• search hit 1 of 1
Back to Result List

Automatisierte Vergabe von Notationen der Regensburger Verbundklassifikation RVK mithilfe des Toolkits Annif

Automated subject classification for classes of the Regensburger Verbundklassifikation using the toolkit Annif

  • 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.
  • 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.

Download full text files

Export metadata

Metadaten
Author:Elisabeth Mecking
URN:urn:nbn:de:kobv:526-opus4-18454
DOI:https://doi.org/10.15771/MA_2023_1
Advisor:Sascha Szott, Frank Seeliger
Document Type:Master's Thesis
Language:German
Year of Publication:2023
Publishing Institution:Technische Hochschule Wildau
Granting Institution:Technische Hochschule Wildau
Date of final exam:2023/09/14
Release Date:2024/01/12
Tag:Klassifikation; Maschinelles Lernen; Regensburger Verbundklassifikation
Page Number:74
Faculties an central facilities:Fachbereich Wirtschaft, Informatik, Recht
Wildau Institute of Technology (WIT) / Bibliotheksinformatik
Dewey Decimal Classification:0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 006 Spezielle Computerverfahren
0 Informatik, Informationswissenschaft, allgemeine Werke / 02 Bibliotheks- und Informationswissenschaften / 025 Bibliothekarische Tätigkeiten
TH Wildau theses:Bibliotheksinformatik
Licence (German):Creative Commons - CC BY - Namensnennung 4.0 International
Verstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.