We're sorry but this page doesn't work properly without JavaScript enabled. Please enable it to continue.
Feedback

Automatisierte Inhaltserschließung auf der Basis von Machine-Learning-Methoden als Produktivverfahren an der ZBW

Formale Metadaten

Titel
Automatisierte Inhaltserschließung auf der Basis von Machine-Learning-Methoden als Produktivverfahren an der ZBW
Serientitel
Anzahl der Teile
4
Autor
Mitwirkende
Lizenz
CC-Namensnennung 3.0 Deutschland:
Sie dürfen das Werk bzw. den Inhalt zu jedem legalen Zweck nutzen, verändern und in unveränderter oder veränderter Form vervielfältigen, verbreiten und öffentlich zugänglich machen, sofern Sie den Namen des Autors/Rechteinhabers in der von ihm festgelegten Weise nennen.
Identifikatoren
Herausgeber
Erscheinungsjahr
Sprache

Inhaltliche Metadaten

Fachgebiet
Genre
Abstract
Die ZBW entwickelt Machine-Learning-Lösungen zur Automatisierung der Inhaltserschließung, die nun benutzbar gemacht und nachhaltig in die bibliothekarische Praxis übertragen werden müssen. Wir skizzieren die ersten Schritte auf dem Weg zu einem zukunftsfähigen Produktivsystem und die damit verbundenen Herausforderungen, von technischen Aspekten der Softwarearchitektur über Hürden im bibliothekarischen Datenmanagement bis hin zu einer möglichst großen Offenheit für Weiterentwicklungen. Dr. Anna Kasprzik, Leitung des Vorhabens "AutoSE" an der ZBW in Hamburg, skizziert die ersten Schritte auf dem Weg zu einem zukunftsfähigen Produktivsystem und weist auch die damit verbundenen Herausforderungen hin.