Digitale Dokumente, Editionen und Bibliotheken XML-basierte Darstellung und Verarbeitung. G. Görz, J. Schneeberger Lehrstuhl Informatik 8 (KI)

Transkript

1 Digitale Dokumente, Editionen und Bibliotheken XML-basierte Darstellung und Verarbeitung G. Görz, J. Schneeberger Lehrstuhl Informatik 8 (KI) goerz@informatik.uni-erlangen.de 01 Einführung

2 Digitale Dokumente, Kollektionen und Bibliotheken Digitale Dokumente - Digitale Objekte Texte, Hypertexte, Bilder, Töne, Multimedia Internet und World Wide Web Digitalisierungskette: Erfassung, Speicherung, Administration, Nutzung Digitale Editionen Kollektionen Langzeitarchivierung Digitale Bibliotheken und Archive Globale Vernetzung

3 Bereitstellung von Informationen Bibliothek, Mediathek: traditionelle Form, katalog-/ index-basiert Hybride Bibliotheken: Erweiterung um Bereitstellung digitaler Medien Weltweit umfassende Digitalisierung, Open Access: neue Chancen durch Vernetzung, inhaltsorientierte Suche, Synergieeffekte

4 Europeana

5

6

7

8 David Rumsey Map Collection: GIS Modul Einige technische Voraussetzungen Texterfassung: Scan & OCR, Textauszeichnungssprachen (SGML, XML) Rastergraphik, Bilderfassung, Speicherformate, Kompression => Standards! Hypermedia: Verknüpfung, Medienintegration Mikroelektronik Speichertechnik, Datenbanken, IR Vernetzung: Internet Konvergenz

9 Internet und World Wide Web Internet: Verbindung zwischen Maschinen Dezentral Protokollhierarchie zur Datenübertragung: ISO/ OSI-Schichtenmodell TCP/IP; Dienste: ftp, telnet, , rpc World Wide Web: Verbindung zwischen Hyper-Texten DNS, http, URIs, HTML: Browser Web Services, Web 2.0 Epistemic Web: Verbindung zwischen Wissensrepräsentationen (Anregung: U. Schöpflin, mpiwg) Informatik Perspektiven Netzwerke und verteilte Systeme Datenbanken, Information Retrieval Hypertext Multimedia, Computergraphik Computerlinguistik Mustererkennung & Künstliche Intelligenz

10 Exkurs: Vannevar Bush (1945ff.)

11 Exkurs: Vannevar Bush (2) Exkurs: Vannevar Bush (3)

12 Exkurs: Vannevar Bush (4) Paul Otlet:. Mundaneum Archiv Mundaneum! Mons"

13 Was sind digitale Dokumente? Was? Texte (hier: keine Diskussion des Textbegriffs!) Bilder, Grafiken, Animationen, Video- und Audiodaten Simulationen, Animationen, Interaktivität in digitaler Darstellung zur Speicherung und Verarbeitung durch Rechner.! Erweiterung des herkömmlichen Dokumentbegriffs Wie? Erzeugt durch Programme: Text- und Bildverarbeitung, Layoutsysteme, Retrodigitalisierung von Papierdokumenten, Filmen, Digitale Dokumente Einheitliche, standardisierte Repräsentation für Texte Bilder, Grafiken, Animationen, Video- und Audiodaten Simulationen, Animationen, Interaktivität Metadaten: zugeordnete Beschreibungen technisch, inhaltlich, administrativ, Kollektionen und Bibliotheken: Dienste

14 Digitale Dokumente Ergänzung vs. Ersatz Viele Formen, nicht immer materielles Korrelat... Papierimitation? Besondere Rolle der Kontexte der Entstehung und Benutzung Persistenz Urheberrecht: Neue Dimension Hybride Publikationsformen Digitale Editionen Klassische Editionswissenschaft: 19. Jh. Neue Philologie (spez. ma. Handschriften) Werk als Resultat vieler Beteiligter Materialität; Varianten Zeichencharakter: Text-Bild Beziehungen Gebrauchssituationen; Verankerung im Diskurs Digitale Editionen schaffen eine Grundlage für neuartige Auswertungen Zweckfreiheit?? Ist doch alles im Netz!... von wegen!

