Einsatzmöglichkeiten von Crosskonkordanzen

Full text

Einsatzmöglichkeiten von Crosskonkordanzen
Philipp Mayr, Anne-Kathrin Walter
gesis - Informationszentrum Sozialwissenschaften, Bonn
Zusammenfassung
Der Beitrag stellt Einsatzmöglichkeiten und spezifische Problembereiche von
Crosskonkordanzen (CK) im Projekt „Kompetenznetzwerk Modellbildung und
Heterogenitätsbehandlung“ (KoMoHe)1sowie das Netz der bis dato entstande-
nen Terminologie-Überstiege vor. Die am IZ entstandenen CK sollen künftig
über einen Terminologie-Service als Web Service genutzt werden, dieser wird
im Beitrag exemplarisch vorgestellt. Des Weiteren wird ein Testszenario samt
Evaluationsdesign beschrieben über das der Mehrwert von Crosskonkordanzen
empirisch untersucht werden kann.
1 Einleitung
BMBF und DFG haben sich für die Schaffung eines generellen Wissenschafts-
portals und von Fachportalen in einem vernetzten Ansatz entschieden, wobei
die Projektförderlinien der DFG zu den Virtuellen Fachbibliotheken2und die
des BMBF zu den Informationsverbünden zusammengeführt werden sollen.
Für den Gesamtkontext wurde der Name vascoda3gewählt. Der Ansatz besteht
aus einem generellen Sucheinstieg, dem Wissenschaftsportal vascoda, das zu
Fachportalen und Fachclustern weiterleitet.
Die Konsequenz dieser Zusammenführung sind hochkomplexe Strukturen
und Anforderungen bei der Integration der für vascoda relevanten Informations-
angebote, sowohl auf inhaltlicher als auch auf organisatorisch-technischer Ebe-
ne. Die Strukturen gehen weit über die hinaus, die in den virtuellen Fachbibli-
otheken und Informationsverbünden selbst behandelt wurden. Gleichzeitig stel-
len sich neue konzeptuelle Fragen der Integration bisher unverbunden
entwickelter Informationsmodule (vgl. Mayr et al., 2005).
1 Der Beitrag ist im Projekt „Kompetenzzentrum Modellbildung und Heterogenitätsbehand-
lung“ entstanden. Dieses Projekt wird vom BMBF unter der Kennziffer
523-40001-01C5953 gefördert. Siehe
http://www.gesis.org/Forschung/Informationstechnologie/KoMoHe.htm
2 http://www.virtuellefachbibliothek.de
3 http://www.vascoda.de

Die Klärung dieser Fragen wird im Teilprojekt „Modellbildung und Heter-
ogenitätsbehandlung“ im Kompetenznetzwerk „Neue Dienste, Standardisie-
rung, Metadaten“ bearbeitet und deckt folgende Problemstellungen ab:
§Modellbildung zum Wissenschaftsportal vascoda als Vorbereitung der not-
wendigen Abstimmungsprozesse, die von der Koordinationsstelle der TIB
Hannover moderiert werden. Die Modellbildung soll dabei so prinzipiell an-
gelegt sein, dass ihre Aussagen auf ähnliche Fragestellungen in anderen Ver-
wendungskontexten übertragbar sind (Krause/Mayr, 2006; Mayr, 2006a;
Mayr, 2006b).
§Einbringen des spezialisierten Know-hows für die Problembehandlung der
Fragen zur Heterogenitätsbehandlung als Ergänzung zur Standardisierung
durch einheitliche Metadaten.
Der Trend in der aktuellen Fachinformationslandschaft geht hin zu einer Bünde-
lung der Informationsangebote, sowohl innerhalb eines Fachs als auch interdis-
ziplinär. Ziel ist, die Recherche für einen Nutzer mit einem bestimmten Infor-
mationsbedürfnis zu erleichtern und ihn beim Auffinden der für ihn relevanten
Dokumente zu unterstützen. Neben der Integration auf technischer und struktu-
reller Ebene (siehe auch Strötgen, 2004), muss ebenfalls eine Integration auf se-
mantischer Ebene vorgenommen werden (siehe dazu Krause, 2003). Semanti-
sche Heterogenität (bei Krause auch „unvermeidlich verbleibende Heterogeni-
tät“) tritt auf, wenn Informationsangebote unterschiedliche Inhaltserschlie-
ßungssysteme verwenden. Im Gegensatz zur technischen Heterogenität (z.B.
unterschiedliche Metadatenschemata), die vgl. einfach homogenisiert werden
kann, verbleiben die unterschiedlichen kontrollierten Vokabulare zunächst he-
terogen. Ein Nutzer der seine Anfrage in dem ihm bekannten Vokabular formu-
liert, findet unter Umständen in den anderen Datenbanken keine Dokumente, da
die gesuchten Konzepte dort anders benannt sind (vgl. dazu Abbildung 1).
146 Philipp Mayr, Anne-Kathrin Walter
Vokabular A
(Fachgebiet A)
DB A
(Vok A)
DB B
(Vok B)
DB C
(Vok B)
Term X
?
?
Abb. 1: Heterogenität kontrollierter Vokabulare

