich im Buch auch erst einmal auf die wissenschaftstheoretische Einordung und die Benutzung von Tesla eingehe, kann ich hier unmittelbarer zur Sache kommen. Tesla wird aber immer wieder thematisiert werden, vor allem gedenke ich, einzelne Komponenten vorzustellen, auf denen mein Analyseprozess aufbaut. Jetzt aber genug der Vorrede.

Das Voynich Manuskript

Über das Voynich Manuskript (VMS) ist schon viel geschrieben worden, einen sehr guten Überblick erhält man auf der Themenseite von René Zandbergen. Möchte man das Phänomen VMS in einem Wort zusammenfassen, so wäre wohl „schräg“ dasjenige, auf das meine Wahl fallen würde. Egal, welchen Aspekt dieses seltsamen Dokuments man betrachtet, die Dinge wollen sich einfach nicht recht zusammenfügen. Das gilt für das Manskript selbst, für sein Material, für die enthaltenen Zeichnungen und für den diese Zeichnungen umfließenden Text. Das gilt auch für die bisher rekonstruierte Geschichte und vor allem für die an ihm vorgenommenen kryptoanalytischen Versuche inklusive der daraus resultierenden Ergebnisse. Das VMS ist schräg. In jeglicher Hinsicht.

Wie man aus dem Titel dieses Blogs („TEXperimenTales“) und meines Buches („Textprozessierung“) ersehen kann, bin ich vor allem an der Analyse/Prozessierung/Verarbeitung von Texten interessiert. Es liegt also nahe, dass ich mich hier weniger mit der Geschichte und den Bildchen des VMS auseinandersetzen werde und dafür mehr auf das eingehe, was man als den Text des VMS bezeichnet.

Textausschnitt aus dem Voynich Manuskript
Textausschnitt aus dem Voynich Manuskript Quelle: wikimedia.org

Aus sprachwissenschaftlicher Sicht ist bisher nicht eindeutig festzustellen, ob es sich tatsächlich um einen Text handelt. Das liegt daran, dass noch niemand einen blassen Schimmer hatte, welche Information dieser Text tragen könnte. Bzw. konnte noch niemand eine kritische Masse anderer davon überzeugen, dass ihre/seine Hypothesen über den Inhalt des Textes die richtige ist. Die jüngsten publizierten Theorien zum VMS gehen davon aus, dass die Zeichen des Textes keine Inhaltsseite haben und lediglich sinnlos hintereinander geschrieben wurden. Weshalb auch immer sich jemand diese Mühe gemacht haben sollte – am glaubwürdigsten sind wohl finanzielle Interessen (man nennt diese Theorie auch Schabernack- oder Hoax-Hypothese). Markus Dahlem von den Scilogs hat eine weitere Erklärung parat (an der ich zugegebenermaßen nicht ganz unschuldig bin). Die Hoax-Hypothese wird deshalb von vielen als stimmig angesehen, als dass der VMS-Text eine Reihe von Unregelmäßigkeiten aufweist, die in dieser Kombination weder in verschlüsselten noch in unverschlüsselten natürlichsprachlichen Texten auftreten.
Bevor der Post hier wieder zu lang wird, versuche ich einmal, diese Unstimmigkeiten, die von einer Reihe von Analytikern des VMS zusammengetragen wurden, in kompakter Form aufzuführen.

  1. Die Zeichen entstammen keinem bekannten Alphabet – Gängige Geheimschriften bedienen sich meist aus dem gleichen Zeichensatz wie die Sprache, die sie verschlüsseln. Einzelne Einheiten werden dann entweder gegen andere Zeichen an anderen Positionen im Text  (Transposition) oder durch andere Zeichen des Alphabets (Substitution) vertauscht.
  2. Die Zeichen sind zu Wörtern und Paragraphen gruppiert – Das kennen wir aus unseren (europäischen) Texten auch, in Chiffren werden diese Spatien aber meist gelöscht, da sie die unautorisierte Entschlüsselung erleichtern.
  3. Keine Interpunktionszeichen – damit trifft genau das Gegenteil von dem zu, was in (2) für Wörter und Paragraphen beschrieben wurde.
  4. Die Häufigkeitsverteilung der VMS-Zeichen entspricht im ungefähren der natürlicher Sprachen – Bestimmte Chiffren (so wie die sehr sichere polyalphabetische Substitution) sorgen für eine Gleichverteilung von Zeichen. Solche Methoden können den VMS-Text damit nicht erzeugen.
  5. Die Verbundentropie zwischen den einzelnen Zeichen ist signifikant niedriger als die aller natürlichen Sprachen – Lediglich polynesische Sprachen weisen annähernd ähnliche Werte auf.
  6. Die Wortlängen sind kurz und binomialverteilt – Letzteres ist unüblich für natürliche Sprachen.
  7. Die Wörter des VM gehorchen dem Zipfschen Gesetz – Das wurde lange Zeit als Argument gegen eine Nonsens-Sprache vorgebracht.
  8. Die Information ist innerhalb der Wörter nahezu gleichverteilt – In natürlichen Sprachen tragen die ersten zwei Zeichen deutlich mehr Information als die weiteren.

