数字人文的数据湖
Data Lakes for Digital Humanities
摘要：
数字人文项目中的传统数据具有各种格式（结构化，半结构化，文本），需要大量转换（编码和标记，词干提取，词形化等）。进行管理和分析。为了完全掌握这个过程，我们建议使用数据湖作为数据孤岛和大数据多样性问题的解决方案。我们描述了我们目前与人文和社会科学研究人员密切合作运行的数据湖项目，并讨论了运行这些项目的经验教训。
英文摘要：
Traditional data in Digital Humanities projects bear various formats (structured, semi-structured, textual) and need substantial transformations (encoding and tagging, stemming, lemmatization, etc.) to be managed and analyzed. To fully master this process, we propose the use of data lakes as a solution to data siloing and big data variety problems. We describe data lake projects we currently run in close collaboration with researchers in humanities and social sciences and discuss the lessons learned running these projects.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
