Whitepaper Thesauri en Smartsite

Transcriptie

1 Whitepaper Thesauri en Smartsite HET GEBRUIK VAN THESAURI 2 INLEIDING 2 METADATA EN SMARTSITE 2 THESAURI EN LIJSTEN 3 OPBOUW THESAURUS 3 Relatie-indicatoren 3 De hiërarchische relatie BT/NT 3 De equivalente relatie U/UF 4 De associatieve relatie RT 4 SMARTSITE THESAURUS FUNCTIONALITEIT 5 TYPE STRUCTUUR 5 TYPE RELATIE 6 KENMERKEN(TERMDATA) 7 THESAURI, TAXONOMIEËN, ONTOLOGIEËN EN FOLKSONOMIES 8 TAXONOMIE 8 Toepassing 9 THESAURUS 9 Toepassing 10 FOLKSONOMY 11 Toepassing 11 Datum: November 2007 Versie: Smartsite Software BV 1

2 Het gebruik van Thesauri Inleiding De vertaling van het Latijnse woord Thesaurus is in het Nederlands: schatkamer. Dit geeft al aan welke waarde er aan een goed opgezette thesaurus gegeven kan worden; een goed opgezette thesaurus maakt het mogelijk om op een gestructureerde manier meta-informatie aan de content van een site toe te voegen. Door de onderlinge relaties van de meta-informatie kunnen we de inhoud van de site op een nog betere manier ontsluiten. In deze en volgende paragrafen wordt een analyse gemaakt van de verschillende onderdelen van een thesaurus in het algemeen. Deze analyse is voornamelijk ontleend aan document van het Amerikaanse instituut voor standaardisatie: NISO. Het document is getiteld: Guidelines for the Construction, Format, and Management of Monolingual Thesauri ANSI/NISO Z (Revision Z ) ISSN: ISBN: Dit document kunt u vinden op de website van de National Information Standards Organization (NISO): Een definitie die door de National Information Standards Organization (NISO) wordt gegeven voor een thesaurus is: Een thesaurus is een gecontroleerde en geordende woordenlijst waarin equivalente, homografische, hiërarchische en associatieve relaties tussen termen eenduidig zijn vastgelegd door gestandaardiseerde relatie-indicators die ook omkeerbaar zijn. Het doel van een thesaurus is het bevorderen van consistentie bij het indexeren van documenten, voornamelijk bedoeld voor systemen voor het beheren en opslaan van informatie, en het faciliteren van zoekmogelijkheden door het verbinden van termen op basis van de relatie-indicators. Metadata en Smartsite Uit de definitie van de thesaurus kun je afleiden dat een thesaurus gebruikt wordt voor het toekennen van meta-informatie aan items. Meta-informatie speelt binnen Smartsite namelijk een belangrijke rol. Veel van de meta-informatie die binnen Smartsite aan items wordt toegekend is geautomatiseerd. Men kan hierbij denken aan de datum wanneer een item bewerkt is of het contenttype waar het item op is gebaseerd. Echter, deze meta-informatie zegt niets over de inhoud van het item - zij wordt alleen gebruikt voor de technische mogelijkheden van Smartsite: items kunnen gesorteerd worden weergegeven op datum van aanmaak of gegroepeerd per contenttype. Wil je iets kunnen zeggen over de inhoud van een item dan zul je gebruik moeten maken van woordenlijsten die bestaan uit een verzameling algemene en conceptuele termen. Door deze termen toe te kennen aan items kunnen deze items worden gecategoriseerd. Naast een lijst van algemene termen kan men ook gebruik maken van een lijst van trefwoorden. Dat zijn woorden die niet zo zeer conceptueel van aard zijn maar die hele specifieke kernwoorden zijn voor bepaalde delen van een tekst. Voor de duiding van de inhoud van een item zouden meerdere trefwoorden van toepassing kunnen zijn Smartsite Software BV 2