15 Unterstützung der wissenschaftlichen Interpretation Daten repräsentieren und aufbereiten zur Auswertung nach philologisch/linguistischen, historischen, kulturellen,... Fragestellungen Entdecken Annotieren Vergleichen Bezugnehmen Stichproben auswählen und prüfen Illustrieren Darstellen (Unsworth) Ziel: (Tiefen-) Erschließung Einzelne Werke und Kollektionen Vernetzung von Ressourcen ( Grid ). METADATEN (=> Katalogdaten ) Flexible Erschließungstiefe (... Einheiten?!) Anreicherung Linguistische und begriffliche Strukturen Suche jenseits von Google Volltext strukturell inhaltlich logisch verknüpft

16 Struktur-orientierte Auszeichnung Ansatz: Trennung von Struktur und Formatierung Inhaltliche Auszeichnung: beschreibt die Funktion Formatierung als Konvertierung. XML : 1998 XML : Darstellung der Daten name invoice cust. addr. product code XML : extended Markup Language - Metasprache - Grammatik / Schema spezielle Auszeichnungssprache Lagoze quant.

17 Die XML-Welt TEI: Text Encoding Initiative

18 Der Deutsche Ptolemaeus Nürnberg, ca BSB TEI Grundstruktur

19 TEI Header Arboreal 1 Arboreal RegelgeleiteteTransformationen

20 Wortformenanalyse...

21 Textauszeichnung; Wortformen, Lexikon Terminologie-Verwaltung

22 Schiefsky und weiterhin Analyse von Named Entities : Erkennung und Markierung Personen, Institutionen, Geo-Namen, Abgleich mit Authority Files (z.b. TGN) (Struktur-) Analyse von Zeitangaben Ereignis-Erkennung Handlungs-/Ereignis-Verben, -Substantive, thematische Rollen Normierte Terminologien, formale Ontologien Referenzauflösung, Semantische Auswertung

23 Verknüpfung von Text und Bild Digilib Evtl. Schiefsky mit Euklid Die Digitalisierungskette (Kenney/Rieger)

24 Workflow Digitale Objekte: Eigenschaften Datenvolumina Seite (ASCII-) Text 5 KB Seite Image Scan 25 MB Buch mit 200 Seiten 5 GB Minute Musik 10 MB Stunde Musik 600 MB Stunde Video 15 GB Kinofilm (Masterkopie) 150 TB

25 Digitale Objekte: Eigenschaften Kosten Digitalisierung Eine Seite (Image Scan): 1000 Bücher, je 200 Seiten: Archivierung (bez. auf 10 Jahre) 1 Terabyte (=10 12 Bytes): 5 Terabyte (= 1000 Bücher): Fazit 1,50 Euro Euro Euro/Jahr Euro/Jahr (Mindest-) Kosten eines digitalen Buchs in 10 Jahren: 1300 Euro Kollektionen digitaler Objekte...integrierte Sicht H. Besser

26 Realisierung Arms Aufbau digitaler Objekte

27 Aggregierte digitale Objekte Composite object Meta-object Repository (Objektspeicher)

28 Definition: Digitale Bibliothek Ziele, Aufgaben, Methoden A digital library is an electronic information access system offering users a coherent view of a selected, organized, and managed body of information. A digital library is a managed collection of information, with associated services, where the information is stored in digital formats and accessible over a network. Arms, p. 2 Aufgaben und Methoden Ziel: Beherrschung der Informationsflut Vannevar Bush (1945): As we may think Memex Digitalisierung... Data enhancement Erschließung: Indexierung, inhaltl. Vernetzung Such- und Sortierverfahren, Verfahren für Anfrageoptimierung, Klassifikation Erreichbarkeit, Nachhaltigkeit Zugriffsrechte, Urheberrecht Dienste, Abrechnung

29 Digitale Bibliotheken: Komponenten Akquisition Objektspeicherung- und zugriff Metadaten-Modellierung Katalog- und Thesauruskonstruktion Anfragen Suchmaschinen für strukturierte Daten unstrukturierte Daten Metadatenzugriff und Objektauslieferung Digitale Bibliotheken und Archive: Anforderungen und Aufgaben Globale Sicht - drei Ebenen: Lieferanten (Autoren, Verlage) Produktionsperspektive System Bibliothek Nutzer Rezeptionsperspektive Architektur Funktionsmodell Objektmodell Struktur: Implementierung

30 Funktionsmodell Funktionalität des Systems für die Nutzer Wozu verwendbar? Welche Leistungen? Welche Anpassungen? Architektur als Anwendungsarchitektur Invarianten sind konstitutiv Was sich häufig ändert, wird zu Parametern vs. Struktur: Komponenten Algorithmen und Datenstrukturen,... Aufgaben des Systems Bibliothek Sammeln Archivieren Recherchieren Bestand erschließen Bestand präsentieren Bestände verbinden Neue Dienstleistungen

31 Rezeptions- und Produktionsperspektive Geschäftsprozesse als Anwendungsfälle Suchen Bestellen Liefern Abrechnen Nutzer betreuen Lieferanten betreuen Objektorientierte Modellierung: Klassen und Operationen Nutzer-Erwartungen: Integration Erwartungen (nach Kaletta) Informationen sollen unmittelbar am Arbeitsplatz verfügbar sein; Option für zeit- und ortsunabhängigen Zugang Zugriff soll sich an Bedarf und Arbeitsweisen des Benutzers orientieren Globalisierter Wissenschaftsbetrieb Integration mit Arbeitsformen wie , Telekonferenz, elearning, ecommerce, Textverarbeitung, Surfen,...