Es gibt mehrere Möglichkeiten, semantische Heterogenität zu behandeln. Ziel
dabei ist, geeignete Termtransformationen in die entsprechenden kontrollierten
Vokabulare der zu durchsuchenden Datenbanken bereit zu stellen.
Zur Erstellung der Termtransformationen gibt es verschiedene Ansätze (vgl.
Hellweg et al., 2001):
§Intellektuell: Für Terme eines Ausgangsvokabulars werden intellektuell Re-
lationen zu passenden Termen eines Zielvokabulars gebildet. Es sind unter-
schiedliche Relationstypen möglich (siehe auch Abschnitt 2.1). Diese Art der
Termtransformation wird Crosskonkordanz genannt.
§Statistisch: Bei diesen Verfahren werden semantische Relationen mit Hilfe
von statistischen Methoden (Co-occurrence Analysen) automatisch erzeugt
(vgl. Strötgen, 2004; Marx, 2005, Zhang, 2006).
§Deduktiv: Bei deduktiven Verfahren wird Textmaterial analysiert und aus
den sich ergebenden Zusammenhängen werden mit Hilfe von logischen
Schlussfolgerungen Relationen zwischen Termen abgeleitet.
Schwerpunkt der im Projekt KoMoHe erstellten Termtransformationen liegt auf
den intellektuell erstellten Crosskonkordanzen, daher wird darauf im Folgenden
näher eingegangen.
2 Crosskonkordanzen
2.1 Crosskonkordanzen als intellektuelles Verfahren zur
Heterogenitätsbehandlung
Crosskonkordanzen sind gerichtete, relevanzbewertete Relationen zwischen
Termen zweier Thesauri, Klassifikationen oder auch anderer kontrollierter Vo-
kabulare. Die Erstellung der Relationen erfolgt intellektuell. Konkordanzen
sind bislang in mehreren Projekten am IZ entwickelt worden, u.a. in CARMEN
AP12 (siehe CARMEN 2002) oder auch für den interdisziplinären Informa-
tionsdienst infoconnex4(eine Übersicht der Verfahren und Projekte findet sich
in Zeng/Chan, 2004). Seit Ende 2004 werden innerhalb des Projekts „Kompe-
tenznetzwerk Modellbildung und Heterogenitätsbehandlung“ eine Vielzahl an
Crosskonkordanzen zwischen unterschiedlichen Fächern bearbeitet (siehe auch
Abschnitt 2.2).
Die Erstellung der Term-Term Relationen erfolgt in Tabellen. In der linken
Spalte sind die Ausgangsterme eingetragen, in der zweiten Spalte folgt der Typ
der Relation, eine Relevanzbewertung und in der rechten Spalte die Entspre-
chungen im Zielthesaurus. Erstellt werden 1:1 und 1:n Relationen, d.h. ein Aus-
Einsatzmöglichkeiten von Crosskonkordanzen 147
4 http://www.infoconnex.de

gangsterm kann mit einem oder mehreren Zielkonzepten verbunden werden.
Zur Spezifikation der Beziehung zwischen den Termen können vier verschiede-
ne Relationstypen verwendet werden (siehe dazu auch Beispiele in Tabelle 1
und 2):
§Äquivalenzrelation („=“): für Terme, die das gleiche Konzept bezeichnen
§Oberbegriffsrelation („<“): für Terme, die in einer Hierarchiebeziehung ste-
hen (Teil-Ganzes, Abstraktion)
§Unterbegriffsrelation („>“): wie Oberbegriffsrelation
§Ähnlichkeitsrelation („^“): für Terme die ähnliche oder verwandte Konzepte
bezeichnen
§Nullrelation („0“): wird gesetzt, wenn sich keine Entsprechung im Zielthe-
saurus identifizieren lässt.
Jede der Relationen wird zusätzlich nach Relevanz bewertet und dadurch eine
Aussage über die zu erwartende Relevanz der Treffermenge gemacht (Abstu-
fung: hoch, mittel, gering). Tabelle 1 zeigt beispielhaft einen Ausschnitt aus ei-
ner Konkordanz zwischen Thesaurus Sozialwissenschaften und Standard The-
saurus Wirtschaft. Weitere Crosskonkordanz-Beispiele finden sich in Tabelle 2
sowie in Walter et al. (2006).
Tabelle 1: Beispiel für Crosskonkordanz-Relationen
Thesaurus
Sozialwissenschaften
Relation Relevanz Standard Thesaurus
Wirtschaft
Abgaben = h Gebühr
Deutsche Bundesbank =+ h Zentralbank + Deutschland
Abitur < m Bildungsabschluss
Entschuldung ^ h Schuldenerlass
Katastrophe > g Naturkatastrophe
Pädagogische Faktoren 0
148 Philipp Mayr, Anne-Kathrin Walter

Tabelle 2: Beispiel für Crosskonkordanz-Relationen ausgehend von dem Deskrip-
tor „Biologieunterricht“ des Thesaurus Sozialwissenschaften. Die Kür-
zel der rechten Spalte sind über die Tabelle 3 aufzulösen.
Biologieunterricht < Unterricht DZI
Biologieunterricht < Unterricht Standard Thesaurus Wirtschaft
Biologieunterricht = Biologieunterricht Schlagwortnormdatei
Biologieunterricht <+ Biology + Teaching CSA
Biologieunterricht =+ Naturwissenschaftlicher
Unterricht + Biologie
Psyndex Terms
Biologieunterricht =+ Fachunterricht/Unterrichtsfach
+ Biologie
IBLK
Biologieunterricht =+o Biologie + Schulfach BISp-Liste
Biologieunterricht <+o Biologie + Unterrichtsstunde BISp-Liste
Biologieunterricht <+ Biologie + Schule DZA
Biologieunterricht ^+ Biologie + Unterricht FES
2.2 Übersicht: verbundene Vokabulare und semantisches Netz der
Crosskonkordanzen
Mittlerweile sind insgesamt 18 kontrollierte Vokabulare aus acht5Fachgebieten
(siehe auch Abbildung 2) durch Crosskonkordanzen verbunden worden.
Einsatzmöglichkeiten von Crosskonkordanzen 149
Sozial-
wissenschaften
Gerontologie
Schlagwort-
normdatei
Psychologie
Bildung Sport
Wirtschaft
Politik
Medizin
Abb. 2: Vernetzung der Fachgebiete durch CK
5 Die Schlagwortnormdatei als einziges universelles Vokabular im Projekt spielt aufgrund
ihrer Größe und fachlichen Zuordenbarkeit eine Sonderrolle und wird daher gesondert auf-
geführt.