3 Voor het toekennen van categorieën en trefwoorden aan items worden vaak afzonderlijke lijsten gebruikt. Dit wordt gedaan om de aangeboden hoeveelheid informatie - de hoeveelheid woorden in een lijst - overzichtelijk te houden. Met behulp van een thesaurus kunnen deze woordenlijsten gecombineerd worden. Thesauri en lijsten Het combineren van woordenlijsten tot een thesaurus heeft als voordeel dat er nu relaties bestaan tussen de woorden onderling. Het bestaan van deze relaties werkt twee kanten op: Op basis van een geselecteerde categorie kan de gebruiker een tweede lijst (of derde lijst) van sub(sub)-categorieën worden aangeboden die het mogelijk maken het item nog duidelijker te specificeren. Deze lijst van sub-categorieën wordt aangeboden op basis van een relatie die de termen in die lijst het hebben met het woord dat is gekozen als categorie. Bijvoorbeeld het toekennen van type vervoermiddel als trefwoord, kan via de drie-traps constructie: hoofdcategorie:vervoermiddel met subcategorie niet-gemotoriseerd, leiden naar selectie uit een beperkte lijst waarin Rijwiel voorkomt. Aan de andere kant kan bij het zoeken van informatie op een site ook gebruik gemaakt worden van de relaties die tussen de woorden onderling staan. Op een eenvoudige manier kan bij een geselecteerde pagina in de site een overzicht gegeven worden van andere pagina s met gelijkwaardige of gelijksoortige informatie op basis van de relaties die er tussen de metainformatie van die pagina s bestaat. Bijvoorbeeld het verzamelen van pagina s met het trefwoord rijwiel, kan uitgebreid worden met pagina s met het synoniem fiets. Opbouw thesaurus Relatie-indicatoren Een van de belangrijke verschillen tussen een thesaurus en andere vocabulaire lijsten is dat de woorden in de lijst (ook wel hoofdwoordenlijst genoemd) onderling gerelateerd zijn. Een ideale thesaurus bevat dan ook geen wezen, dat wil zeggen termen die op geen enkele wijze gerelateerd zijn aan enige andere term. Er worden drie typen relaties onderscheiden binnen een thesaurus: De hiërarchische relatie; De associatieve relatie; De equivalente relatie. Elk van deze relaties heeft de eigenschap dat zij omkeerbaar is, i.e., elke relatie tussen term A en term B heeft een corresponderende relatie tussen term B en term A. De hiërarchische relatie BT/NT Dit type relatie is de primaire eigenschap van een thesaurus waarmee deze zich onderscheidt van een ongestructureerde woordenlijst. Voor het beschrijven van de hiërarchische relatie worden de volgende relatie-indicatoren gebruikt: BT (Broader Term) - label voor het bredere begrip/term NT (Narrower Term) - label voor het specifieke begrip/term Hiërarchische relaties tussen termen onderling kunnen in verschillende situaties een rol spelen Smartsite Software BV 3

