Skip to content

Read-only version: For security reasons, the Research Information System (FIS) has been temporarily replaced by this read-only version. All public content and full texts remain available; login, editing, submission and statistics are not available. Questions: fis@uni-bamberg.de

Home › Publications › Automatisierte Typklassifikation von Normdaten mit BERT

Publication

Automatisierte Typklassifikation von Normdaten mit BERT

Hebeis, Maximilian; Fruth, Leon; Gradl, Tobias; u. a. (2026): Automatisierte Typklassifikation von Normdaten mit BERT, in: Silke Schwandt, Gabriel Viehhauser, Tara Andrews, u. a. (Hrsg.), Book of Abstracts : DHd 2026, Zenodo, S. 447–450, doi: 10.5281/zenodo.18703020.

Details

Alternative Title
Automatic Type Classification of Authority Records with BERT
Faculty/Chair
Faculty/Professorship
Author
Hebeis, Maximilian
Title of the compilation
Book of Abstracts : DHd 2026
Editors
Schwandt, Silke
Viehhauser, Gabriel
Andrews, Tara
Wallnig, Thomas
Nava, Beatrice
Helling, Patrick
Conference
DHd 2026: Nicht nur Text, nicht nur Daten; 12. Jahrestagung des Verbands Digital Humanities im deutschsprachigen Raum e.V.; 23. bis 27. Februar 2026, Wien
Publisher Information
Zenodo
Year of publication
2026
Language
German
Remark
DOI
Abstract

Normdaten sind zentral für die Interoperabilität geisteswissenschaftlicher Daten. Die an der Otto-Friedrich-Universität Bamberg entwickelte integrierte Suchplattform ADISS integriert verschiedene Normdatenquellen wie GND, Wikidata oder Geonames, jedoch bislang ohne einheitliche Typisierung. Dies erschwert eine gezielte Facettierung bei der Suche. Ziel des Projekts ist daher ein System zur automatisierten Typenzuordnung mittels maschinellen Lernens. Auf Basis von BERT soll ein Klassifikator trainiert werden, der Normdatensätze in ein reduziertes Zielschema überführt. Trainingsdaten entstehen durch Mapping zwischen GND- und Wikidata-Datensätzen. Neben Quelltypen werden Name und Beschreibung des jeweiligen Normdatensatzes als semantische Features genutzt. Erste Experimente mit einem auf einem multilingualen BERT-Modell als Encoder basierenden hierarchischen Klassifikator zeigen vielversprechende Ergebnisse. Künftig sollen die Datenbasis und Modellparameter optimiert werden, um eine robuste, domänenübergreifende Typisierung zur Verbesserung der Suchfunktionalität in ADISS zu ermöglichen.

Keywords
Normdaten
Textklassifikation
Maschinelles Lernen
Forschungsdateninfrastrukturen
Metadaten
Entity Typing
BERT
Datenintegration
Type
Conferenceobject
URI
Activation date
2026-04-17

Permalink: https://fis.uni-bamberg.de/handle/uniba/114773 · Data as JSON · Cite: BibTeX · RIS

Data as of: 2026-11-16

Restricted read-only access: login, editing and submission are temporarily disabled.