Wenn Algorithmen Zeitschriften lesen - vom Mehrwert automatisierter Textanreicherung

Abstract

Mit der Plattform E-Periodica (www.e-periodica.ch) stellt die ETH-Bibliothek rund 280 retrodigitalisierte Schweizer Fachzeitschriften mit insgesamt über 6 Mio. Seiten online zur Verfügung. Diese Menge an OCR-erkannten Texten bieten sich an, um dank automatisierter Textanreicherung zusätzlichen Mehrwert für die bessere Nutzbarkeit der Daten zu generieren. Vor diesem Hintergrund führte die ETH-Bibliothek gemeinsam mit dem Institut für Computerlinguistik der Universität Zürich im Jahr 2017 ein entsprechendes Pilotprojekt durch. Als Testkorpus wurden zwei umfangreiche Architekturzeitschriften (ab 1874 bis in die Gegenwart) mit computerlinguistischen Methoden aufbereitet, strukturiert und verlinkt. Im Vortrag werden zum einen die methodischen Schwerpunkte der verbesserten Texterkennung (durch die automatische Korrektur von OCR-Fehlern) und der Textanreicherung - durch die Erkennung, die Aggregierung und die Verlinkung von Personen- und Ortsnamen - ausgeführt. Zum anderen wird gezeigt, welche Resultate sich für Bibliothek und Forschungspartner aus dem Pilotprojekt ergeben. Auf Seite der Bibliothek gehören dazu sowohl die Nutzung der angereicherten Daten für optimierte Suchfunktionen und Informationsangebote in E‑Periodica als auch der Kompetenzaufbau in der Bereitstellung maschinenlesbarer Textkorpora. Der Nutzen für den Forschungspartner liegt in der Weiterentwicklung semantischer Erschliessungsmethoden. Diese neuen Formen der Inhaltserschliessung werden die Nutzung und Verarbeitung digitalisierter Bibliotheksinhalte in den kommenden Jahren entscheidend beeinflussen und voranbringen.