englischsprachige erweiterung des av-portals. ein gnd-dbpedia-mapping zur gewinnung eines englischen...

Sven Strobel103. Deutscher Bibliothekartag

05. Juni 2014, Bremen

Englischsprachige Erweiterung des AV-PortalsEin GND-DBpedia-Mapping zur Gewinnung eines englischen Begriffssystems

2

Englischsprachige Erweiterung des AV-Portals

1.

Das TIB|AV-Portal2.

Automatische Verschlagwortung deutschsprachiger Videos mit Hilfe

der GND•

Problem: Fehlende englischsprachige Bezeichner3.

Mapping der GND-Entitäten auf DBpedia und andere Normdaten•

Gewinnung von englischsprachigen Bezeichnern4.

Ergebnisse5.

Ausblick

Inhalt

3

1. Das TIB|AV-Portal…

•

… wurde entwickelt in einem gemeinsamen Projekt des Kompetenzzentrums für nicht-textuelle Materialien an der Technischen Informationsbibliothek mit dem Hasso-Plattner-

Institut für Softwaresystemtechnik.

•

… ermöglicht den webbasierten Zugang zu wissenschaftlichen Videos wie z.B. Computervisualisierungen, Experimenten, Interviews, Vorlesungs-

oder Konferenzaufzeichnungen aus Technik und Naturwissenschaft.

•

… ist am 29. April 2014 online gegangen: https://av.getinfo.de.

•

… hat bislang 520 Stunden Videomaterial archiviert.

•

… nutzt Multimedia-Retrieval-Techniken zur automatischen Videoanalyse.

https://av.getinfo.de/

Automatische Videoanalyse des AV-Portals

Skorupka, Sascha: Experiment der Woche, 2012

1. Sprache

2. Visuelle Merkmale

4. Strukturelle Informationen(Segmente)

3. Texteinblendungen

5


1.

Das TIB|AV-Portal2.

Automatische Verschlagwortung

deutschsprachiger Videos mit Hilfe der GND•


Mapping

der GND-Entitäten

auf DBpedia

und andere Normdaten•


Ergebnisse5.

Ausblick

Inhalt

6

2. Automatische Verschlagwortung

deutschsprachiger Videos mit Hilfe der GND

•

Textanalyse: OCR-Analyse der Texteinblendungen (z.B. auf Folien) OCR-Transkript

•

Audioanalyse: Speech-to-Text

Audiotranskript

•

Named

Entity

Recognition

(NER)-

Zuordnung von Begriffen aus einem Referenzvokabular

auf analysierte Textinhalte

-

Referenzvokabular: Sachbegriffe der Gemeinsamen Normdatei (GND)

-

Analysierte Textinhalte: OCR-

und Audiotranskripte

7

Gemeinsame Normdatei

•

GND-Datensätze

sind unter CC0-Lizenz als Linked

Data

publiziert.1

•

Normdatensätze sind durch Relationen miteinander verknüpft. Aufbau einer semantischen Suche möglich

•

Bezeichner

der GND sind vorwiegend auf Deutsch.

•

Fachbezogene Verschlagwortung

der deutschsprachigen Videos des AV-Portals: Jedes der sechs TIB-Fächer

hat seinen eigenen Fachausschnitt aus der GND (insg. 63.356 Sachbegriffe).

1

Siehe GND Dump des Linked

Data Service der Deutschen Nationalbibliothek.

8


der Videos auf Segmentebene

•

Die einzelnen Segmente des Videos werden mit GND-

Sachbegriffen

automatisch verschlagwortet. Zielgenaue, segmentbasierte Suche innerhalb des Videos

Skorupka, Sascha: Experiment der Woche, 2011

9

GND-Sachbegriffe

als Entitäten

Orange

http://d-nb.info/gnd/4172698-4

Orange Apfelsine

Zitrusfrucht


Oberbegriff

Hauptbezeichner Alternativbezeichner

Apfelsinen-baum


verwandter Begriff

10

Problem: Fehlende englischsprachige Bezeichner

•

GND enthält zu den in der AV-Portal Wissensbasis verwendeten Sachbegriffen (63.356) aus Naturwissenschaft und Technik nur sehr wenige englischsprachige Bezeichner.

•

Problem -

Für die automatische

Verschlagwortung

der englischsprachigen Videos des AV-Portals fehlen englischsprachige Bezeichner.

-

Konsequenz: Keine segmentbasierte Suche innerhalb von englischsprachigen Videos mit Hilfe von Schlagwörtern

11


1.

Das TIB|AV-Portal2.




Mapping

der GND-Entitäten

auf DBpedia



Ergebnisse5.

Ausblick

Inhalt

12

3. Mapping

der GND-Entitäten

auf DBpedia

und andere Normdaten

•

Lösung des Problems-

Gewinnung von englischsprachigen Bezeichnern

für die GND-Entitäten

der AV-Portal Wissensbasis (63.356 GND-

Sachbegriffe) mit Hilfe eines Mappings

der GND-Entitäten

auf DBpedia, LCSH, MACS-Ergebnisse

und WTI-

Thesaurus

13

Mapping

der GND-Entitäten

auf DBpedia

•

GND-Entität

DBpedia

deutsch DBpedia

englisch

englischer Bezeichner

•

DBpedia

enthält strukturierte Informationen aus Wikipedia

(Infoboxen, Tabellen, Weblinks

etc.), die als Linked

Data zur Verfügung stehen.

