Innovationen der Erschließung
Refine
Year of publication
- 2018 (3)
Document Type
Has Fulltext
- yes (3)
Is part of the Bibliography
- no (3)
Keywords
- Metadatenanalyse (1)
- Metadatengewinnung (1)
- Normdatenanreicherung (1)
- Web Scraping (1)
- metadata analysis (1)
- standard data enrichment (1)
Language
- German (3)
Im DFG-geförderten Projekt Smart Harvesting II werden softwarebasierte Lösungen zur Erfassung und Aufbereitung bibliographischer Metadaten aus dem Web für Literaturdatenbanken wie dblp entwickelt. Durch die vorherrschende Heterogenität solcher Rohdaten ist diese Arbeit im Falle der manuellen Erfassung sehr personal- und zeitintensiv. In Fällen, in denen bereits auf technische Unterstützung gesetzt wird, werden hierfür spezialisierte Programme, sogenannte Wrapper, eingesetzt, die von fachkundigen Softwareentwicklern erstellt und gewartet werden müssen. Ein Teil unseres Projektes ist es daher, wartungsarme Wrapper zu entwickeln, die auch von Nicht-Informatikern, z.B. Bibliothekaren oder Dokumentaren, einfach bedient und auf häufig neugestaltete, dynamische Webapplikationen angepasst werden können. Hierfür setzen wir auf die quelloffene Abfragesprache OXPath - eine Erweiterung von XPath, die eine deklarative Nachahmung der Interaktion mit einer Website erlaubt und in diesem Zuge Daten gezielt extrahieren kann. Erste Erfahrungen in einem Workshop mit Bibliothekaren und in Übungsgruppen mit Studierenden haben gezeigt, dass bereits Grundkenntnisse in XML und XPath ausreichen, um in den Prozess der Erstellung und Wartung von OXPath-Wrappern einzusteigen. Die gewonnenen Daten können vielseitig eingesetzt werden. Dieser Einzelvortrag bietet einen Gesamtüberblick über das Projekt, seine Zielsetzungen, bereits abgeschlossene Arbeitspakete und einen Ausblick auf zukünftige Arbeiten. Er soll insbesondere dazu dienen, auch denjenigen Teilnehmern des Bibliothekartags einen Einblick in das Projekt zu geben, die nicht an dem Hands-on Lab teilnehmen (können).
Getting the most out of our data! Benefits from the analysis of large-scale bibliographic metadata
(2018)
Die Deutsche Nationalbibliothek verfolgt das Ziel, den unter Culturegraph.org verfügbaren großen Datenbestand von mehr als 150 Millionen Titeldaten deutschsprachiger Bibliotheksverbünde (BSZ, BVB, GBV, HBZ, HeBIS und OBV) sowie der Deutschen Nationalbibliothek über Analysen, Verknüpfungen und Auswertungen in größerem Umfang nutzbar zu machen. Der Vortrag soll die hierzu eingesetzten und geplanten Datenanalyseverfahren auf Metadatenebene vorstellen. Durch Anwendung eines Clustering-Algorithmus werden Werke im Sinne des Library Reference Models (LRM) zusammengefasst. Das bedeutet, dass verschiedene Ausgaben, Übersetzungen oder Auflagen eines inhaltlich gleichen Werkes zu Bündeln zusammengestellt werden. Die Bündel gleicher Werke bieten vielfältige Möglichkeiten, relevante Informationen von einzelnen Datensätzen auf alle Mitglieder eines Clusters zu übertragen, beispielsweise bei inhaltserschließender Information wie Klassifikation oder verbaler Erschließung. Verfügt ein Titel eines Clusters über solche Information, kann sie auf die weiteren Mitglieder des Clusters übertragen werden, da die Inhalte aller Manifestationen eines Werks laut Definition identisch sind. Eine weitere Nutzungsmöglichkeit besteht in einer umfangreicheren Normierung der Daten. Innerhalb eines Clusters können Angaben ohne Verknüpfung zur Gemeinsamen Normdatei (GND) durch entsprechende Verknüpfungen sowie solche zu Namensdatensätzen durch Personendatensätze ersetzt werden. Auch zur weiteren statistischen Exploration des in Deutschland verfügbaren Bibliotheksbestandes eignen sich die aggregierten Daten dieses Angebote S. Beispielsweise können mithilfe dieser Daten Entwicklungen der Publikationskultur der letzten Jahrzehnte, Zeitreihenanalysen und Interdependenzen einzelner Datensatzfelder illustriert werden, die u.a. zur Vorschlagsgenerierung bei der Datensatzerstellung genutzt werden können.
Ein Bild sagt mehr als tausend Worte? Visuelle Konzeptdetektion für wissenschaftliche AV-Medien
(2018)
Die TIB erforscht und entwickelt verschiedene Verfahren zur automatisierten Inhaltsanalyse, um den Zugang zu ihren Beständen fortlaufend zu optimieren. In Kombination mit Semantic-Web-Technologien unterstützen derartige Verfahren das semantische und cross-linguale Retrieval von Informationsressourcen. Für 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. Darüber hinaus werden die Analyseergebnisse mit gängigen 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 Qualität ihrer Metadatenbestände 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 Lösung basiert auf tiefen neuronalen Netzen, die darauf trainiert wurden, visuelle Konzepte in AV-Medien verlässlich zu erkennen. Im Vortrag soll vorgestellt werden, wie eigene Forschungstätigkeiten im Bereich des maschinellen Lernens mit semantischen Webtechnologien kombiniert und auf Bibliotheksdienste wie das AV-Portal übertragen werden können, um automatische Analysemethoden, Erschließungstiefe und die Auffindbarkeit von AV-Medien nachhaltig zu verbessern.