4 Voorbeelden: Klasse Leden relatie: Een auto is een voertuig Geheel Deel relatie: Zuid-Holland is een provincie van Nederland Categorie relatie: De Alpen zijn een Berggebied Relatie Indicator Afkorting Hiërarchie BROADER TERM BT NARROWER TERM NT Equivalentie USE U USED FOR UF Associatie RELATED TERM RT De equivalente relatie U/UF Wanneer een bepaald concept beschreven kan worden door twee of meer termen dan moet een keuze gemaakt worden welke van deze termen de voorkeur krijgt boven de andere(n). De (quasi)synoniemen van de voorkeursterm zijn niet de woorden die in de hoofdwoordenlijst terecht dienen te komen. Deze woorden kunnen als ingang gebruikt worden, maar het is niet wenselijk dat deze termen ook andere relaties onderhouden met termen uit de hoofdwoordenlijst van de thesaurus. Onderlinge relaties worden alleen gelegd met de termen in de hoofdwoordenlijst. Welke term de voorkeursterm is wordt bepaald door de context van de thesaurus. Wanneer bijvoorbeeld een chemische thesaurus wordt gemaakt dan zullen de chemische termen de voorkeurstermen zijn, terwijl algemene omschrijving van die termen als equivalenten worden ingevoerd. De associatieve relatie RT Deze relatie omvat die termen die noch equivalent, noch hiërarchisch tot elkaar in relatie staan. Toch staan deze termen op een of andere manier, conceptueel dan wel semantisch, in relatie tot elkaar. Voor het beschrijven van de associatieve relatie wordt de relatie indicator RT (relational term) gebruikt. Binnen de associatieve relatie kunnen we nog onderscheid maken tussen relaties tussen termen uit dezelfde hiërarchie en termen uit verschillende delen van de hiërarchie. Voorbeeld Boten en Schepen zijn allebei termen die tot de klasse (BT) Voertuigen behoren. Voor beide kan een afzonderlijke complete beschrijving gemaakt worden omdat de termen Boten en Schepen zich binnen de scheepvaart duidelijk onderscheiden door bijvoorbeeld afmetingen en tonnage. Het is dus niet zo dat een van de termen Boten en Schepen equivalent (U/UF) zijn. Conceptueel gezien staan deze termen echter wel in relatie tot elkaar. Een associatieve relatie (RT) tussen deze twee termen is dus op zijn plaats. Paarden, Ezels en Muilezels behoren allemaal tot de familie van de Equidae, net als bijvoorbeeld Zebra s. Tussen Paarden en Ezels bestaat er niet direct een verband anders dan hun beider relatie tot een bredere term: Equidae. Echter, voor beiden geldt dat er een relatie bestaat tot de Muilezel, een dier dat een kruising is tussen een paard en een ezel. Beide termen kunnen dus een associatieve relatie aangaan met de term Muilezel Smartsite Software BV 4

5 Equidea BT/N T BT/NT BT/N T Paard Ezel RT Muil ezel RT Smartsite Thesaurus functionaliteit Binnen Smartsite kun je zelf thesauri definiëren. Feitelijk heeft de thesaurusfunctionaliteit van Smartsite de mogelijkheid om gestructureerde lijsten van termen te definiëren. Om een thesaurus (gestructureerde lijst) van termen of elementen te bouwen hebben we de volgende onderdelen nodig: Structuur van de lijst van elementen; Relatie tussen de elementen; Kenmerken van de elementen. Al deze onderdelen zijn binnen Smartsite beschikbaar. Type Structuur Een structuur kan verschillende vormen aannemen: Pad: alle termen hebben slechts een 1 op 1 relatie met elkaar (is feitelijk geen hiërarchische relatie) Smartsite Software BV 5

6 Binaire boom Boom Netwerk Deze structuren kunnen binnen Smartsite gebruikt worden om een thesaurus te definiëren. Type relatie Hoewel voor de meeste thesauri slechts de BT, NT, RT en U/UF (Use/Use For) relaties kennen, kun je met Smartsite je eigen relaties definiëren. De Smartsite thesaurus functionaliteit biedt hiervoor ruime mogelijkheden Smartsite Software BV 6

