Refine
Document Type
Is part of the Bibliography
- no (7)
Keywords
- Semantic Web (2)
- Autosuggest (1)
- Forschungstransfer (1)
- Gemeinsame Normdatei (1)
- KIinBibliotheken (1)
- LOD (1)
- Linked Open Data (1)
- Retrievalunterstützung (1)
- SWIB-Tagung - Köln 2012 (1)
- Tagung - Köln 2009 (1)
Language
- German (7)
Die Erfassung und Recherche von Autoren in Bibliotheksanwendungen wie Katalogen, Fachportalen und Repositorien basiert im Wesentlichen auf der Eingabe von Zeichenketten, die zu entweder verschiedenen (z.B. bei Mehrsprachigkeit) oder falschen Namensformen führen - und dementsprechend zu Publikationslisten, die entweder anderen Personen als den gesuchten zuzuordnen und damit falsch, oder die unvollständig sind. Auch sogenannte Suggest-Systeme, die aufgrund von Zeichenangaben Namensvorschläge machen, helfen hier nur bedingt weiter: Der Nutzer kann in aller Regel nicht erkennen, auf welche Personen sich die verschiedenen Namensvorschläge letztlich beziehen. Das Problem verschärft sich noch einmal im Kontext der Integration heterogener Datenquellen etwa in Fachportalen, da hier nahezu unweigerlich unterschiedliche Namensansetzungen für Autoren einfließen, die sich nicht mehr auf ggf. verschiedene Identitäten zurückführen lassen. Der Vortrag stellt einen Ansatz und softwaretechnische Entwicklungen vor, um die Desambiguierung von AutorInnen sowohl bei der Erfassung, als auch bei der Recherche in Bibliotheksanwendungen zu unterstützen. Grundlage hierfür sind zum einen die Personennormdatei (PND/GND), zum anderen die Linked-Open-Data-Bewegung, durch die die PND/GND als kollaborative Erschließungsleistung zugänglich wurde und mit Semantic-Web-Techniken in webbasierte Bibliotheksanwendungen integriert werden kann. Anhand eines eingegrenzten Bestandes an wirtschaftswissenschaftlichen Forscherinnen und Forschern wird demonstriert, wie die "Web Services for Economics" auf Basis der GND und des Linked Data Service der DNB zu Namensvorschlägen führen, die die Identifikation der Person erleichtern und zu genaueren Abfragen oder Eingaben führen. Abschließend werden Rahmenbedingungen, mögliche Einsatzgebiete und Erweiterungen des vorgeschlagenen Verfahrens angesprochen und diskutiert.
Vortrag in der Session Nutzerverhalten aus Angebot- und Nachfrageperspektive Der Vortrag bietet einen Überblick zu technischen Verfahren, mit denen das Nutzerverhalten elektronischer Dienste im Internet gemessen und veranschaulicht wird und welche gesetzlichen Schranken bei der Erfassung und Verwendung von Nutzerdaten bestehen. Ziel ist es Bibliothekarinnen und Bibliothekare in diesem Zusammenhang für das Thema Datenschutz zu sensibilisieren und Handlungsempfehlungen, wie die Anonymisierung von Daten oder transparente Service-Policies, aufzuzeigen.
In dem von der Deutschen Forschungsgemeinschaft (DFG) geförderten Projekt LibRank (http://librank.info) geht es um die Analyse, Konzipierung und Optimierung der Relevanz basierten Sortierung von Suchergebnissen, die als Trefferlisten dargestellt werden. Ausgehend von dem Befund, dass das heutige Rechercheverhalten wesentlich von den Umgang und den Erfahrungen mit Websuchmaschinen geprägt ist, stellt sich das Projekt die Frage, wie die dort (mutmaßlich) wirksamen Relevanzfaktoren und -algorithmen auf wissenschaftliche, d.h. auf bibliografischen Daten beruhende, webbasierte Informationssysteme übertragen werden können. Hierzu wird zum einen ein den aktuellen Stand der Forschung aufgreifendes Relevanzmodell dargelegt, das im Gegensatz bzw. in Erweiterung zu den klassischen textstatistischen Verfahren auf (geclusterten) Relevanzfaktoren wie Aktualität, Popularität oder Verfügbarkeit abstellt und diese zueinander in eine gewichtete Beziehung setzt. Zum anderen wird in praktischer Hinsicht gezeigt, wie im Umfeld einer Informationseinrichtung bzw. eines konkreten Fachportals die Datenbasis für ein solches prinzipiell heterogenes Relevanzmodell gewonnen sowie laufend aktualisiert werden kann. So kann etwa mit Blick auf die Faktorengruppe „Popularität" bevorzugt auf Zitationsdatenbanken, Ausleihzahlen und Webstatistiken als Datenbasen zurückgegriffen werden, die allerdings mit Hilfe u.a. der ‚Characteristic Scores and Scales'-Methode bereinigt werden müssen. Abschließend präsentiert der Vortrag die Ergebnisse aus Evaluierungsläufen, die mit verschiedenen Nutzergruppen (Studierende, FachreferentInnen, Forschende) im Hinblick auf die Gewichtung der Relevanzfaktoren durchgeführt wurden.
Die inhaltliche Erschließung von Textressourcen ist eine Kerntätigkeit wissenschaftlicher Bibliotheken. Angesichts einer stetig wachsenden Zahl an veröffentlichten und nicht erschlossenen wissenschaftlichen Publikationen ist es schon seit längerem nicht mehr möglich, alle Fachinformationen intellektuell zu erschließen, so dass nun insbesondere an Bibliotheken mit übergreifendem Auftrag – etwa im Verbundkontext – über das Potential verschiedener Automatisierungsmethoden nachgedacht wird.
An der Teil- oder gar Vollautomatisierung ihres Erschließungsprozesses arbeitet die ZBW bereits seit der Jahrtausendwende. Zuletzt wurde an der ZBW in einem forschungsbasierten Projekt eine eigene Machine-Learning-Lösung entwickelt – die Integration dieses Prototypen in unsere produktiven Nachweis- und Informationssysteme und die entsprechende Anpassung der Datenflüsse und Workflows steht jedoch noch aus.
Wir wollen in Form eines Werkstattberichts die Herausforderungen darstellen, die sich durch die Verzahnung einer etablierten intellektuellen Tätigkeit mit technologischen Neuerungen aus der Künstlichen Intelligenz ergeben, und die notwendigen Schritte skizzieren, um unsere Lösungen nachhaltig in die bibliothekarische Praxis zu übertragen. Ausgangspunkt ist die Frage, welche Eigenschaften eine geeignete Software-Architektur für eine automatisierte oder zumindest maschinell unterstützte Texterschließung erfüllen muss – hier kommen Aspekte ins Spiel wie: Auf- bzw. Ausbau der Architektur, Modularität, Testumgebungen, Nutzer- und Datenschnittstellen, Integrationspunkte mit weiteren Systemen, sowie nicht-funktionale Aspekte wie Verfügbarkeit, Ausfallsicherheit und kontinuierliche Weiterentwicklung der Machine-Learning-Komponenten sowie des gesamten Produktivsystems. Wir stellen unser Vorhaben für die nächsten zwei Jahre vor und berichten über die ersten Schritte auf dem Weg zu einem zukunftsfähigen produktiven System für die automatisierte Sacherschließung.