Page Comparison

...

• Normalisierung basiert auf ISO 8601.

• Ein Tagesdatum wird als Entität vom Typ rico:SingleDate modelliert.

• Alles andere wird mit einer Entität vom Typ rico:DateRange modelliert.

• Normalisierte Datumsangaben sind in rico:normalizedDateValue zu finden.

• Qualifizierender Text kann aus dem Datum entfernt und in einem von zwei zusätzlichen Feldern gespeichert werden:

  • rico:dateQualifier: Text welcher auf eine Schätzung des Datums hindeutet (z.B. ca., um, wohl um, vermutlich, nach, frühestens, etc.)

  • rico:certainty: Text welcher zusätzliche Informationen zum Datum enthält (z.B. Datiert nach Inschrift, genaues Datum nicht eruierbar, Estimée, etc.)

• Wenn die Normalisierung scheitert dann wird der Wert in rico:expressedDate gespeichert und als Entität rico:DateRange.

Prozess

1. Alle Entitäten mit dem Typ rico:DateSet werden ausgewählt.

2. Überprüfe ob das Attribut rico:expressedDate definiert ist.

   1. Entität ohne werden ignoriert und ein Report generiert.

3. Entferne alle Leerzeichen am Anfang und am Ende des Wertes.

4. Versuche jeden SingleDate Matcher in Reihenfolge mit einem vollen Abgleich.

   1. Abbruch bei Erfolg

5. Suche Text mit dem Qualifier Filter.

   1. Gefundene Übereinstimmungen werden vom Wert entfernt und im Feld rico:dateQualifier angelegt.

6. Suche Text mit dem Certainty Filter.

   1. Gefundene Übereinstimmungen werden vom Wert entfernt und im Feld rico:certainty angelegt.

7. Entferne alle Leerzeichen im Wert.

8. Versuche jeden DateRange Matcher in Reihenfolge mit einem vollen Abgleich.

Konfiguration

Besteht aus vier Teilen. Jeder wird in einem separaten Schritt angewendet. Beim Erstellen muss unbedingt die Reihenfolge bedacht werden.

Auf stage im Bestand mav-101 liegt eine Excel-Datei datumswerte.xlsx mit Beispielen, die bei Anpassungen an der Konfiguration zum Testen verwendet werden können.

SingleDate Matcher

File: single-date-matchers.txt

Beispiel: (?<year>\d{4})-(?<month>[0-2][0-9])-(?<day>[0-3][0-9])

...

Erkannt werden Tagesdaten mit Trennzeichen .-, mit ausgeschriebenen Monatsnamen. Daten können in eckigen Klammern stehen.

DateRange Matcher

File: date-range-matchers.txt

Beispiel: (?<singleYear>[0-2][0-9]{3})

...

Erkannt werden verschiedene Kombinationen von Zeiträumen, vgl. Beispiele. Daten können Monatsnamen enthalten und in eckigen Klammern stehen.

Certainty Filter

File: certainty.txt:

Beispiel: \(?(?<certainty>Datiert nach Inschrift)\)?

...

Die Texte können in eckigen oder runden Klammern und i.d.R. vor oder nach dem Datum stehen. Erkannt werden die folgenden Texte: Datiert *, Datiert nach Inschrift, Datiert nach Quelle, genaues Datum nicht eurierbar, unsichere Datierung, Estimation de *, Estimée *

Qualifier Filter

File: qualifier.txt

Beispiel: [\s+]\(?(?<qualifier>um)\)?[^a-zA-Z]

...

• januar, jan, janvier, janv., gennaio, gen

• februar, feb, février, févr., febbraio, feb

• märz, mär, mars, mars, marzo, mar

• april, apr, avril, avr., aprile, apr

• mai, mai, mai, mai, maggio, mag

• juni, jun, juin, juin, giugno, giu

• juli, jul, juillet, juil., luglio, lug

• august, aug, août, août, agosto, ago

• september, sep, sept, septembre, sept., settembre, set

• oktober, okt, octobre, oct., ottobre, ott

• november, nov, novembre, nov., novembre, nov

• dezember, dez, décembre, déc., dicembre, dic

Beispiele Single Dates

Beispiele Date Ranges

Beispiele mit Qualifiers & Certainties