Es existieren 21 Crosskonkordanzen (bilaterale Konkordanzen) sowie drei uni-
laterale Konkordanzen. Vier der Crosskonkordanzen und zwei der unilateralen
Konkordanzen wurden bereits in den Projekten CARMEN/infoconnex erstellt
(Sozialwissenschaften, Psychologie, Bildung, SWD), alle übrigen sind im Pro-
jekt KoMoHe entstanden. Insgesamt existieren momentan ca. 200,000 Relatio-
nen zwischen 80,000 Konzepten (Stand Dezember 2006). Zur Speicherung der
Crosskonkordanzen siehe auch Abschnitt 3.2. Tabelle 3 zeigt eine Aufstellung
der Vokabulare die durch Crosskonkordanzen verbunden sind.
Tabelle 3: Überblick über die verbunden Vokabulare
Kürzel Name des Vokabulars Größe d.
Vok.
(ca.)
Datenbank Anbieter
1 Bildung Thesaurus Bildung 55,000 FIS
Bildung
DIPF
Frankfurt/M
2 BISp Deskriptoren des Bundesinstituts
für Sportwissenschaft
7,500 SPOLIT BISp Bonn
3 CSA-ASSIA CSA Thesaurus Applied Social
Sciences Index and Abstracts
17,000 ASSIA CSA, IZ
4 CSA-PAIS CSA Thesaurus PAIS
International Subject Headings
7,000 PAIS CSA, IZ
5 CSA-PEI CSA Thesaurus Physical
Education Index
1,800 PEI CSA, IZ
6 CSA-SA Thesaurus of Sociological
Indexing Terms
4,000 SA CSA, IZ
7 CSA-WPSA CSA Thesaurus of Political
Science Indexing Terms
3,150 WPSA CSA, IZ
8 DZI Thesaurus des Deutschen Instituts
für soziale Fragen
2,000 SoLit DZI, IZ
9 ELSST European Language Social
Science Thesaurus
3,200 Madiera
10 FES Deskriptoren der Friedrich-Ebert
Stiftung
4,000 Digitale
Bibliothek
FES
Friedrich-
Ebert-Stiftung
Bonn, IZ
11 GEROLIT Thesaurus des Deutschen
Zentrums für Altersfragen
2,000 GEROLIT DZA Berlin
12 IBLK Thesaurus Internationale
Beziehungen und Länderkunde
(Euro-Thesaurus)
9,000 World
Affairs On-
line (WAO)
SWP Berlin
13 MeSH Medical Subject Headings 22,000 ZB Med
Katalog
ZB Med Köln
14 Psy Psyndex Terms 5,300 Psyndex ZPID Trier
15 STW Standard Thesaurus Wirtschaft 5,600 Econis ZBW Kiel
150 Philipp Mayr, Anne-Kathrin Walter

16 SWD Schlagwortnormdatei 400,0006div. OPACs Deutsche
National
Bibliothek
17 TheSoz Thesaurus Sozialwissenschaften 7,500 SOLIS IZ
18 TWSE Thesaurus für wirtschaftliche und
soziale Entwicklung
2,800 InWEnt InWEnt –
Internationale
Weiterbildung
und Entwick-
lung Bonn
3 Heterogenitätsservice
Die erstellten Crosskonkordanzen werden über einen Terminologie-Dienst, den
sogenannten Heterogenitätsservice (HTService) verfügbar gemacht. In diesem
Abschnitt wird anhand eines Einsatzszenarios dessen Funktionalität vorgestellt
und die Datenbasis beschrieben, auf die er zugreift und die gleichzeitig das
Speicherformat der Crosskonkordanzen darstellt.
3.1 Funktionalität
Es gibt mehrere Einsatzmöglichkeiten für den Heterogenitätsservice. Basis-
funktionalität ist der Dienst des Terminologie-Mappings (Term-Umschlüsse-
lung) für Fachportale. Weiterhin ist der Einsatz des Service als Rechercheunter-
stützung für den Nutzer denkbar. Das durch die Crosskonkordanzen entstande-
ne semantische Netz zwischen Suchterme kann bei der Formulierung von Su-
chanfragen hilfreich sein. Ferner könnte der Service in Zukunft Funktionen zum
Update der Konkordanzen umfassen. Der Schwerpunkt der ersten Version des
Service liegt bei der Funktionalität des Terminologie-Mappings. Anhand des im
Folgenden beschriebenen Szenarios (siehe auch Abbildung 3) werden Entschei-
dungen zur technischen Realisierung, zur Schnittstelle und zur Architektur des
Service erläutert.
Ein Nutzer hat ein Informationsbedürfnis und formuliert seine Anfrage in
dem ihm vertrauten Vokabular A (Ausgangsvokabular), das Dokumente der Da-
tenbank A inhaltlich erschließt. Die Datenbanken B und C sind mit anderen Vo-
kabularen erschlossen. Ziel des Fachportals, das die drei Datenbanken zur inte-
grierten Recherche anbietet, ist es, dem Nutzer alle relevanten Dokumente bezo-
gen auf sein Informationsbedürfnis zu liefern. Bevor es die Anfrage an die Da-
tenbanken weitergibt, wird der Heterogenitätsservice nach Term-Transforma-
tionen in die Vokabulare (Zielvokabulare) der Datenbanken B und C gefragt.
Einsatzmöglichkeiten von Crosskonkordanzen 151
6 Bislang wurde nur der sozialwissenschaftliche Ausschnitt der SWD-Terme (ca. 8,000) in
die Datenbank importiert.