Schon aus dieser Aufzählung ist ersichtlich, dass sich der Text des VMS hinsichtlich bestimmter Parameter wie ein natürlichsprachlicher Text verhält, hinsichtlich anderer wiederum nicht. Umgekehrt gilt dies auch in Bezug auf bekannte Chiffrierverfahren. Der VMS-Text hat aber noch mehr Oddness zu bieten:

  • Das Vokabular (die Anzahl der verschiedenen Wörter) ist sehr beschränkt
  • Bestimmte Zeichen kommen nur in bestimmten Regionen von Wörtern vor
  • Die Wörter haben einen morphologische sehr regelmäßigen Aufbau
  • Die Wörter unterscheiden sich oftmals lediglich durch ein einzelnes Zeichen von anderen
  • Gleiche oder ähnliche Wörter treten in unmittelbarer Nachbarschaft zueinander auf.
  • Verschiedene Seiten des VMS scheinen in unterschiedlichen Sprachen/Dialekten verfasst.
  • Zeilen bilden eine funktionale Einheit.
  • Eine Analyse zu langreichweiten-Korrelationen anhand eines Random-Walk-Modells deutet auf einen zufälligen Auswahl-Prozess bei der Erstellung des Manuskripts hin.

Vor allem der zuletzt aufgeführte Punkt wurde als Argument für die Theorie angesehen, dass das VMS keinen Inhalt habe, sondern dass es aus einer sinnlosen Aneinanderreihung von Phantasiewörtern ohne Bedeutung entstanden ist. Diese Theorie kann wohl auch am besten erklären, weshalb in den letzten 100 Jahren (das Manuskript wurde 1912 aufgefunden) niemand den Klartext des VMS herleiten konnte, obschon sich mit die größten Kryptoanalytiker des 20. Jahrhunderts damit herumgeschlagen haben. Und sie erklärt auch, weshalb keine Chiffriermethode gefunden wurde, die einen Text erzeugen kann, der ebenfalls die oben beschriebene Schrägheit des Manuskripts trägt.

Nun, ich behaupte, eine solche Chiffriermethode gefunden zu haben. Ich musste sie nicht selbst erfinden, sondern sie wurde (lustigerweise im ersten jemals geduckten Buch zur Kryptologie) 1506 veröffentlicht. Wer nicht abwarten kann, kann hier schon einmal nachlesen, welches Verfahren das ist (Kapitel 5 führt es ein, untermauernde Analysen im Kapitel 6.1). Die anderen (so denn überhaupt welche da sind) vertröste ich auf den nächsten Post.

Categories
Artikel

Wir sind jetzt kredibil

In meiner Arbeit habe ich unser System Tesla ja eher aus der Anwenderperspektive beschrieben und bin vor allem auf die Motivation eingegangen, die uns dazu bewegt hat, ein eigenes Komponentensystem zur Prozessierung von Texten zu entwickeln. Jetzt ist (endlich) auch Stephans Arbeit online, die mehr auf die technischen Grundlagen von Tesla eingeht (v.a. im Kapitel 4). Dabei setzt Stephan sich auch mit verwandten Systemen (vor allem GATE, UIMA und TextGrid) auseinander und zeigt auf, weshalb die Entwicklung eines Systems wie Tesla trotz dieser (von sehr viel größeren Einrichtungen getragenen) Konkurrenz unbedingt notwendig war.

DissStephan

Das Anwendungsgebiet, das Stephan beackert hat – kontrastive Evaluierung unterschiedlicher Verfahren zur automatischen Extraktion syntaktischer Strukturen – liest sich auf den ersten Blick etwas dröger als meine Analysen zum inhärent spektakulären Voynich-Manuskript. Es bietet aber die Möglichkeit aufzuzeigen, welch immens komplexe Versuchsaufbauten in Tesla möglich sind. Diese sind notwendig, da verschiedene Verfahren gegeneinander evaluiert werden. Die Ergebnisse der einzelnen Verfahren und ihrer Evaluierung sind dabei – durch die Arbeit mit Tesla garantiert – direkt reproduzierbar. Und alles natürlich – wie man es von uns gewohnt ist – Open Access. Also dann: Viel Spaß beim Lesen und der Reproduktion der Experimente!