TY - THES A1 - Mecking, Elisabeth T1 - Automatisierte Vergabe von Notationen der Regensburger Verbundklassifikation RVK mithilfe des Toolkits Annif T1 - Automated subject classification for classes of the Regensburger Verbundklassifikation using the toolkit Annif N2 - Das Toolkit Annif ist ein modulares Werkzeug zur automatisierten Sacherschließung, mit dem über verschiedene Verfahren des maschinellen Lernens Schlagwörter oder Notationen zu Dokumenten vorgeschlagen werden. In dieser Arbeit wird untersucht, ob mit Annif Ergebnisse erzielt werden können, die einen praktischen Einsatz für Bibliotheken im deutschsprachigen Raum rechtfertigen. Getestet wird die Vergabe von Notationen der Regensburger Verbundklassifikation (RVK) an deutschsprachigen monografischen Texten. Dabei wird auch untersucht, wie aufwändig die Beschaffung und Aufbereitung von geeigneten Daten für das Training ist. Es wird eine Auswahl von drei angebotenen Verfahren evaluiert. Hierzu werden Metadaten mit RVK-Notationen der Hauptgruppe S beispielhaft ausgewertet. Zusätzlich wird getestet, ob ein Training mit Volltexten die Qualität der Ergebnisse verbessert. Die Arbeit zeigt auf, welches Verfahren für die ausgewählten Daten am besten geeignet ist und erläutert, welche Herausforderungen es in Bezug auf die Vergabe von RVK-Notationen gibt und welche Aspekte bei der Zusammensetzung der Trainingsdaten besonders berücksichtigt werden müssen. N2 - Annif is a modular toolkit for automated subject indexing that is used to suggest subject keywords or class notations for documents using various machine learning methods. This thesis examines whether Annif can be used to achieve results that justify its practical use for libraries in German-speaking countries. An assignment of class notations of the Regensburger Verbundklassifikation (RVK, a common German classification system) to German-language monographic resources will be tested. The effort which is needed to receive data and prepare it for use in Annif will also be assessed. A selection of metadata which contain class notations of topics linked to the letter S in the RVK will be used to evaluate the system. In addition, it will be tested whether a use of full texts for training will increase the quality of the results. The work shows which method is best suited for the selected data and explains the challenges which arise regarding the assignment of RVK class notations and discusses aspects which must be given special consideration in the composition of the training data. KW - Maschinelles Lernen KW - Klassifikation KW - Regensburger Verbundklassifikation Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:526-opus4-18454 ER -