32 Beispiele für Systemarchitektur / Realisierung Dspace (MIT/HP) [open source] Greenstone DL Toolkit [open source] Integration in Web Services

33 Greenstone DigLib Toolkit Baukasten: Organisation und Publikation digitaler Informationsobjekte in voll durchsuchbarer, metadaten-gesteuerter digitaler Bibliothek Open Source für alle gängigen Systemplattformen Interoperabilität: standardkonform (METS!), OAI Protocol for Metadata Harvesting, DSpace-Austausch Benutzer- und Adminstrator-Schnittstellen Alle gängigen Metadatenstandards und Objektdaten-Formate enthalten Globale Vernetzung

34 Vom WWW zum Epistemic Web Textanalyse Sprachtechnologie...semantische Repräsentationen Bildverarbeitung Objekterkennung OCR (Optical Character Recognition) Visualisierung komplexer Daten => Edition(en) bzw. Kollektionen werden zur Wissensbasis Vernetzung + Wissensmodellierung +Schließen

35 Semantik Darstellung des Sinns der Inhaltswörter ( Begriffe ) relational: Netzwerk von Beziehungen; der Bedeutung durch Bezugnahme nach aussen (Referenz) Gegeben: logische Verknüpfungen durch Diskursregeln / Geltungskriterien. Formalisierung: Nachteile und Vorteile einheitliche Darstellung; Navigation; Austausch Wissensmodellierung Formale Ontologie : Theorie eines Gegenstandsbereichs (rationale Rekonstruktion), zuerst: Normierung der Terminologie Konzepte (Abstraktion: Begriffe) Eigenschaften (Relationen) Einschränkungen und Gesetze / Regeln Individuen : Objekt-Beschreibungen

36 Geographische Domänenontologie ATKIS Konzept- (Klassen-) Hierarchie + Klassen + Restriktionen + Porphyrische Bäume Porphyrius (3.Jh.): Isagoge. Einführung in die Kategorienschrift des Aristoteles

37 Appellations Formale Domänen- und Referenz- Ontologien Domänen-Ontologie definiert theoriebasiert das terminologische System für einen Gegenstandsbereich und mehr Referenz-Ontologie Bereichsübergreifende Allgemeinbegriffe (Person, Ereignis, Ort, Zeit,...) Logisch-mathematische Grundbegriffe (Klasse, Relation, Zahl; Mereologie) ICOM CIDOC Common Reference Model Orientierung: Dokumentation des Kulturerbes Unterstützung v. Datenaustausch und Interoperabilität Eigenschafts- und ereignis-zentriert CIDOC CRM Top Level Classes Types refine identify/name Actors participate in affect Conceptual Objects Physical Entities Temporal Entities location within occur at Time-Spans T. Gill Places

38 Semantic Web : Sprachschichten => OWL-DL Eine sehr ausdrucksstarke beschreibungslogische Repräs.-Sprache Ontologie-Editor Protégé: CRM in OWL-DL

39 Ontologie-Editor Protégé: CRM in OWL-DL Ontologie-Editor Protégé: CRM in OWL-DL

40 Wissen und Schlußfolgern Darstellung in einer formal-logischen Sprache: Schlußfolgerungs-Verfahren Entscheidbarkeit; Vollständigkeit, Korrektheit OWL-DL auf der Basis von XML (RDF) Damit u.a.: Überprüfung der Widerspruchsfreiheit Automatische Klassifikation Beantwortung komplexer Anfragen Semantik: Geltungsbedingungen und Begründungen Wahrheit => Web 3.0 Inferenzen auch Verarbeitung kontextsensitiver Beziehungen, beispielsweise Personenname = Vorname+Nachname Unterstützung multipler Sichten/Perspektiven, etwa: ein Text als physisches, logisches, rhetorisches, linguistisches Objekt Wörter stehen in grammatischen Beziehungen zu anderen Namen stehen in Beziehungen zu Örtern, Datumsangaben,... Ereignisse

41

42

43 Beispiel: Digitale Zeitschrif ten

44

45

46

47 Beispiel einer Verlagsinitiative: LINK (Springer) Integrierter abgestufter Zugriff auf digitale Monographien, Tagungsbände Nachschlagewerke und Zeitschriften Abonnementsystem Eindeutige persistente Benennung (DOI, Server)