1) O documento descreve como índices de locorum podem ser transformados em redes de citações extraídas de textos clássicos. 2) Dados como o L'Année philologique são processados para extrair entidades nomeadas e relações de citação. 3) As citações extraídas são usadas para construir redes de citações em níveis macro, meso e micro que fornecem diferentes perspectivas sobre a intertextualidade.

1. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
Transforming Indexes Locorum into Citation
Networks
Matteo Romanello (DAI/KCL) @mr56k
HNR Workshop 2015 To Mine and to Tie: Text Mining And
Network Analysis For Historians, Bockhum – April 10-12 2015

2. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
Background

3. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
From Index Locorum to Citation Network

4. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
References in Classics
▶ canonical texts
▶ fragmentary texts
▶ inscriptions
▶ papyri
▶ manuscripts
▶ coins

5. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
Commentaries and Parallel Passages

6. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
To Mine

7. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
Workflow

8. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
The Knowledge Base
▶ underlying model: HuCit, CIDOC-CRM & FRBRoo
▶ Usages:
▶ extract abbreviations
▶ resolve implicit refs:, e.g. “Herod. 4, 5-7”
▶ validate citations, e.g. “Thuc. 1.100.9.4”

9. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
The L’Année philologique (APh)

10. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
The Data
▶ APh
▶ analytical reviews (en, de, fr, es, it)
▶ 80 volumes (1924-)
▶ autom. processed vol. 75 (2004)
▶ 6,694 abstracts (total = 6,946, errors = 252)
▶ 350k tokens
▶ 3k citations
▶ man. annotated ~ 8 % of vol. 75
▶ 366 abstracts
▶ 26k tokens
▶ 380 citations
▶ JSTOR
▶ full text of 171k journal articles in Classics (327m tokens)

11. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
APh Example (75-06697)
APh 75-06697 => S. Braund & G. Gilbert. 2004. “An ABC of epic ira: anger,
beasts, and cannibalism” Yale Classical Studies 32:250-285
In Statius ’ « Achilleid » (2, 96-102) Achilles describes his diet of
wild animals in infancy, which rendered him fearless and may
indicate another aspect of his character - a tendency toward
aggression and anger. The portrayal of angry warriors in Roman epic
is effected for the most part not by direct descriptions but indirectly,
by similes of wild beasts (e.g. Vergil, Aen. 12, 101-109 ; Lucan 1,
204-212 ; Statius, Th. 12, 736-740 ; Silius 5, 306-315). These
similes may be compared to two passages from Statius (Th. 1,
395-433 and 8, 383-394) that portray the onset of anger in direct
narrative. Analysis of these passages demonstrates that the concept
of « ira » in epic takes its moral aspect from the context.

12. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
The NLP Pipeline

13. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
Citation Extraction as an NLP Problem

14. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
Annotation Scheme for NEs and Relations

15. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
Canonical Text Services (CTS) URNs
▶ Pliny
▶ urn:cts:latinLit:phi0978
▶ Pliny’s NH
▶ urn:cts:latinLit:phi0978.phi001
▶ Pliny, Nat. 11,4,11
▶ urn:cts:latinLit:phi0978.phi001:11.4.11

16. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
Citation Extraction: Step 1, (Named Entity Recognition)
▶ Method: machine learning-based, Conditional Random Fields
▶ Current accuracy (F1-score): 73,88%
▶ Challenges:
▶ confusion with similar references

17. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
Citation Extraction Step 2: (Relation Detection)
▶ Method: rule-based
▶ Current accuracy (F1-score): 92,60%
▶ Challenges:
▶ problem with more discoursive references

18. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
Citation Extraction Step 3: (Disambiguation)
▶ Method: rule-based (context free grammar + fuzzy matching)
▶ Current accuracy (F1-score): 73,05%
▶ Challenges:
▶ ambiguous references
▶ inconsitent notation (e.g. punctuation)

19. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
To Tie

20. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
From Texts to Networks
▶ why?
▶ a network of citations already in the texts
▶ networks all about relations
▶ intertexuality = relations between texts
▶ what for?
▶ search/information retrieval
▶ analysis

21. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
Macro-, meso-, micro-level networks

22. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
Citation Network: Macro-level
▶ 2-mode (document, ancient author)
▶ directed network
▶ edges:
▶ mention of author, e.g. as Homer says
▶ mention of work, e.g. in the Iliad
▶ citation of passage, e.g. such as Hom. Il. 1.1

23. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
APh: Macro-level
APh goldset 366 documents, 26k tokens. 528 nodes and 400 edges.

24. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
Citation Network: Meso-level
▶ 2-mode (document, ancient work)
▶ directed network
▶ edges:
▶ mention of work
▶ citation of passage

25. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
APh: Meso-level
APh goldset 366 documents, 26k tokens. x nodes and y edges.

26. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
Citation Network: Micro-level
▶ 2-mode (document, text passage)
▶ directed network
▶ edges:
▶ citation of passage

27. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
APh: Micro-level
APh goldset 366 documents, 26k tokens. 858 nodes and 498 edges.

28. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
Interactive Network Visualisation
▶ macro: http://phd.mr56k.info/data/viz/macro
▶ meso: http://phd.mr56k.info/data/viz/meso
▶ micro: http://phd.mr56k.info/data/viz/micro

29. .....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
....
.
....
.
.....
.
....
.
.....
.
....
.
....
.
Conclusion
Challenges
▶ keep purposes separate (search, analysis, visualisation)
▶ semantic of edges
Future Perspective
▶ evolution over time (longitudinal network analysis)
▶ projection to undirected, 1-mode networks
▶ community detection on macro/meso/micro level