englischsprachige erweiterung des av-portals. ein gnd-dbpedia-mapping zur gewinnung eines englischen...
DESCRIPTION
Vortrag von Sven Strobel (Technische Informationsbibliothek) auf dem 103. Deutschen Bibliothekartag am 05. Juni 2014 in Bremen Blogbeitrag zum Thema des Vortrags: http://wp.me/p4vD5k-19FTRANSCRIPT
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.
Automatische Videoanalyse des AV-Portals
Skorupka, Sascha: Experiment der Woche, 2012
1. Sprache
2. Visuelle Merkmale
4. Strukturelle Informationen(Segmente)
3. Texteinblendungen
5
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
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
Automatische Verschlagwortung
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
http://d-nb.info/gnd/4139288-7
Oberbegriff
Hauptbezeichner Alternativbezeichner
Apfelsinen-baum
http://d-nb.info/gnd/4372979-4
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
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
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
http://d-nb.info/gnd/4000537-9
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
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
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
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
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! ;-)