Wittfind-Docs
Inhaltsangabe
1. Das Projekt Wittgenstein Advanced Search Tools (WAST)
2. Edition des Nachlasses von Ludwig Wittgenstein
3. Wittgenstein Advanced Search Tools (WAST)
3.1. Einführung
3.2. Infrastruktur der WAST
3.3. Docker für die WAST-Tools
3.4. Wittgensteins Lexikon
3.5. Doppelseitger Reader
3.6. Symmetrische Autovervollständigung sis:
3.7. FinderApp Wittfind: wf
3.8. Frontend: Wittfind-Web
3.9. Ähnlichkeitssuche mit NLP Tools
3.9.1. Einleitung zu den NLP Tools
3.9.2. WiTTSim
3.9.3. KNN-Suche
3.9.4. Clustering
3.9.5. Übungen
3.10. Seitensegmentierung der Faksimile mit OCR
4. Workshop DHD 2020 in Paderborn
5. Tutorials
6. Aufgaben zu WAST
Wittfind-Docs
Docs
»
3. Die Wittgenstein Advanced Search Tools
»
3.9. Die NLP Tools WiTTSim innerhalb der WAST-Tools
View page source
3.9. Die NLP Tools WiTTSim innerhalb der WAST-Tools
¶
Teilprojekte:
3.9.1. Einleitung zu den NLP Tools
3.9.1.1. WiTTSim (Vergleich von 2 Texten)
3.9.1.2. KNN Suche
3.9.1.3. Clustering
3.9.2. WiTTSim
3.9.2.1. Allgemeines
3.9.2.2. Vorbereiten der Umgebung
3.9.2.2.1. Cluster Modelle
3.9.2.2.2. Tree-Tagger
3.9.2.2.3. MongoDB
3.9.2.3. Vorberechnen der Vektoren
3.9.2.4. Starten der Suche
3.9.2.5. HTML Files
3.9.2.6. Frontend Integration
3.9.2.7. Frontend / Backend Integration mit jQuery AJAX
3.9.2.8. Backend Umsetzung mit Flask
3.9.2.9. Mögliche Fehlermeldungen
3.9.3. KNN-Suche
3.9.3.1. Vorbereiten der Umgebung
3.9.3.1.1. Cluster Modelle
3.9.3.1.2. Tree-Tagger
3.9.3.1.3. MongoDB
3.9.3.2. Vorberechnen der Vektoren und Trainieren des KNN Modells
3.9.3.3. Starten der KNN Suche
3.9.3.4. Frontend Verknüpfung der KNN Suche
3.9.4. Clustering
3.9.5. Übungen
3.9.5.1. Docker Container laden
3.9.5.2. Installieren der Python Module
3.9.5.3. Holen der Vektoren
3.9.5.4. KNN Modell trainieren
3.9.5.5. Trainiertes KNN Modell ausprobieren