7 In Smartsite kun je drie typen relaties definiëren: Directed Undirected Reciproke De gebruikte Smartsite terminologie is afwijkend van de terminologie die vaak in het thesaurus domein gebruikt wordt. Daar spreekt men van semantische relaties die symmetrisch of asymmetrisch zijn. Voorbeeld van typische thesaurus relaties Type thesaurus relatie Eigenschap Type Smartsite Voorbeeld Hiërarchisch BT/NT Asymmetrisch Reciproke Tweewielers Rijwiel Equivalent U/UF Asymmetrisch Reciproke Rijwiel Fiets Equivalent Scopenote Asymmetrisch Directed Rijwiel is een stalen constructie met 2 wielen die voortgestuwd wordt door een vernuftig trapmechanisme Associatief RT Symmetrisch UnDirected Rijwiel Fietsendrager Kenmerken(termdata) Binnen Smartsite wordt de equivalentie relatie (U/UF) geïmplementeerd via het Termdata begrip. Dit kun je zien als een kenmerk van een term. Deze kenmerken komen dan ook niet als term voor in de thesaurus hoofdwoordenlijst. Voorbeeld Binnen een chemische thesaurus zullen de technische termen de voorkeursterm zijn. Deze termen komen in de thesaurus te staan. De synoniemen worden als Termdata U/UF aan de voorkeurstermen toegevoegd. Voorkeursterm Synoniem USE USED FOR acetylsalicylzuur aspirine acetylsalicylzuur acetylsalicylzuur natriumchloride zout natriumchloride natriumchloride Uiteraard kunnen er meerdere U/UF termen (lees synoniemen) aan een thesaurusterm toegewezen worden. Een belangrijk voordeel van het generieke Termdata concept is dat je er niet alleen (equivalentie) U/UF relaties mee kunt implementeren in een Smartsite thesaurus. Je kunt Termdata ook voor andere toepassingen inzetten. Bijvoorbeeld voor het aangeven van de scope (uitleg van een term), bron, afkorting, codenummer, etc. Hoofdtermlijst Term Term Termdata Scope Code Scope Syn Term Scope Term Syn Syn S Term Term Scope Smartsite Software BV 7

8 Thesauri, Taxonomieën, Ontologieën en Folksonomies Een van de praktijkproblemen waar beheerders van Smartsite en in het algemeen beheerders van informatie tegenaan lopen, is het ordenen van (grote) hoeveelheden informatie. Veel gehoorde en toegepaste begrippen zijn dan taxonomie, thesaurus, ontologie en de laatste tijd folksonomy. De laatste is nieuw en hangt nauw samen met internet. In hoeverre een taxonomie, thesaurus, ontologie of folksonomy behulpzaam kan zijn, wordt hieronder geïllustreerd. De verschillen tussen taxonomie, thesaurus en ontologie zijn niet precies te duiden. Vaak is het afhankelijk van het domein waar deze begrippen worden toegepast. Binnen de bibliotheekwereld is de thesaurus een bekend begrip, binnen kennisinstellingen wordt vaak gesproken over taxonomieën en de ICT internetwereld spreekt weer over ontologieën. Taxonomie Al dan niet grote hoeveelheden informatie ordenen is lastig. Denk maar aan de privé CD verzameling. De omvang van een doorsnee CD verzameling is algauw enkele honderden CD s. Categoriseren van zo n verzameling is dan vaak nodig, bijvoorbeeld op genre: Populair: Punk Pop Rock - Metal Klassiek: Barok Romantisch Modern Postmodern Genre muziek Klassiek Populair Barok Roman tisch Modern Post modern Pop Punk Rock Metal Als je in een bepaalde stemming bent, kun je snel via dit systeem een passende CD opzetten. Bovenstaande indeling kun je een taxonomie noemen. Een taxonomie is een indeling van objecten op basis van een specifiek kenmerk, in dit geval genre muziek. Kenmerk van een taxonomie is dat deze strikt hiërarchisch is. Elk element heeft precies een ouder. Verder is elk kind van een ouder een instantie van die ouder. In geval van de CD verzameling hebben we genre gekozen als kenmerk en kunnen we onder Klassiek niet Beethoven of Mozart plaatsen omdat deze niet voldoen aan het genre kenmerk. Je kunt je voorstellen dat informatie meer dan één aspect heeft, en daarmee op verschillende manier te categoriseren is. Zo n taxonomie wordt dan een multi-faceted taxonomie genoemd. Voor het opstellen van een multi-faceted taxonomie bestaan geen officiële standaarden. Er zijn wel een aantal methodieken ontwikkeld waarmee je een Multi-faceted taxonomie kunt opstellen. Een bruikbare aanpak is de PMEST. PMEST staat voor: Personality: het object zelf: dier, document, voorwerp, concept. Material: waar is het van gemaakt, samenstelling. Energy: hoe verandert het, hoe werkt het, proces. Space: waar bevindt het zich, locatie. Time: wanneer gebeurt het, periode Smartsite Software BV 8

