Simon Zsolt: A 17. századi magyar versek adatbázisa (Dinamikus irodalomtörténeti alkalmazások)

Irodalmi szövegek informatikai eszközökkel történő feldolgozása nem új keletű dolog. Ám ezek az eszközök rohamosan fejlődnek. Az elmúlt években megjelent technológiák és keretrendszerek új, izgalmas lehetőségeket ígérnek nemcsak a korpuszok tárolásában, hanem az alkalmazások összehangolásában is, mindezt gördülékenyebb módon, kisebb apparátus igénybevételével teszik.

Ebben az előadásban a 17. századi magyar versek adatbázisának (munkanevén RMVA) készítése körül felmerült technikai megoldások tanulságait mutatom be. Az XML és a JSON használatáról már régóta heves viták zajlanak, ám azt biztosan kijelenthetjük, hogy az XML-en kívüli más jelölőnyelveken ugyanazt azt eredményt elérhetjük, ha nem jobbat. Az adatmodell elkészítésében a korábbi, bevált gyakorlatokra támaszkodva, a TEI XML irányelvei voltak mérvadóak, ezen elvek alkalmazására más nyelvi környezetben tudtommal nem volt példa (legalábbis itthon).

Hatékony hálózati alkalmazások nem csupán tárolásra szolgálnak, hanem felhasználnak más alkalmazásokból származó adatokat, és ugyanakkor felhasználhatóvá teszik saját adataikat is további alkalmazásoknak. A REST API-ok használata az irodalomtörténeti alkalmazásokban, izgalmas és új lehetőségeket kínálnak a dinamikus adatközvetítés révén, szemben a statikus modellekkel. Több alkalmazás összekapcsolása során az adatmodellek összehangolása, az adatok hozzáférhetősége az egyik legfontosabb kérdés, amire jó megoldást kínálhatnak a meglévő irányelvek (pl. TEI), ugyanakkor a Linked Data elveire alapozott JSON-LD is hasznos lehetőségeket kínál.

Az előadásban az RMVA-ban felhasználható API-ok lehetőségeiről, annak saját API-jának működéséről, az adatmodell felhasználhatóságáról más hasonló adatbázisokban (pl. RPHA), vagy eltérő rendszerekbe tröténő beépítéséről (pl. könyvtári katalógusok) lesz szó.

Az itt bemutatott példák, felvetések természetesen nem kizárólag az RMVA-ra érvényesek, hanem bármely korszerű, irodalmi szövegeket feldolgozó alkalmazáshoz útmutatóként szolgálhatnak.

GitHub