Automatische Indexierung von deutschsprachigen bibliographischen Metadaten im Bereich Bauwesen
(2018)
In dem Beitrag handelt es sich um automatische und halbautomatische (computerunterstützte) Indexierung von deutschsprachigen Dokumenten (Metadaten-Einträgen) im Bereich Planen und Bauen, die in bibliographischen Datenbanken des Fraunhofer Informationszentrums Raum und Bau (IRB) enthalten sind. Zu den Dokumenten werden Deskriptoren von einer Nomenklatur (Schlagwortliste IRB) und Notationen von einem Klassifikationssystem (Fachgliederung IRB) zugeordnet. Momentan wird die Indexierung intellektuell durchgeführt. Die Intellektuelle Indexierung ist zeitaufwendig und teuer. Um die Probleme zu lösen, wurde ein System für automatische Indexierung entwickelt. Die automatische Indexierung mit Deskriptoren erfolgt nach einem linearen profilbasierten Verfahren. Die Indexierung mit Notationen erfolgt nach einem instanzbasierten Verfahren. Um die Indexierung von deutschsprachigen Dokumenten zu ermöglichen, wurde eine Weiterentwicklung der Programme durchgeführt, die das Fraunhofer IRB für die Indexierung von englischsprachigen Dokumenten verwendet. Die Änderungen betreffen u.a. den Algorithmus für die Profil-Erzeugung. Darüber hinaus werden eine deutschsprachige Lemmatisierung, Erkennung von Komposita und Mehrwortbegriffen durchgeführt. Der vorgestellte Einsatz eignet sich insbesondere für halbautomatische Indexierung, bei der ein menschlicher Indexierer eine endgültige Entscheidung über die Zuordnung von Deskriptoren und Notationen trifft.
Das Problem der mehrsprachigen Suche gewinnt in der letzten Zeit immer mehr an Bedeutung, da viele nützliche Fachinformationen in der Welt in verschiedenen Sprachen publiziert werden. RSWBPlus ist eine bibliographische Datenbank zum Nachweis der Fachliteratur im Bereich Bau und Planen, welche deutsch- und englischsprachige Metadaten-Einträge enthält. Bis vor Kurzem war es problematisch, Einträge zu finden, deren Sprache der Anfragesprache nicht genau entsprach, z. B. auf deutschsprachige Anfragen fand man nur deutschsprachige, Einträge, obwohl die Datenbank auch potentiell nützliche englischsprachige Einträge enthielt. Um das Problem zu lösen, wurde nach einer Untersuchung bestehender Ansätze, die RSWBPlus weiterentwickelt, um eine mehrsprachige (sprachübergreifende) Suche zu unterstützen, welche unter Einbeziehung eines zweisprachigen konzeptbasierten Thesaurus erfolgt. Der Thesaurus wurde aus bereits bestehenden kontrollierten Vokabularen automatisch gebildet. Die Einträge der Quell-Vokabulare wurden in SKOS-Format (Simple Knowledge Organisation System) umgewandelt, automatisch miteinander vereinigt und schließlich in einen Ziel-Thesaurus eingespielt, der ebenfalls in SKOS geführt wird. Für den Zugriff zum Ziel-Thesaurus werden Apache Jena und MS SQL Server verwendet. Bei der mehrsprachigen Suche werden Terme der Anfrage durch entsprechende Übersetzungen und Synonyme in Deutsch und Englisch erweitert. Die Erweiterung der Suchterme kann sowohl in der Laufzeit, als auch halbautomatisch erfolgen. Das verbesserte Recherchesystem kann insbesondere deutschsprachigen Benutzern helfen, relevante englischsprachige Einträge zu finden. Die Verwendung vom SKOS erhöht die Interoperabilität der Vokabulare, vereinfacht das Bilden des Ziel-Thesaurus und den Zugriff zu seinen Einträgen.