Exploratory Information Extraction from a Historical Dictionary

Abstract

Abstract-We describe a preliminary project of extracting information from an extant dictionary of historical biographies, the "Dicionário Histórico-Biográfico Brasileiro" (the Brazilian Historical and Biographical Dictionary, shortened as DHBB), a longstanding project at the 'Centro de Pesquisa e Documentação de História Contemporânea do Brasil' (CPDOC) of the 'Fundação Getulio Vargas' (FGV). For information extraction, we rely on Natural Language Processing tools such as FreeLing as well as our own resources NomLex-PT, a lexicon of nominalizations, and OpenWN-PT, a Portuguese version of Princeton's WordNet database. While our project currently highlights the potential of information extraction in a fun exploratory manner, we also discuss the engaging of historians interested in the affordances of digital tools.

Portugal Builds: Uma Plataforma Digital Para a História Da Construção Em Portugal Nos Séculos Xix E Xx

“…Nesse sentido, a criação de novas infraestruturas tem tido, recentemente, um grande desenvolvimento. Para dar apenas alguns exemplos, são de referir o Seshat: Global History Databank 6 ou a Europeana, 7 a disponibilização de vastos arquivos digitais com instrumentos analíticos, como o History Lab, da Universidade de Columbia, 8 ou a utilização de dicionários históricos biográficos com ampla informação (De Paiva et al, 2014). Com esses instrumentos, investigadores e usuários passaram a poder explorar objetos de estudo que cobrem décadas ou mesmo séculos, relacionando-os sob diferentes tipos, formatos e suportes -imagens, vídeos, gráficos, diagramas e mapas.…”

Extração Automática De Informações: Uma Leitura Distante Do Dicionário Histórico-Biográfico Brasileiro (Dhbb

“…A estrutura do seu banco de dados é constituída de um campo de texto para acolher os verbetes codificados em html e alguns poucos metadados, basicamente título e tipo (temático ou biográfico). O processo e a lógica adotada para a extração destes dados da base visando o PLN são descritos por (Paiva et al, 2014) e (Rademaker et al, 2015), no âmbito de um projeto maior de reestruturação dos sistemas de informação do acervo do CPDOC.…”