integration of thesaurus and udc to improve subject access...

The Hague 29.10.2009. Agnes Hajdu Barát 1

Integration of thesaurus and UDC to improve subject access: the Hungarian

experienceÁgnes Hajdu Barát

University of Szeged


Introduction

• The objective of this paper is to explore two solutions for integrating a thesaurus and UDC to develop a common platform for informational retrieval

• Two Hungarian projects• The usability and visibility of UDC


MÁTrIkSz

• MÁTrIkSz = Hungarian Comprehensive Information Retrieval Language Dictionary


The first steps

• At 3rd May 2001 the represents of Ministry of National Cultural Heritage organized the meeting about MOKKA[1] (Magyar OsztottKözös Katalógus – Hungarian Shared Common Catalogue) project. There are 25 libraries what share their records in this common catalogue.

• Libraries have different subject terms, UDC codes in the MOKKA.

• Subject Heading Committee

[1] http://www.mokka.hu/

http://www.mokka.hu/


Aims 1. • A controlled vocabulary would make a database

easier to search.[1]• MÁTrIkSz project aimed to transform and

reconstruct the existing systems for the changed claim.

• The concept was: to give the possibility of the common search of the topical terms (subject, descriptors, UDC codes etc.) in five big libraries’catalogues and databases with different structures and information retrieval methods.

[1] http://www.controlledvocabulary.com/

http://www.controlledvocabulary.com/


Aims 2.

• The members of the MÁTrIkSz project board decided to correspond the topical terms to the phrases of the KÖZTAURUSZ/OSZK thesaurus in several databases.

• The usage of classification systems that are not based on languages can be another solution for the problem of cross-language information search, although there are several problems that have to be solved.

Significant advantages are the conceptual level


Number of terms• It was the largest Hungarian Information Retrieval

Language Dictionary on natural languages until 2008.

Its subject terms assembled:• OSZK thesaurus/KÖZTAURUSZ – about 28.000

lexical terms,- University Library and National Library of University of Debrecen – about 25.000 subjects,

• University Library of University of Szeged - about 60.000 subjects, Total terms in MÁTrIkSz - about 113.000 terms


Features of MÁTrIkSz project 1.

• The MÁTrIkSz is the co-operating system of the participant information seeking methods and databases.

• The KÖZTAURUSZ/OSZK thesaurus took a prominent role among them, but the participants are its equals.

• There is a suitable user interface to search each participant dictionary and to utilize different topical terms, for example UDC terms, subjects, descriptors.

• The MÁTrIkSz has its own information retrieval language dictionary, too, which is independent of the other bibliographical databases, but searches in those systems.

• There is a common online index and its records have a local identification.



• The result isn’t only a bibliographic record, but there are contents of topical terms. The different classification systems and their bibliographical databases appear in a unified and homogeneous environment.

• Each database keeps their own descriptors, terms and if they have any similar expressions with different morphological forms, make the KÖZTAURUSZ’sphrases appear in 750th field (equivalent) of the MARC record.

• Hits would come from all bibliographic databases, presenting diverse expressions of participant libraries without any analogy. Hits would come from only the own database.

Bánki, 2002, p.35.



• The project assisted the new medium edition of UDC index. The adaptation of UDC MRF relating the KÖZTAURUSZ/OSZK thesaurus and the UDC index were built in the thesauri.

• The UDC codes became searchable in the MÁTrIkSz system, and they give the basis of searching in multicultural and multilingual environment, too, because the UDC codes and the descriptors are in conceptual level.

• The MÁTrIkSz system started at April of 2002, but after some years this project wasn’t finished from personal and financial causes.


Examples from MÁTrIkSz


KÖZTAURUSZ/OSZK thesaurus


Beginnings• The exact project started in 1999, but there were long

considerable antecedents. • County Library in Kaposvár , National Széchényi Library • The thesaurus provides system enhancements to

subject and concept - UDC - based search services and users can operate more efficiently then earlier.

• UDC classification numbers joint to lexical terms of KÖZTAURUSZ and mostly lexical terms have relation to any UDC number.

• RELEX software • HUNMARC export has two versions:

KÖZTAURUSZ with UDC codes, andKÖZTAURUSZ without UDC codes.


Two appearances

There are two appearances of this system in the National Széchényi Library:

• the search engine in the OPAC• the online thesaurus with the UDC code

without bibliographical records. We can look for the UDC code directly and the system shows related descriptors of concept also.


