Im aufkommenden Web 3.0 gewinnen Aspekte wie Vernetzung, Graphen, Sprachmodelle, KI und Semantik zunehmend an Bedeutung. Welche Möglichkeiten bietet diese Entwicklung für Discovery-Systeme? Im Rahmen eines Geodaten-Projektes haben wir versucht, einige Möglichkeiten auszuloten.
In der ETH-Bibliothek verfügen wir über vielfältige Geodaten und georeferenzierte Ressourcen. Doch wie können wir diese effektiv zusammenführen und auswerten?
Kann der Einsatz moderner Technologien wie Graphen, Vektoren oder Sprachmodelle dazu beitragen, neue explorative Ansätze, insbesondere im Bereich Discovery, zu erschließen?
Wie können wir beispielsweise in den Geodaten sämtliche Inhalte identifizieren, die einen bestimmten geografischen Punkt beschreiben? Oder semantisch ähnliche Inhalte zu einem Suchbegriff finden?
In diesem Vortrag werden wir vorstellen, wie wir Geodaten in einer Graphdatenbank integriert haben und wie diese Datenbank über API abgefragt werden kann.
Wir werden erläutern, wie wir die neuen Möglichkeiten in unserem Discovery-System nutzen, um mehr explorative Pfade zu implementieren und Ressourcen auf innovative Weise miteinander zu verknüpfen.
Ein konkretes Beispiel für eine gelungene Umsetzung sind unsere Ortsseiten.
Zusätzlich zu diesen neuen explorativen Pfaden ermöglichen wir semantisches Suchen, indem wir aus den Knoten der Geodatenbank Vektoren (Embeddings) generieren und in einer Vektordatenbank speichern. Dadurch können wir semantisch ähnliche Ergebnisse zu Suchbegriffen erzielen.
Wir werden erläutern, wie die Kombination von gut gepflegten Metadaten und modernen Technologien tatsächlich neue und effektive Möglichkeiten im Discovery eröffnen kann.
Mit diesen Ansätzen hoffen wir, die Geodaten in der ETH-Bibliothek auf neue Weisen zu erschließen und die Recherche für unsere Nutzer bereichernder zu gestalten.
Das Discovery-System Primo VE der ETH-Bibliothek enthält unter anderem Metadaten zu Materialien aus den Sammlungen und Archiven der ETH Zürich. Diese Materialien enthalten oft wichtige historische Informationen. Wie können Forscherinnen und Forscher diese Bestände effizient auffinden und kontextualisieren?
Wir konnten einige Ideen mit Hilfe von Primo VE Customizing und Linked Data umsetzen.
Eine unserer Ideen war es, unsere Dokumente untereinander sowie mit anderen Daten und Systemen über die Kategorie «Person» zu verknüpfen.
Ein Discovery-System enthält Artikel, Bücher, Bilder, Drucke und andere Dokumente. Aber wo ist die Person? Nur in einem Metadatenfeld?
Am Anfang unserer Erweiterungen standen die Personenkarten. Immer wenn es zu den Autoren eines Dokumentes GND IDs gibt, werden auf der Detailseite dieses Dokumentes zusätzlich Personenkarten dargestellt.
Neben kurzen biographischen Informationen und einem Bild sind Links zu anderen Sites, zu Archiven und Forscherprofilen enthalten.
Aber wie ist die Person verlinkbar?
Wir generieren für die Entität «Person» in Primo VE spezielle Personenseiten. Eine Personenseite repräsentiert die Person, ist in beide Richtungen verlinkbar und sammelt Ressourcen, die zu dieser Person gehören.
Eine URL identifiziert diese Seite und enthält den eindeutigen Wikidata Identifier, die QID.
Mit einer noch weitergehende Entwicklung analysiert das Primo VE Customizing den eingegebenen Suchbegriff darauf, ob eventuell eine Person gemeint ist. In diesem Fall bietet es eine passende Liste von Personen an, die auf die jeweiligen Personenseiten verlinkt sind. Das unterstützt die Benutzenden, disambiguiert und hilft bei Namensvarianten.