Falls andere Terme für die Datenbanken vorhanden sind, wird die Anfrage pro
Datenbank modifiziert und anschließend die Abfrage gestartet.
Technische Realisierung
Grundlage für den Heterogenitätsservice ist die Web Service-Technologie. Das
Kommunikationsprotokoll SOAP7als deren Basis ermöglicht es, dass Fachpor-
tal und HTService unabhängig vom unterliegenden Übertragungsprotokoll und
lokal verwendeten Technologien kommunizieren. Da SOAP ein XML-basiertes
Protokoll ist, bleibt die Kommunikation menschenlesbar, ist aber auch für Ma-
schinen prozessierbar. Zudem ist SOAP ein offener Standard, der ohne Ein-
schränkungen zugänglich ist. Die Realisierung als Web Service bietet einen
weiteren Vorteil für die automatisierte Kommunikation zwischen Anwendun-
gen: es existiert ein standardisiertes Format zur Beschreibung der Schnittstelle,
d.h. es ist spezifiziert, welche Funktionen der Service anbietet, wie die Funktio-
nen aufgerufen werden und wie die Antwort aufgebaut ist. Auf diese Weise
kann sehr einfach eine Anfrage an den Dienst erfolgen.
Inhaltliche Realisierung
Die Anfrage eines Fachportals an den Heterogenitätsservice kann je nach Suchan-
frage des Nutzers unterschiedlich strukturiert sein. Immer enthalten ist natürlich
der Ausgangsterm, der transformiert werden soll. Abhängig von der Suche, die
der Nutzer durchführt, können weitere Einschränkungen angegeben sein.
152 Philipp Mayr, Anne-Kathrin Walter
DB A
(ZV =
AV)
DB B
(ZV B)
DB C
(ZV C) Legende :
AV = Ausgangsvokabular
ZV = Zielvokabular
DB = Datebank
HTService
Anfrage A
AV A
Fachportal
Anfrage A
AV A
Relationen
Anfrage A
Anfrage B
Anfrage C
Abb. 3: Einsatzszenario des Heterogenitätsservice
7 http://www.w3.org/TR/soap12-part1/

§Relationstyp: Wie in Abschnitt 2.1 beschrieben, gibt es unterschiedliche Re-
lationstypen, die die Deskriptoren verbinden. Ober- und Unterbegriffsrela-
tionen liefern weitere oder engere transformierte Terme, daher ist davon aus-
zugehen, dass die Treffermenge bezüglich des Ausgangsterms und damit be-
züglich des Informationsbedürfnisses des Nutzers, zu groß, bzw. zu speziell
ist. Das gleiche gilt für die Ähnlichkeitsrelation: sie liefert ein verwandtes
Konzept zur ursprünglichen Anfrage. Die beste Abbildung wird durch die
Äquivalenzrelation erbracht. Es ist daher empfehlenswert, nur letztere auto-
matisiert einzusetzen und dem Nutzer die weiteren Relationen zur Verfeine-
rung bzw. Ausweitung seiner Suche anzubieten. Es muss daher möglich sein,
die Anfrage an den Heterogenitätsservice auf einen bestimmten Relationstyp
einzuschränken.
§Bei der erweiterten Suche kann ein Nutzer die Datenbanken auswählen, in
denen er suchen möchte. Durch die Auswahl sind die Zielvokabulare be-
kannt, in die transformiert werden soll, d.h. die Relationen können bei der
Anfrage an den Heterogenitätsservice auf diese eingeschränkt werden.
§Eventuell hat ein Nutzer seine Suchterme aus einem Online-Thesaurus oder
Search Term Recommender (vgl. Petras, 2006) ausgewählt und auf diese
Weise das Ausgangsvokabular, von dem aus transformiert werden soll, vor-
gegeben. Da Terme in mehreren Vokabularen vorkommen können, sollte
auch das Ausgangsvokabular in der Anfrage festgelegt werden können.
§Längerfristig soll der Heterogenitätsservice auch andere Transformationen
als die intellektuell erstellten zurückgeben (z.B. durch statistische Verfahren
ermittelte Relationen), daher wird in der Anfrage noch ein Feld vorgesehen,
in dem die Transformationsmethode spezifiziert werden kann.
Für das Format von Anfrage und Rückgabe wird ebenfalls XML gewählt. Es
gelten die gleichen Vorteile: die Kommunikation ist sowohl durch Anwendun-
gen prozessierbar, aber auch menschenlesbar und XML ist ebenfalls ein offener,
frei zugänglicher Standard.
Abbildung 4 zeigt das Format der Anfrage, der Übersichtlichkeit nicht in
XML, sondern als Baumstruktur dargestellt. Die Klammern bedeuten, dass die-
ser Parameter optional ist.
Einsatzmöglichkeiten von Crosskonkordanzen 153

