The search result changed since you submitted your search request. Documents might be displayed in a different sort order.
  • search hit 34 of 1558
Back to Result List

Maschinelle Sacherschließung mit KI – die automatisierte Vergabe von Lokalnotationen für E-Books in der UB Magdeburg

  • Die Universitätsbibliothek (UB) Magdeburg stellt Printliteratur nach einer spezifischen Lokalsystematik auf. Durch die steigende Bedeutung elektronischer Medien und der bisherigen Vergabe von Lokalnotationen ausschließlich für gedruckte Bücher ist ein zunehmender Teil des Bestands inhaltlich weniger umfassend erschlossen. Zur Lösung dieses Problems entwickeln wir derzeit ein KI-System zur automatischen Vergabe von Lokalnotationen für E-Books. Dadurch sollen Nutzende der UB die Möglichkeit erhalten, unter jeder Notation alle zugehörigen E-Books im Bestand der UB Magdeburg zu finden. Zudem streben wir an, eine umfassende Übersicht über den Bestand nach Sachgebieten – einschließlich E-Books – zu erhalten. Das KI-System nutzt Machine-Learning-Modelle, die auf manuell vergebenen Zuordnungen der Lokalnotationen für Printbücher trainiert sind. Für das Training der Modelle verwenden wir verschiedene Features, darunter (1) bereits vergebene Notationen anderer Systematiken wie Basisklassifikation und Regensburger Verbundklassifikation, (2) relevante Schlüsselwörter aus Textdokumenten wie Inhaltsverzeichnissen, Kurzzusammenfassungen und Rezensionen, sowie (3) zusätzliche Metaangaben wie Erscheinungsjahr und Textsprache. In diesem Beitrag beleuchten wir sämtliche Modellierungsschritte, von Datengewinnung und Integration verschiedener Quellen über die Textvorverarbeitung bis hin zum Training der Modelle und deren Evaluation. Wir geben Antworten auf wesentliche Fragen, die während des Prozesses aufgekommen sind: Können wir mit Dimensionsreduktionsverfahren die Effizienz der Algorithmen steigern? Inwieweit können Explainable-AI-Verfahren dazu beitragen, den Einfluss der Features auf die Modellentscheidungen zu verstehen? Und wie können wir Modellunsicherheiten visualisieren, um eine inhärente Ambiguität bei der Notationsvergabe abzubilden? Der Beitrag gewährt Einblicke in bisherige Erfahrungen und gewonnene Erkenntnisse dieses Projekts.

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Uli Niemann
Parent Title (German):TK 5: Organisation, Organisationsentwicklung, Management und Services/ KI und Erschließung: Hilfe oder Sackgasse? (04.06.2024, 16:00 - 18:00, Saal C.2 / 1. OG)
Document Type:Conference publication (abstract)
Language:German
Year of Completion:2024
Release Date:2024/05/10
Themes:Erschließung, Linked Open Data, RDA
German Bibliothekartage / BiblioCon:112. BiblioCon
112. BiblioCon / Themenkreise / TK 5: Organisation, Organisationsentwicklung, Management und Services
Licence (German):License LogoDeutsches Urheberrecht
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.