Some characteristics 1.• It is the largest Hungarian Information Retrieval

Language Dictionary on natural languages. • It was made with the help of modern technology,

by computer and it is used on electronic supporting, concerning informational network, Internet, too. Its software is RELEX.

• It is possible to develop and keep on the Internet dynamically.

• It can work with MARC format.• It has very easy sentence construction and

syntax.


Some characteristics 2.• It is of high level, efficient, open, flexible, easily used,

with rich vocabulary and a clear structure scheme.• It has involved some of the existing Hungarian thesauri

since 1990. Their numbers are over 20. • At the beginning the weakness of these thesauri was the

few bibliographic records, which are really used in these systems. So the MÁTrIkSz project was a good opportunity for the KÖZTAURUSZ and the OSZK thesaurus.

• It can be used by automatic classification and indexing systems, too.

• It can involve and the UDC index of the last two Hungarian editions. Hajdu Barát, 2003


Total lexis of KÖZTAURUSZ and Geotaurusz 1.

Lexical terms UDC code Comment

UDC Hungarian edition, 1990 130 000

UDC Hungarian edition, 2005 90 000

KÖZTAURUSZ 2001.04.15. 28 671

KÖZTAURUSZ 2003.12.16. 38 840 increase: 134 %



Geotaurusz 2001.02.11. 7 963

Geotaurusz 2009. 03. 01. 67 687 increase: 847 %


Total lexis of KÖZTAURUSZ and Geotaurusz 2.

– from KÖZTAURUSZ 23 699

UDC code in the KÖZTAURUSZ

55 837

UDC code isn’t in the KÖZTAURUSZ

26 708

UDC entry vocabulary in KÖZTAURUSZ

2 814

Total lexical terms of KÖZTAURUSZ and Geotauruszactually: 129 828


Comparison

Library of Congress, 2001.

65 000

Library of Congress, 2008.

100 000 increase: 154 %

Increasing of different parts of KÖZTAURUSZ: 134-847 %


StructureThere are the descriptors, nondescriptors (used for), relations in

standard form.According to their contents the lexical elements can be following: - technical expression, topical term (library); - geographical and ethnographical term (the Hague); - time (1956); - art style (romanticism); - formal term (dictionary, video); - language phrase (Dutch); - modificator (digital, property); - personal and institutional name (Konrád György, Koninklijke

Bibliotheek); - classification of organ, organism, creature (virus, animal); - type of illnesses (grippe).


Notes in HUNMARC HUNMARC code

Name KÖZTAURUSZ/OSZK thesaurus

667 Nonpublic general note670 Source data found note Used675 Source data not found note678 Bibliographical or historical data

note680 Public general note Used682 Deleted heading information687 Usage of heading note Used688 Application history note690 Local note


Hungarian and English relationsin thesauri 1.

Type of relation HUNMARC subfield

Hungarian name of relation mark

English name of Relation

mark

descriptor 450##a lásd L see / use see / use

nondescriptor(used for) 450##a helyett (lásd innen) H used for used for, UF

descriptor with other descriptor 450##ws lásd ÉS L& see AND /

use AND see AND / use AND

nondescriptor with other descriptor 450##wt helyett ÉS (lásd innen

ÉS) H& used for AND used for AND

descriptor with OR 450##wu lásd VAGY L see OR / use OR see OR / use OR

nondescriptor with OR 450##wv Helyett VAGY (lásd

innen VAGY) H used for OR used for OR

generic relation 450##wg átfogóbban/általá-nosabban F broader term

generic BT

450##wh speciálisabb/fajtája A narroverterm generic NT


Hungarian and English relations in thesauri 1.

Type of relation

HUNMARC subfield

Hungarian name of relation mark English name of

Relation mark

partitiv relation 450##wj egésze/teljes T broader term partitiv BTP

450##wk része/eleme E narrover term partitiv NTP

causal relation 450##wp eredménye/folytatása R broader term

causal BTC

450##wr kiindulása/előzménye E narrover term

causal NTC

related, associative relation

450##wm egyéb rokonsága/lásd még X related term RT


Types of Words and its fields of IRL in the bibliographical record 1.