Um das Auswerten des Ergebnisses zu erleichtern, sollte das Format der Rüc-
kgabe einheitlich sein, unabhängig davon, wie viele Einschränkungen (z.B.
Zielvokabular, Relationstyp) in der Anfrage spezifiziert wurden. Es ist aller-
dings nicht ausreichend, nur die transformierten Terme zurück zu geben, da
sonst unklar ist, für welches Zielvokabular sie sind. Weiterhin sollte eine Zuord-
nung von Ausgangs- zu Zielvokabular erfolgen, damit ersichtlich ist, welche
Konkordanz angewendet wurde. Für die Rückgabe ergibt sich damit eine Baum-
struktur, die anhand des Anfrageterms „Bildungseinrichtung“ in Abbildung 5
beispielhaft dargestellt ist.
154 Philipp Mayr, Anne-Kathrin Walter
Anfrageterm
Ausgangsvokabular
Zielvokabular
Relationen
Zielterme
„Bildungs-
einrichtung“
Thesaurus
Sozialwissen-
schaften
SWD Psyndex
Terms
Bildungs-
einrichtung
Bildungs-
zentrum
=h <m
Schulen
<m
Hochschulen
>m
Abb. 5: Beispiel für die Rückgabe (Baumdarstellung)
AT1
(TM)
(ZV2)(ZV1)
(AV) (ZV)
Legende:
AT = Ausgangsterm
AV = Ausgangsvokabular
ZV = Zielvokabular
RT = Relationstyp
TM = Transformationsmethode
(RT)
Request
AT2
...
Abb. 4: Format der Anfrage

3.2 Datenbasis des Heterogenitätsservice
Die Erstellung von Crosskonkordanzen erfolgt in Tabellen, die allerdings als
Datenbasis für den Heterogenitätsservice nicht geeignet sind, da sie leicht ver-
ändert oder einfach verschoben, bzw. gelöscht werden können. Für eine persis-
tente Speicherung, die gleichzeitig einen zuverlässigen Zugriff ermöglicht, bie-
tet es sich an, die Crosskonkordanzen in einer Datenbank abzulegen. Ein weite-
rer Vorteil davon ist, dass eine Selektierbarkeit und Auswahl der Relationen
nach unterschiedlichen Kriterien möglich ist.
Die Speicherung in einer Datenbank erfordert ein Tabellen-Schema, das fol-
genden Anforderungen genügen muss.
(1) Kein Informationsverlust gegenüber den Tabellen, in denen die Konkordan-
zen erstellt werden: Sämtliche Angaben über Relationen, Relevanzen und
Zielterme müssen in der Datenbank wieder zu finden sein.
(2) Selektierbarkeit: Die Crosskonkordanzen sollten nach verschiedenen Krite-
rien selektierbar sein.
§Ausgangsterm: Die Transformation einer Anfrage muss bearbeitet werden
können, ohne jede Crosskonkordanz einzeln durchsuchen zu müssen, da-
her werden alle Relationen in einer einzigen Tabelle abgespeichert. Ter-
me, die aus unterschiedlichen Thesauri kommen, sich aber nur in der
Groß-/Kleinschreibung oder hinsichtlich der Schreibweise von Umlauten
unterscheiden, müssen ebenfalls durch eine einzelne Abfrage zu ermitteln
sein. Neben der Originalschreibweise werden sie daher auch in einer nor-
mierten Schreibweise (Großschreibung und ohne Umlaute) vorgehalten.
§Ausgangs- und Zielvokabular: Die Speicherung aller Relationen in einer
Tabelle erfordert, dass eine Zuordnung von Relation zu Konkordanz mög-
lich ist. Daher wird für jede Transformation Ausgangs- und Zielvokabular
in extra Spalten gespeichert.
§Relationstyp: Da die verschiedenen Relationstypen unterschiedliche Aus-
wirkungen auf die Treffermenge haben, sollte es möglich sein, die Rela-
tionen auf einen Typ (siehe Abschnitt 3.1 Inhaltliche Realisierung), z.B.
die Äquivalenzrelation, zu begrenzen.
Vor dem Laden in die Datenbank werden sowohl Terme als auch Relationen und
Relevanzen auf syntaktische Korrektheit überprüft, d.h. die richtige Schreibwei-
se für die Terme, sowie nur die erlaubten Relationen und Relevanzen. Erwäh-
nenswert ist, dass nicht alle Terme eines Thesaurus auch in den Termtransfor-
mations-Tabellen zu finden sind, da zum Teil nur Ausschnitte von Thesauri ver-
knüpft wurden (z.B. sozialwissenschaftlicher Ausschnitt der SWD in der Cross-
konkordanz TheSoz-SWD, Ausschnitte der Medical Subject Headings).
Einsatzmöglichkeiten von Crosskonkordanzen 155

