Im KONDE-Projekt, das aus Hochschulraumstrukturmitteln finanziert wird, beschäftigten sich sieben universitäre Partner und drei weitere Einrichtungen aus unterschiedlichen Blickwinkeln mit theoretischen und praktischen Aspekten der Digitalen Edition. Ein Outcome des Projektes stellt das Weißbuch dar, welches über 200 Artikel zum Thema Digitale Edition umfasst. Die behandelten Themenkomplexe reichen dabei über Digitale Editionswissenschaft im Allgemeinen, Annotation und Modellierung, Interfaces, Archivierung und Metadaten bis hin zu rechtlichen Aspekten.
Der Begriff des Text Mining (TM) wurde 1995 durch Ronen Feldman und Ido Dagan unter dem Titel Knowledge Discovery from Text (KDT) eingeführt; er bleibt jedoch bis heute wenig klar abgegrenzt. Allgemein wird TM aus dem Blickwinkel der Informatik als “a subfield devoted to the extraction of knowledge from unstructured text” angesehen
Data Mining
und Data Science, wird es als ‘Data Mining unter Benutzung von Textdaten’ definiert und mitunter auch Text Data Mining genannt. Ziele dabei sind Information Extraction (IE), Information Retrieval (IR) und Knowledge Discovery.
Zur Datenverarbeitung wird
Natural Language Processing (NLP)
verwendet, wodurch eine Nähe zum Feld der Computerlinguistik entsteht. Im Gegensatz zum
Distant Reading
wird der Begriff Text Mining eher im Kontext der Informatik verwendet. Distant Reading findet sich in den Digital Humanities zumeist in Form von Computerphilologie (Computational Literary Studies), wobei digitale Analysemethoden für die Interpretation von Text fruchtbar gemacht werden sollen. Text Mining dagegen verfolgt Ziele aus dem Bereich der Information Extraction. Text Mining versteht Text als reines Datenbündel (vgl. bag-of-words) oder als Datenlieferanten, der selbst in der Analyse keine weitere Bedeutung mehr haben muss. Die Resultate werden dem Text nur ‘entnommen’. Also ist Text Mining nicht primär ein hermeneutisches Tool zur Textinterpretation, sondern eher ein Werkzeug zur Textauswertung.
Die Aufgabe des Text Mining besteht in statistischer Pattern-Erkennung, die in Anwendungen wie Text Clustering, Text Categorization, Entity Extraction, Document Summarization oder auch Sentiment Analysis vorkommt. Aber auch TF-IDF (term frequency-inverse document frequency), Intertextualitäts- oder Plagiatserkennung (Intertextuality / Text Reuse / Plagiarism Detection) gehören dazu sowie das Pre-Processing von Inputtext durch Parsen und
Natural Language Processing (NLP)
, um eine gewisse Strukturierung der ansonsten als unstrukturiert bezeichneten Datengattung ‘Text’ zu erzielen. Die Bezeichnung des ‘Mining’ verweist auch besonders auf die Analyse der Big Data des Internet (Web Mining). Mitunter wird Text Mining auch mithilfe von Machine Learning-Algorithmen betrieben. Ressourcen, die speziell zum Text Mining erarbeitet wurden, sind außerdem zumeist nicht primär für die Anwendung auf historische Texte und Sprachen beziehungsweise überhaupt auf geisteswissenschaftliche Anwendungsszenarien ausgelegt. Im Fall von Text Mining wird außerdem tendenziell eher von Big Data-Anwendungen ausgegangen, wohingegen Distant Reading-Methoden zur quantitativen Textanalyse auch schon mit verhältnismäßig kleineren Textkorpora durchgeführt werden.