Automatische Sacherschließung an der ZBW - Leibniz Informationszentrum Wirtschaft

Transkript

1 Automatische Sacherschließung an der ZBW - Leibniz Informationszentrum Wirtschaft Tobias Rebholz Wissenschaftliche Dienste ZBW Leibniz-Informationszentrum Wirtschaft Österreichischer Bibliothekartag 2015 // Wien, 16. September 2015

2 Inhalte des Vortrags Automatische Sacherschließung an der ZBW Einleitung: Kurzprofil ZBW Das Thema Automatische Indexierung an der ZBW - Rahmenbedingungen Konzeptionelle Neuausrichtung Kernarbeitsfelder Software Hardware Evaluation Data Prozessdarstellung Philosophie: Der Mensch in der Mitte Bisherige Erfahrungen Seite 2

3 Kurzprofil: ZBW (2014) Das weltweit größte Informationszentrum für Wirtschaft. Bestand: ~4,38 Millionen Bücher und andere Veröffentlichungen. Anzahl der laufend gehaltenen Zeitschriften: Titel. Rechercheportal für die Wirtschaftswissenschaften - EconBiz OA-Publikationsserver - EconStor Anzahl der Mitarbeiterinnen und Mitarbeiter: 265 Personen. Sitz: Kiel (Hauptsitz) und Hamburg. Finanzierung: Bund & Länder; Gesamtetat: 22,25 Millionen EUR page 3

4 Das Thema Automatische Sacherschließung an der ZBW Rahmenbedingungen I Programmbereich Bestandsmanagement und Metadaten - Aufgabenbereich Umfassende Sammlung und Erschließung wirtschaftswissenschaftlicher Literatur und Fachinformationen e-preferred-strategie der ZBW Formale und inhaltliche Aufbereitung = Generierung qualitativ hochwertiger Metadaten, für eigene Zugangssysteme und zur Nachnutzung Dritter Veränderte Rahmenbedingungen Steigende Publikationszahlen in den Wirtschaftswissenschaften Wandel zur digitalen Veröffentlichung Neue technische Möglichkeiten im Bereich Text- und Datamining Ziel: Was soll im Bereich Sacherschließung erreicht werden? Qualitativ hochwertige inhaltliche Erschließung, unabhängig von der Höhe des Publikationsoutputs im Sammelgebiet der ZBW. Seite 4

5 Das Thema Automatische Sacherschließung an der ZBW Rahmenbedingungen II Auswertung der bisherigen Projekte Lessons learned Es existiert keine universelle Software, die den Anforderungen der ZBW genügt. Offene Frage: Erreichen wir unser Ziel mit kommerziellen Erschließungstools? Forschung in der ZBW Drei Professuren am Institut für Informatik (Universität Kiel) Digitale Informationsinfrastrukturen Web Science Knowledge Discovery Kontinuierlicher Forschungstransfer Bidirektionaler Austausch Anwendungsorientierte Forschung Fokus: Entwicklung moderner zukunftsfähiger Dienste Seite 5

6 Konzeptionelle Neuausrichtung Aufbau einer eigenen Infrastruktur, die es ermöglicht, verschiedene maschinelle Verfahren der Inhaltserschließung zu testen und zu bewerten. 4 Kernarbeitsfelder Software Hardware Data Evaluation Vorteile der Eigenentwicklung: Keine Abhängigkeit von einem kommerziellen Dienstleister Vermeidung eines Lock-in-Effektes Auf- und Ausbau von eigenen Kompetenzen und die Verwertung des hauseigenen Knowhows (Bibliothek & Forschung) Seite 6