3.3 Spezifika von Crosskonkordanzen
Indirekte Term-Transformationen
Da der Aufwand für eine vollständige Verknüpfung aller Vokabulare in der Re-
gel zu groß ist, besteht als konzeptuelle Erweiterung der Crosskonkordanzen die
Möglichkeit indirekte Term-Transformationen anzuwenden. Beispielsweise
wird ein Ausgangsterm in Thesaurus C gefunden (siehe auch Abbildung 6), es
gibt aber keine direkte Transformation in Thesaurus A, allerdings besteht eine
Konkordanz zwischen B und A. Thesaurus B könnte indem Fall als sogenannte
„Switching Language“ benutzt werden, um ebenfalls Term-Transformationen
in Thesaurus A zu erhalten.
Kontext des Ausgangsterms: Problem der duplizierenden Abbildung
Erfolgt bei der Abfrage einer Term-Transformation keine Einschränkung auf
ein Ausgangsvokabular (fehlendes Mapping von Ausgangsterm zu kontrollier-
tem Vokabular, vgl. Abbildung 7) erhält man das Problem der „duplizierenden
Abbildung“. Im Fall der „duplizierenden Abbildung“ ist es möglich, dass der
Ausgangsterm syntaktisch zeichengleich in mehreren Thesauri vorkommt (Bei-
spiel: Deskriptor „Internet“), z.B. in Abbildung 7 in Thesaurus B und Thesaurus
C. Die Folge ist, dass entschieden werden muss, welche Transformationen an-
gewendet werden: die von Thesaurus C nach Thesaurus A und D (durchgezoge-
ne Linie in Abbildung 7) oder die von Thesaurus B nach Thesaurus A und D
(gestrichelte Linie in Abbildung 7).
156 Philipp Mayr, Anne-Kathrin Walter
Aus-
gangs-
term
Thesaurus
C
Thesaurus
B
Thesaurus
A
Thesaurus
D
Abb. 6: Mapping zwischen Ausgangsterm und kontrolliertem Vokabular

Sind die jeweiligen Relationen von B und C nicht nur vom gleichen Typ, son-
dern zeigen auch auf dieselben Zielterme, hätte sich das Problem erübrigt.
Durch die Vagheit bei der Konkordanzerstellung und durch unterschiedliche
Fachkontexte des Thesaurus ist dies leider nur selten der Fall.
Ein Ansatz zur Behebung des Problems könnte das Auswerten der Relations-
typen sein. Bestehen die Relationen von Thesaurus B aus Äquivalenzrelationen,
die von Thesaurus C aber aus einer Äquivalenz- und einer Oberbegriffsrelation,
sollte Thesaurus B als Ausgangsvokabular gewählt werden. Eine weitere Mög-
lichkeit wäre, sämtliche Zielterme pro Thesaurus mit „ODER“-Relationen zu
verknüpfen, d.h. sowohl den der Relation von Thesaurus B als auch den der Re-
lation von Thesaurus C. Dies könnte allerdings negative Auswirkungen auf die
Qualität des Suchergebnisses haben. Welche Strategien und Heuristiken am
besten eingesetzt werden können, muss im Projekt noch ermittelt werden.
Mehrsprachige Deskriptoren
Ein Nutzer sucht beispielsweise in einem Fachportal, das Datenbanken inte-
griert, die mit unterschiedlichsprachigen kontrollierten Vokabularen erschlos-
sen sind. Z.B.
§Datenbank A, erschlossen mit Thesaurus AE (englischsprachig)
§Datenbank B, erschlossen mit Thesaurus BD (deutschsprachig), es existiert
eine englischsprachige Übersetzung
§Datenbank C, erschlossen mit Thesaurus CD (deutschsprachig)
§Datenbank D, erschlossen mit Thesaurus DD (deutschsprachig)
Einsatzmöglichkeiten von Crosskonkordanzen 157
Aus-
gangs-
term
Thesaurus
C
Thesaurus
B
Thesaurus
A
Thesaurus
D
Abb. 7: Kontext des Anfrageterms

Es existieren weiterhin folgende Crosskonkordanzen:
§Zwischen A und B
§Zwischen B und C
§Zwischen B und D
Ein englischsprachiger Nutzer verwendet dabei Deskriptoren des Thesaurus A,
dementsprechend wird auch nur die Konkordanz zu Thesaurus B angewendet.
In C und D werden aufgrund der englischen Terme in der Regel keine Doku-
mente gefunden. Hätte Thesaurus B keine englischsprachige Übersetzung,
müsste man B als Switching Vocabulary anwenden, um auch etwas in C und D
zu finden. Da es aber eine Übersetzung gibt, könnte man einem Nutzer diese
ebenfalls als Suchvokabular anbieten, so dass die direkten Transformationen an-
gewendet werden können. Ob dies einen Mehrwert gegenüber der indirekten
Transformation bringt, muss ebenfalls noch ermittelt werden.
5 Ausblick
Anfang 2005 konnte bereits mit einer ersten Voranalyse der in infoconnex ent-
standenen Crosskonkordanzen begonnen werden (siehe Mayr et al., 2005 und
Walter et al., 2006). Die bisherigen Arbeiten konnten empirisch zeigen:
§Die Crosskonkordanzen bringen trotz gewisser Überlappungen zwischen
den Vokabularen eine signifikante Vokabularerweiterung (Erweiterung des
Suchraums), die dem Recherchierenden ausgehend von jedem verbundenen
Vokabular zur Verfügung steht (siehe dazu Abbildung 8).
§Die Crosskonkordanzen erweitern die Treffermenge für Schlagwort-Anfra-
gen und erhöhen damit den Recall bei der datenbankübergreifenden Suche.
§Besonders im Bereich interdisziplinärer Fragestellungen konnte exempla-
risch gezeigt werden, dass Crosskonkordanzen einen informationellen Mehr-
wert bieten, da sie Nischen eines Fachgebiets mit potentiell zentraleren Be-
reichen eines anderen Fachgebiets verbinden können. „Weiterhin fällt auf,
dass die Überführung der TheSoz-Deskriptoren in das Vokabular des PsyT
(CK) terminologisch schwieriger ist und folglich viel häufiger Deskriptor-
kombinationen verwendet werden müssen, um die Semantik der The-
Soz-Deskriptoren auszudrücken. Beispiele hierfür sind „Arbeitslosigkeit +
Arbeiter“, „Gewerkschaft + Politik“ oder „Modell + Entwicklung“ (vgl. Wal-
ter et al., 2006).
Zusätzlich zur quantitativen Analyse ist für die nächsten Monate imProjekt Ko-
MoHe eine qualitative Analyse der erstellten Crosskonkordanzen geplant. Im
Mittelpunkt der qualitativen Evaluation steht die Untersuchung der durch Term-
158 Philipp Mayr, Anne-Kathrin Walter

