@misc{Saurbier2017, author = {Saurbier, Felix}, title = {Wissenschaftliche Videos im Semantic Web - das AV Portal der TIB in der Linked Open Data Cloud}, series = {TK 5: Fokus Lehre und Forschung / Kooperationen f{\"u}r die Forschung ( 30.05.2017, 13:30 - 15:30 Uhr, Raum Illusion 1 + 2 )}, journal = {TK 5: Fokus Lehre und Forschung / Kooperationen f{\"u}r die Forschung ( 30.05.2017, 13:30 - 15:30 Uhr, Raum Illusion 1 + 2 )}, url = {http://nbn-resolving.de/urn:nbn:de:0290-opus4-29539}, year = {2017}, abstract = {Die Technische Informationsbibliothek (TIB) hat sich zum Ziel gesetzt, die Nutzung und Verbreitung ihrer Sammlungen nachhaltig zu f{\"o}rdern und setzt dazu konsequent auf Semantic Web-Technologien. Durch die Bereitstellung von "Linked Library Data" k{\"o}nnen Bibliotheken und Informationsdienstleister die Sicht- und Auffindbarkeit ihrer Best{\"a}nde signifikant erh{\"o}hen. Denn zum einen vereinfachen strukturierte Daten, die interoperabel sowie maschinenlesbar sind, die Nachnutzung durch Dritte entscheidend. Zum anderen erm{\"o}glichen sie wesentlich differenziertere sowie effizientere Suchanfragen und unterst{\"u}tzen Bibliotheksnutzer sowohl im Retrieval als auch in der Weiterverarbeitung der f{\"u}r sie relevanten Informationen. Vor diesem Hintergrund ver{\"o}ffentlicht die TIB umfangreiche Meta- und Erschließungsdaten der wissenschaftlichen Filme ihres AV-Portals im standardisierten Resource Description Format (RDF) und stellt auf diesem Weg einen neuen und innovativen Service zur Nachnutzung und Verlinkung ihrer Datens{\"a}tze zur Verf{\"u}gung. In unserem Vortrag m{\"o}chten wir zeigen, welche Mehrwerte sich auf Basis der eingesetzten Linked Open Data-Technolgien im Kontext audiovisueller Medien generieren lassen und die Nutzung von Linked Open Data im AV-Portal der TIB vorstellen. Besonderes Augenmerk soll dabei erstens auf den semantischen Erschließungsdaten liegen, die durch automatisierte Verfahren der Bild-, Text- und Spracherkennung generiert werden. Zweitens sollen die darauf aufbauenden Mehrwertdienstleistungen - wie die semantische Anreicherung mit zus{\"a}tzlichen relevanten Informationen und die Verlinkung weiterf{\"u}hrender Ressourcen - vorgestellt werden. Schließlich soll drittens demonstriert werden, wie durch die Bereitstellung der autoritativen sowie zeitbasierten, automatisch generierten Metadaten als Linked Open Data unter einer Creative Commons-Lizenz die freie Nachnutzung der Daten des AV-Portals durch Dritte erm{\"o}glicht wird.}, language = {de} } @misc{SaurbierEwerthSpringstein2018, author = {Saurbier, Felix and Ewerth, Ralph and Springstein, Matthias}, title = {Ein Bild sagt mehr als tausend Worte? Visuelle Konzeptdetektion f{\"u}r wissenschaftliche AV-Medien}, series = {TK 6: erschließen \& erhalten / Innovationen der Erschließung (13.06.2018, 16:30 - 18:00 Uhr, Saal D)}, journal = {TK 6: erschließen \& erhalten / Innovationen der Erschließung (13.06.2018, 16:30 - 18:00 Uhr, Saal D)}, url = {http://nbn-resolving.de/urn:nbn:de:0290-opus4-36280}, year = {2018}, abstract = {Die TIB erforscht und entwickelt verschiedene Verfahren zur automatisierten Inhaltsanalyse, um den Zugang zu ihren Best{\"a}nden fortlaufend zu optimieren. In Kombination mit Semantic-Web-Technologien unterst{\"u}tzen derartige Verfahren das semantische und cross-linguale Retrieval von Informationsressourcen. F{\"u}r die wissenschaftlichen Videos des TIB AV-Portals werden bereits verschiedene automatische Videoanalyseverfahren eingesetzt, um umfangreiche zeitbasierte Metadaten zu extrahieren. Neben in Videos gezeigten Textelementen werden auch das gesprochene Wort und visuelle Inhalte ("Visual Concept Detection") analysiert. Dar{\"u}ber hinaus werden die Analyseergebnisse mit g{\"a}ngigen Normdaten und Wissensdatenbanken verlinkt sowie als Linked Open Data bereitgestellt, um Wiederverwendung und Verlinkung von Informationen zu erleichtern. Vor diesem Hintergrund betreibt die TIB eigene anwendungsnahe Forschung, um die eingesetzten automatisierten Analyseverfahren und damit die Qualit{\"a}t ihrer Metadatenbest{\"a}nde kontinuierlich zu verbessern. Unter anderem werden auf dem neuesten Stand der Technik basierende Methoden der visuellen Konzepterkennung in wissenschaftlichen Videos entwickelt, um das Bilderkennungsverfahren des TIB AV-Portals signifikant zu verbessern - sowohl in Bezug auf die Erkennungsraten als auch auf die Abdeckung fachspezifischer visueller Konzept. Die dabei entwickelte L{\"o}sung basiert auf tiefen neuronalen Netzen, die darauf trainiert wurden, visuelle Konzepte in AV-Medien verl{\"a}sslich zu erkennen. Im Vortrag soll vorgestellt werden, wie eigene Forschungst{\"a}tigkeiten im Bereich des maschinellen Lernens mit semantischen Webtechnologien kombiniert und auf Bibliotheksdienste wie das AV-Portal {\"u}bertragen werden k{\"o}nnen, um automatische Analysemethoden, Erschließungstiefe und die Auffindbarkeit von AV-Medien nachhaltig zu verbessern.}, language = {de} }