HUNMARCcode Name of description Example

600 personal names Németh László (1901-1975)

610 Corporate names Bethlen Gábor Gimnázium(Hódmezővásárhely)

611 Meeting namesClassification at a crossroads –Multiple directions to usability The Hague, 29-30 October 2009

630 Uniform titles Bible (New Testament)

650 Topical terms walking tour, architecture

651 Geographic names The Hague, Szeged, Baktói u.

653 Free topical terms cooper vase, pregnancy


Types of Words and its fields of IRL in the bibliographical record 2.

HUNMARCcode Name of description Example

655 Formal topical terms novel, postcards, thesaurus, season ticket

656 Occupation carpenter, surgery, librarian

657 Targets and objects of document

social welfare, criminal investigation

658 Educational terms LIS education, further education, adult education

662 Hierarchicalgeographic names

Hungary, Csongrád County, Szeged, Baktó


The authority record 1.

Tag ii $ nz n # 5. 000 #####nz 22#####n 4500 001 005 20080713233723.0 008 080603-#n#an-z##ba-#n###-#####-###a#-ana##-###d 040 ## $aMBA $bhu $fJogi és igazgatásügyi tezaurusz150 ## $aközigazgatási bíróság450 ## $wy $aállamigazgatási jogszolgáltatás450 ## $wy $aközigazgatási bíráskodás450 ## $wy $aközigazgatási kollégium550 ## $wg $abíróság550 ## $wk $aközigazgatási jog 550 ## $wk $abírósági felügyelet550 ## $wk $aközigazgatási ellenőrzés550 ## $wg $aválasztói kifogás550 ## $wm $aközigazgatási peres eljárás

administrative court



670 ## $aAz 1991. évi XXVI. törvény a közigazgatásihatározatok bírósági felülvizsgálatának kiterjesztéséről. 670 ## $aImre M.: Közig. Bíráskodás, 2008 670 ## $aOSZK-tezaurusz deszkriptora, átvéve 2008 $cUR678 ## $aMagyarországon 1883-1949, majd 1990-től fennállóbíróság680 ## $aA közigazgatási döntések ellenőrzésére hivatott, a rendes bíróságok szervezetétől eltérő szervezetű, azállampolgárnak a közigazgatással, az önkormányzatoknak a kormánnyal szembeni ügyeiben mint utolsó fórumként döntőkülönös bíróság690 ## $aAz 1949-1990 közötti időszak államigazgatásihatározatokkal szembeni eljárások, felülvizsgálatok esetén a "jogi felülvizsgálat", vagy a "jogi eljárás" és az adott kérdésdeszkriptora ("lakásügy", "illetékügy" stb.), továbbá adottesetben az "egyeztető bizottság" használandó



• 750 ## $a342.565.4 $2eto 750 ## $a347.998.95 $2eto 750 ## $a351.95 $2eto 750 ## $aadministrartive court $0(euvoc)01539 $2euvoc


Display form• közigazgatási bíróság

M: A közigazgatási döntések ellenőrzésére hivatott, a rendes bíróságok szervezetétől eltérő szervezetű, az állampolgárnak a közigazgatással, az önkormányzatoknak a kormánnyal szembeni ügyeiben mint utolsó fórumként döntő különös bíróságH: Az 1949-1990 közötti időszak államigazgatási határozatokkal szembeni eljárások, felülvizsgálatokesetén a "jogi felülvizsgálat", vagy a "jogi eljárás" és az adott kérdés deszkriptora ("lakásügy", "illetékügy" stb.), továbbá adott esetben az "egyeztető bizottság" használandóTört: Magyarországon 1883-1949, majd 1990-től fennálló bíróságForrás:Az 1991. évi XXVI. törvény a közigazgatási határozatok bírósági felülvizsgálatánakkiterjesztéséről. Imre M.: Közig. Bíráskodás, 2008 OSZK-tezaurusz deszkriptora, átvéve 2008 (MÉ)H államigazgatási jogszolgáltatásközigazgatási bíráskodásközigazgatási kollégiumF bíróságT közigazgatási jog R bírósági felügyeletközigazgatási ellenőrzésválasztói kifogásETO 342.565.4. 347.998.85 351.95

administrative court


UDC authority record


UDC display format


RELEX software to the OWL


Hit in the online thesaurus Hungarianjövesztés

ETO 622.02622.026622.063622.063.2622.23

H jöveszthetőség

A vízsugaras jövesztés

T fejtés

E fejtőgépkőzetfúró gépréselés

X keszon caissonX

cutter machine quarrying machine cutting

E

drawingT

Break with water spout A

breakabilityH

622.02622.026622.063622.063.2622.23

UDC

breakEnglish


Hit in the online thesaurus

break


Hit in the online thesaurus

cutting


Hit in the online thesauruscutting


Integrated Library System

KÖZTAURUSZ and its possibilities are adopted by some Hungarian Integrated Library System as a controlled vocabulary, for example TextLib, HunTéka, SrLib etc.