transformationen für den Nutzer erreichbaren Dokumente. Diese zusätzlichen
Dokumente sollen durch Relevanzmessungen gemäß dem Verfahren der TREC
und CLEF-Studien über externe Dokumentbewertungen evaluiert werden. Un-
sere Arbeitshypothese lautet:
Die eingesetzten Crosskonkordanzen verbessern das Sucherlebnis, indem sie
mehr und präzisere Suchergebnisse (Dokumente) besonders in den durch Term-
transformationen verbundenen Datenbanken liefern. Die Crosskonkordanzen
verbessern das Sucherlebnis umso mehr, je deutlicher sich die so verbundenen
Datenbanken im Fachgebiet, Scope und Größe unterscheiden. Als Konsequenz
einer verstärkt integrierten Suche wird die Resultatsmenge interdisziplinärer,
d.h. es werden mehr relevante Dokumente aus benachbarten Fachgebieten
gefunden.
Folgende Tests sind vorgesehen:
1. Test innerhalb der Sozialwissenschaften: Es soll getestet werden an Anfragen
und Datenbanken aus dem disziplinären Bereich der Sozialwissenschaften.
Die natürlichsprachigen Nutzeranfragen und Topics werden von IuD-Exper-
ten in Deskriptoren des Thesaurus Sozialwissenschaften übersetzt und in die
Vokabulare anderer Datenbanken transformiert (siehe dazu Abbildung 8). Je-
weils drei Anfragen werden operationalisiert und an die entsprechenden Da-
tenbanken geschickt: 1) Die natürlichsprachige Anfrage, 2) die übersetzte
Anfrage (bestehend aus Deskriptoren) und 3) die transformierte Anfrage (be-
stehend aus Deskriptoren) werden im Freitextfeld (natürlichsprachige Anfra-
ge) und im Schlagwortfeld der Zieldatenbanken gesucht. Die nachfolgende
Relevanzbewertung der Ergebnisdokumente erfolgt durch die Nutzer (alter-
nativ Sachexperten) des Informationsangebots. Die Datenbanken werden an-
hand ihrer disziplinären Abdeckung und ihrer unterschiedlichen Dokument-
typen gewählt. Zusätzlich können die entgegen gesetzten Konkordanzen zum
Thesaurus Sozialwissenschaften evaluiert werden, indem die Anfragen in
Deskriptoren der anderen Datenbanken übersetzt, in Deskriptoren des The-
saurus Sozialwissenschaften transformiert und dann in der Datenbank
SOLIS (der Literaturdatenbank des IZ) gesucht werden.
Einsatzmöglichkeiten von Crosskonkordanzen 159
TheSoz
STW Bildung PsyT BISp IBLK
SWD
DZI DZA CSA-
Thes. ELSSTFES
Abb. 8: Netz der Crosskonkordanzen, ausgehend von Thesaurus Sozialwis-
senschaften

2. interdisziplinärer Test ausgehend von den Sozialwissenschaften: Weiterhin
sollen Ausgangsanfragen (reale natürlichsprachige Nutzeranfragen übersetzt
in Terme kontrollierter Vokabulare) aus anderen Fachgebieten in mit dem
Thesaurus Sozialwissenschaften kompatible Suchanfragen transformiert
werden und diese in SOLIS recherchiert werden. Zusätzlich wird auch hier
eine Freitext-Suche der natürlichsprachigen Nutzeranfrage getestet. Eine Re-
levanzbewertung der Ergebnismenge erfolgt wiederum durch den Nutzer (al-
ternativ Sachexperten) des Informationsangebots.
3. Interdisziplinärer Test ohne Beteiligung der Sozialwissenschaften: Cross-
konkordanzen, die nicht den Thesaurus Sozialwissenschaften involvieren,
sollen nach dem gleichen Verfahren stichprobenweise evaluiert werden.
Der besondere Fokus bei der Evaluation auf den Sozialwissenschaften liegt vor
allem in der einfachen Verfügbarkeit der Datenbanken begründet.
Die Evaluation der Crosskonkordanzen gliedert sich grob in folgende Schritte:
1. Lieferung realer Nutzeranfragen von den IZ- und Crosskonkordanz-Part-
nern. Die Partner wurden gebeten, die Nutzeranfragen möglichst operationa-
lisiert in Deskriptoren zu liefern.
2. Formulierung und Pretest der Suchanfragen zu den Evaluations-Szenarien.
3. Suche mit den ausgewählten Suchanfragen (drei Anfragen je evaluierter Nut-
zeranfragen) in den entsprechenden Datenbanken und Download der
Dokumente.
4. Import der Dokumente in das Assessment-Tool und externe Relevanzbewer-
tungen der Dokumente.
5. Auswertung der Relevanzbewertungen.
Wir erwarten im August 2007 erste Ergebnisse der Evaluation der Crosskonkor-
danzen vorlegen zu können.
Literatur
CARMEN-Projekt: CARMEN - Abschlussbericht des Arbeitspakets 12 (AP
12) Crosskonkordanzen von Klassifikationen und Thesauri, 2002. 44 S.
URL: http://www.opus-bayern.de/uni-regensburg/volltexte/2003/242/pdf
/CARMENAP12_Abschlussbericht_Netz.pdf
Hellweg, Heiko; Krause, Jürgen; Mandl, Thomas; Marx, Jutta; Müller, Matthias
N.O.; Mutschke, Peter; Strötgen, Robert (2001): Treatment of Semantic He-
terogeneity in Information Retrieval. Bonn: IZ Sozialwissenschaften. 47 S.
(IZ-Arbeitsbericht; Nr. 23)
160 Philipp Mayr, Anne-Kathrin Walter

