Zum Inhalt springen

Nur-Lesen-Fassung: Das Forschungsinformationssystem (FIS) ist aus Sicherheitsgründen vorübergehend durch diese Nur-Lesen-Fassung ersetzt. Alle öffentlichen Inhalte und Volltexte sind weiterhin abrufbar; Anmeldung, Bearbeitung, Einreichung und Statistiken stehen nicht zur Verfügung. Bei Fragen: fis@uni-bamberg.de

Start › Publikationen › Automatisierte Typklassifikation von Normdaten mit BERT

Publikation

Automatisierte Typklassifikation von Normdaten mit BERT

Hebeis, Maximilian; Fruth, Leon; Gradl, Tobias; u. a. (2026): Automatisierte Typklassifikation von Normdaten mit BERT, in: Bamberg: Otto-Friedrich-Universität, S. 447–450.

Details

Fakultät/Lehrstuhl
Autorin(nen)/Autor(en)
Hebeis, Maximilian
Verlagsangabe
Otto-Friedrich-Universität : Bamberg
Erscheinungsjahr
2026
Quelle/Weitere Ausgabe
Silke Schwandt, Gabriel Viehhauser, Tara Andrews, u. a. (Hrsg.), Book of Abstracts : DHd 2026, Zenodo, 2026, S. 447–450
Jahr der Erstpublikation
2026
Sprache(n)
Deutsch
Anmerkungen

DOI des zugehörigen Posters: https://doi.org/10.5281/zenodo.18999712

Lizenz
URN
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.

Freie Schlagwort(e)
Normdaten
Textklassifikation
Maschinelles Lernen
Forschungsdateninfrastrukturen
Metadaten
Entity Typing
BERT
Datenintegration
Dokumenttyp
Konferenzveröffentlichung
URI
Datum der Freischaltung
17.04.2026

Permalink: https://fis.uni-bamberg.de/handle/uniba/114771 · Daten als JSON · Zitieren: BibTeX · RIS

Datenstand: 15.11.2026

Eingeschränkter Lesezugriff: Anmeldung, Bearbeitung und Einreichung sind vorübergehend deaktiviert.