7 Photo: flickr: Roo Reynolds- CC BY-NC 2.0 Kernarbeitsfeld - Software Anwendung unterschiedlicher Verfahren Ausrichtung der automatischen Erschließung an den jeweiligen Nutzungsrechten. Volltext vs. Metadaten Volltextindexierung vs. Nachnormierung Re-Implementierung von untersuchten Textmining-Verfahren in der ZBW-Umgebung Forschungstransfer. Eigene Programmierung von Prototypen Nachnormierung Entwicklung eines webbasierten Review-Tools Auswertung von Indexierungstests Später: Indexierungsassistenz Seite 7

8 Kernarbeitsfeld - Hardware Technische Infrastruktur Basis für alle Arbeiten im Bereich der automatischen Erschließung. Sicherstellung der Zukunftsfähigkeit unserer technischen Infrastruktur. Hohe Rechenleistung erforderlich: Paralleler Einsatz verschiedener Verfahren im Testbetrieb Verarbeitung großer Datenmengen Teilweise aufwendiges Lernen eines Klassifikationsmodells. Training benötigt teilweise viel Hauptspeicher und Rechenzeit. Kombination aus virtuellen und physischen Servern. Photo: flickr: Torkild Retvedt - CC BY-SA 2.0 Seite 8

9 Kernarbeitsfeld - Evaluation Entwicklung und Implementierung eines fachlichen und technischen Qualitätsmanagements Entwurf eines Qualitätskonzeptes, das sowohl die Güte der maschinellen Indexierung als auch die Qualität der intellektuellen Erschließung berücksichtigt. Zunächst Definition von Qualitätsansprüchen und Bewertungsmaßstäben unumgänglich. Berücksichtigung alternativer Evaluierungsansätze neben Precision und Recall. Photo: flickr: Tim Reckmann - CC BY-NC-SA 2.0 Mensch vs. Maschine human competitive indexing Ziel ist eine faire Bewertung der Leistungsfähigkeit automatischer Verfahren! Seite 9

10 Kernarbeitsfeld - Data Kritische Bewertung der Quellen für eine automatische Indexierung Auswahl, Extraktion und Analyse eines für eine maschinelle Indexierung in Frage kommenden Dokumentenkorpus Generierung eines repräsentativen Testdatensatzes Rechtliche Fragestellungen welche elektronischen Dokumente dürfen in welchem Umfang heran gezogen werden? Thesaurus-Management und -anpassung Momentan: Experimente mit einem Datensatz von ca Dokumenten mit Annotationen (STW-Indexate) als Goldstandard Photo: flickr: Hillary - CC BY-SA 2.0 Seite 10

11 Prozessdarstellung Seite 11

12 Philosophie: Der Mensch in der Mitte Integration automatischer Erschließungsverfahren in einem semi-automatischen Arbeitsprozess Automatische Generierung von Kandidaten für die Sacherschließung FachreferentInnen entscheiden am Ende, ob sie die STW-Kandidaten übernehmen wollen oder nicht. Transparenz: Einbindung des Kollegiums in Entwicklungsprozesse. Neue und veränderte Aufgaben im Fachreferat: Indexierung Qualitätsmanagement Seite 12

13 Photo: flickr: Esko Kurvinen - CC BY-NC 2.0 Bisherige Erfahrungen in a nutshell Bibliothek und Forschung begegnen sich auf gleicher Höhe Backsourcing - Hauseigene Kompetenzen werden intensiv genutzt und können weiter ausgebaut werden. Nachhaltige Umgebung: Neue Verfahren lassen sich modular integrieren Gesteigerte Akzeptanz: Direktes Feedback der FachreferentInnen an Entwicklungsbereich möglich Verankerung des Projektes in der Abteilung Aber! Eigenentwicklung ist ressourcenintensiv: Serverinfrastruktur muss angeschafft werden Verortung von IT-Kompetenz in Abteilung Fazit: Für die ZBW als forschende Informationsinfrastruktureinrichtung der richtige Weg! Seite 13

14 Ich freue mich auf Ihre Fragen! Tobias Rebholz ZBW Leibniz-Informationszentrum Wirtschaft Telefon: / Seite 14