URL: http://www.gesis.org/Publikationen/Berichte/IZ_Arbeitsberichte/pdf/
ab_23.pdf
Krause, Jürgen (2003): Standardisierung von der Heterogenität her denken:
Zum Entwicklungsstand Bilateraler Transferkomponenten für digitale Fach-
bibliotheken. Bonn: IZ Sozialwissenschaften. 32 S. (IZ-Arbeitsbericht; Nr.
28)
URL: http://www.gesis.org/Publikationen/Berichte/IZ_Arbeitsberichte/pdf/
ab_28.pdf
Krause, Jürgen; Mayr, Philipp (2006): Allgemeiner Bibliothekszugang und Va-
rianten der Suchtypologie - Konsequenzen für die Modellbildung in vascoda.
Bonn: Informationszentrum Sozialwissenschaften. 52 S. (IZ-Arbeitsbericht;
Nr. 38)
URL: http://www.gesis.org/Publikationen/Berichte/IZ_Arbeitsberichte/pdf/
ab_38.pdf
Marx, Matthias N.O. (2005): Empirische Ergebnisse zu Evaluation semanti-
scher Transformationen. Bonn: IZ Sozialwissenschaften. (unveröffentlichter
IZ-Arbeitsbericht)
Mayr, Philipp (2006a): Informationsangebote für das Wissenschaftsportal vas-
coda - eine Bestandsaufnahme. Bonn: Informationszentrum Sozialwissen-
schaften. 67 S. (IZ-Arbeitsbericht Nr. 37)
URL: http://www.gesis.org/Publikationen/Berichte/IZ_Arbeitsberichte/pdf/
ab_37.pdf
Mayr, Philipp (2006b): Thesauri, Klassifikationen & Co – die Renaissance der
kontrollierten Vokabulare? S. 151-170. In: Hauke, Petra; Umlauf, Konrad
(Hrsg.): Vom Wandel der Wissensorganisation im Informationszeitalter.
Festschrift für Walther Umstätter zum 65. Geburtstag. Bad Honnef: Bock +
Herchen Verlag. (Beiträge zur Bibliotheks- und Informationswissenschaft:
Band 1)
URL: http://edoc.hu-berlin.de/miscellanies/vom-27533/151/PDF/151.pdf
Mayr, Philipp; Stempfhuber, Maximilian; Walter, Anne-Kathrin (2005): Auf
dem Weg zum wissenschaftlichen Fachportal – Modellbildung und Integrati-
on heterogener Informationssammlungen. S. 29-43. In: Ockenfeld, Marlies
(Hrsg.): 27. DGI-Online-Tagung. Frankfurt am Main: DGI.
URL: http://www.ib.hu-berlin.de/~mayr/arbeiten/mayr_etal_dgi05.pdf
Petras, Vivien (2006): Translating Dialects in Search: Mapping between Specia-
lized Languages of Discourse and Documentary Languages. University of
California, Berkeley Berkeley, USA,
URL: http://www.sims.berkeley.edu/~vivienp/diss/
Strötgen, Robert (2004): ASEMOS. Weiterentwicklung der Behandlung se-
mantischer Heterogenität. S. 269-281. In: Bekavac, Bernard; Herget, Josef;
Einsatzmöglichkeiten von Crosskonkordanzen 161

Rittberger, Mark (Hrsg.): 9. Internationales Symposium für Informations-
wissenschaft (ISI 2004). Chur (Schriften zur Informationswissenschaft)
URL: http://www.stroetgen.de/Dokumente/isi2004.pdf
Walter, Anne-Kathrin; Mayr, Philipp; Stempfhuber, Maximilian; Ballay, Arne
(2006): Crosskonkordanzen als Mittel zur Heterogenitätsbehandlung in In-
formationssystemen. S. 205-225. In: Stempfhuber, Maximilian (Hrsg.): In
die Zukunft publizieren - 11. IuK-Jahrestagung. Bonn: IZ Sozialwissen-
schaften.
URL: http://www.gesis.org/information/forschungsuebersichten/
tagungsberichte/publizieren/iuk_tagungsband_11_walter.pdf
Zeng, Marcia Lei; Chan, Lois Mai (2004): Trends and Issues in Establishing In-
teroperability Among Knowledge Organization Systems. In: Journal of the
American Society for Information Science and Technology 55, Nr. 3, S.
377-395
Zhang, Xueying (2006): Rough set theory based automatic text categorization
and the handling of semantic heterogeneity. Bonn: IZ Sozialwiss. 151 S. S.
(Forschungsberiichte; Bd. 8) ISBN 3-8206-0149- X
162 Philipp Mayr, Anne-Kathrin Walter