ExtensionJelrendszer:Kék alap: Köztaurusz 2006, barna UJINFO angol, zöld CSA, ciklámen új javaslatok,világossárga Bgy javaslata

Fogalom. Angol Definíció és utalók Relex

abnormalitás abnormality l. deviancia, vagy deviancia alá Relex LV eltérés

abortusz abortion

lásd még művi abortusz , lásd még spontán vetélés, v. ö. terhesség /vagy művi abortusz l. abortusz, és a vetélések külön/ Relex LV művi abortusz, vetélés

absztinencia abstinence ált. vagy v.ö. Alkoholizmus, alkoholfogyasztás Relex csak ETO

absztrakció abstraction Relex csak ETO

abúzus abuse visszaélés szerekkel, alkohollal, testi erővel Relex nincs

adakozás jótékonyság alá Relex uígy

adaptáció adaptation alkalmazkodás l. adaptáció Relex. Fordítva, úgy is jó

adat /mérés/ items /measures/ mérési adat Relex. Problémás

adat minősége data quality

adatbankdata bank << database l. adatbázis vagy fordítva Relex. Uígy

adatbázis database << databank l. adatban vagy fordítva Relex. Uígy

adatelemzésmethodology /dataanalysis/

Kutatás folyamata a társadalomkutatásban alá. A már létező szociológiai adatok kvantitatív elemzése és értelmezése. Relex. L. adatmodellezés. Egészen rossz!


Conclusion• Thesauri and other for concept-building

vocabulary to take additional possibility of usability and visualization of UDC and its structure

• The UDC appears to be more visible as an information retrieval tool and knowledge organiser in presented systems

• The paper stressed the importance of cognition in providing the basis for concept-building and pointed out obvious possibilities and expedients of integration of thesauri and UDC.


References• Bánki, Zsolt István: Általános Információkereső-nyelvi szótár elméleti

kérdései és gyakorlati megvalósítása. Budapest: ELTE BTK, 2002. 43 p. • Fejős László, Ungváry Rudolf: A letöltött Köztaurusz HUNMARC formátumú

aktualizálása rátöltéssel. http://www.ki.oszk.hu/107/e107_files/downloads/olvass_el_a_hunmarc-letoltes_ismertetese.rtf

• Agnes Hajdu Barat: Knowledge Organization in the Cross-cultural and Multicultural Society = Culture and Identity in Knowledge Organization / Ed.Clément Arsenault, Joseph T.Tennis. Würzburg: Ergon Verlag, 2008, p. 91-97.

• Agnes Hajdu Barat: General Information Retrieval Language Dictionary inthe Széchényi National Library (Hungary) = Tendencias de Investigación enOrganización del Conocimiento – Trends in Knowledge OrganizationResearch. Salamanca, Universidad de Salamanca, 2003, p.463-468.

• Ungváry Rudolf: Diplomatezauruszok hibái és tanulságai = TMT, 56, (2009) 5 http://tmt.omikk.bme.hu/show_news.html?id=5142&issue_id=504

• Zombori Attila: Ütőhangszerek tezaurusza= TMT, 56, (2009) 5 http://tmt.omikk.bme.hu/show_news.html?id=5144&issue_id=504

• http://www.controlledvocabulary.com/• http://www.mokka.hu/

http://www.ki.oszk.hu/107/e107_files/downloads/olvass_el_a_hunmarc-letoltes_ismertetese.rtf

http://www.ki.oszk.hu/107/e107_files/downloads/olvass_el_a_hunmarc-letoltes_ismertetese.rtf

http://tmt.omikk.bme.hu/show_news.html?id=5142&issue_id=504

http://tmt.omikk.bme.hu/show_news.html?id=5144&issue_id=504


Thank you for your attention!

integration of thesaurus and udc to improve subject access...

Documents