14

DBpedia

15

Mapping

der GND-Entitäten

auf DBpedia2


labels

AdventVorweihnachtszeitAdventszeitVorweihnachtsfest

find DBpediacandidate(s)

dbpde:Adventdbpde:The_Adventdbpde:Advent_Cornwalldbpde:Advent_Creekdbpde:Advent_Computersdbpde:Advent_(Band)dbpde:Advent_(publisher)dbpde:Advent_Recordsdbpde:Advent_International

disambiguatedbpde:Advent

languagelink

dbp:Advent

context

2

Abbildung: Steinmetz, N. / Sack, H.: Cross-Lingual

Semantic

Mapping

of Authority

Files. SWIB 2013, Hamburg. Foliennr. 36.

28.691 (45%) GND-Sachbegriffe

der AV-Portal Wissensbasis wurden auf englische DBpedia-

Entitäten

gemappt.

16

Mapping

der GND-Entitäten

auf LCSH

•

GND-Entität

LCSH Mapping

(LCSH -> GND) englischer Bezeichner

•

Library of Congress Subject

Headings

(LCSH) enthält Mappings

von LCSH-Entitäten

in die GND (LCSH -> GND).

•

Identifikation der GND-Entitäten

der AV-Portal Wissensbasis unter den LCSH Mappings

Extraktion der englischen Bezeichner

der LCSH-Entitäten

17

LCSH

Von den LCSH Mappings

verweisen 11.169 (18%) auf GND-Sachbegriffe

der AV-

Portal Wissensbasis.

18

Mapping

der GND-Entitäten

auf MACS-

Ergebnisse

•

GND-Entität

MACS Mapping

(GND -> LCSH) englischer Bezeichner

•

Im Projekt MACS

(Multi Lingual Access to Subjects) wurden u.a. manuelle Verlinkungen zwischen Sachbegriffen der GND und LCSH (GND -> LCSH) erstellt.3

•

Identifikation der GND-Entitäten

der AV-Portal Wissensbasis unter den MACS Mappings

Extraktion der englischen Bezeichner

der LCSH-Entitäten

3

Die Ergebnisse des MACS-Projekts

waren zum damaligen Zeitpunkt noch nicht im GND-Dump

der DNB veröffentlicht. Die TIB konnte die Ergebnisse -

in Absprache mit der DNB -

mit Hilfe der WinIBW

extrahieren.

19

MACS-Ergebnisse

Von den MACS Mappings

verweisen 13.692 (22%) auf GND-Sachbegriffe

der AV-

Portal Wissensbasis.

20

Mapping

der GND-Entitäten

auf WTI-Thesaurus

•

Thesaurus für Technik und Management

des WTI-Frankfurt

ist ein maschinenlesbarer Thesaurus, der von der TIB lizenziert wurde.

•

WTI-Thesaurus enthält Begriffssätze mit deutschen Haupt-

und Alternativbezeichnern

und (mindestens) einem englischen Bezeichner.

•

Haupt-

und Alternativbezeichner

der GND-Entitäten

werden im WTI-Thesaurus nachgeschlagen. Extraktion der englischen Bezeichner

der Begriffssätze

21

WTI-Thesaurus

Für 14.719 (23%) GND-

Sachbegriffe

der AV-Portal Wissensbasis konnte mindestens ein englischer Bezeichner

aus dem WTI-

Thesaurus ermittelt werden.

22


1.

Das TIB|AV-Portal2.




Mapping

der GND-Entitäten

auf DBpedia



Ergebnisse5.

Ausblick

Inhalt

23

4. Ergebnisse

Sachbegriffe Sachbegriffe mit englischem

BezeichnerSachbegriffe o. englischen Bezeichner,

aber mit verknüpftem „übersetzten“

Oberbegriff

63.356 35.025 55% 11.694 19%

•

35.025 GND-Sachbegriffe

haben einen englischen Bezeichner

ermittelt bekommen, der zur Verschlagwortung

der englischsprachigen Videos verwendet werden kann.

•

11.694 GND-Sachbegriffe

ohne englischen Bezeichner

sind mit einem Oberbegriff assoziiert, der einen englischen Bezeichner

hat.

Suche nach „übersetztem“

Oberbegriff (Waste heat

(Abwärme)) liefert auch Ergebnisse zum nicht-übersetzbaren Unterbegriff (Industrieabwärme)

Englischsprachige Bezeichner

24


1.

Das TIB|AV-Portal2.




Mapping

der GND-Entitäten

auf DBpedia



Ergebnisse5.

Ausblick

Inhalt

25

5. Ausblick

•

Veröffentlichung der Mappingergebnisse als Linked Open Data

•

Reguläre Updates der Wissensbasen GND, DBpedia, LCSH (neue Sachbegriffe, Bezeichner, Kontextinformationen)

Wahrung der Aktualität der AV-Portal Wissensbasis

Vielen Dank für Ihre Aufmerksamkeit!

Besuchen Sie uns am Stand 136 in Halle 5! ;-)

englischsprachige erweiterung des av-portals. ein gnd-dbpedia-mapping zur gewinnung eines englischen...

Presentations & Public Speaking