9 Met PMEST probeer je de relevante en universele categorieën (facets) van een object op te sommen. Een andere methodiek is BC2. BC2 staat voor Bliss Bibliographic Classification. Een voorbeeld van een PMEST classificatie is de ordening van recepten waarbij gekozen kan worden op menugang, ingrediënten, bereiding, type keuken en seizoen. Facet Menugang Ontbijt, Lunch, Diner, Voorgerecht, Hoofdgerecht, Nagerecht Ingrediënten Groente, Vlees, Vis, Pasta, Aardappel, Vet, Wijn Bereiding Grillen, Bakken, Stoven, Rauw, Koken Type keuken Frans, Spaans, Italiaans, Marokkaans, Turks Seizoen Voorjaar, Winter, Najaar, Zomer PMEST categorie Personality - Onderwerp Matter Samenstelling, Materie Energy - Proces Space Geografische locatie Time - Jaarperiode Toepassing Binnen Smartsite kun je dit op verschillende manieren implementeren. Bijvoorbeeld door gebruik te maken relaties of door elke facet als aparte lijst (thesaurus) te presenteren. Een toepassing van een taxonomie binnen een Smartsite website is bijvoorbeeld het veld Categorie. Hiermee kan een redacteur aangeven tot welke categorie (of categorieën) een content-item behoort. Bij de ontsluiting van informatie op de website kan hiervan gebruik worden gemaakt door bijvoorbeeld gerelateerde items op basis van de categorie te tonen, of door een alternatieve navigatiestructuur te bieden. Zie onder: Een taxonomie fungeert in bovenstaande voorbeelden als een hulpmiddel voor navigatie. Een ander toepassing van een taxonomie is om de inhoudelijke kant te beschrijven. In het geval van de CD verzameling zal het dan gaan om de aboutness van de muziek. Een mogelijke indeling zou dan kunnen zijn moord en doodslag (opera s, heavy metal), zon, zee en strand (surfmuziek, zomerhitjes, caribisch), eenzaam maar niet alleen (musicals, ballad s), liefde (alle genre s), etc. Thesaurus Een thesaurus richt zich vaak meer op de inhoud van de informatie dan het type of soort informatie. Bij een thesaurus spelen verschillende relaties (NT/BT, RT en U/UF) een rol, kunnen de termen gerelateerd zijn en mag een term kind zijn van een of meer ouders. Een voorbeeld van een thesaurus is de NIZW thesaurus. Hierin wordt het begrippendomein uit de Zorg en Welzijn, gepresenteerd Smartsite Software BV 9

10 Voorbeeld thuislozenzorg Scopenote zorg voor mensen die geen vast onderdak hebben en een zwervend bestaan leiden UF dak- en thuislozenopvang dak- en thuislozenzorg daklozenopvang thuislozenopvang BT maatschappelijke opvang zorg NT dienstencentra (thuislozen) meerzorg passantenhotels passantenverblijven pensions (zorg) straatadvocaten woonvormen dak- en thuislozen RT begeleid wonen dak- en thuislozen internaten locatieproblematiek thuisloosheid TNR 3057 Opmerkingen: Scopenote geeft een korte omschrijving van het begrip thuislozenzorg. Bij UF zien we de synoniemen van de term; Bij BT (Broader Term) zien we dat er meerdere ouders zijn: zorg en maatschappelijke opvang; Bij RT staan de termen die een associatieve relatie hebben met thuislozenzorg, bijvoorbeeld straatadvocaten en pensions; TNR is het interne identiteitsnummer van de term thuislozenzorg. Dit nummer is afhankelijk van de gebruikte software voor het onderhouden van een thesaurus; Toepassing Toepassing binnen Smartsite ligt op het gebied van trefwoorden toekennen aan contentitems voor het beschrijven van de inhoud van de content, maar ook bij het faciliteren van alternatieve navigatie. Bredere begrip van POLITIEK. In dit geval is het de Top van de thesaurus. Aanklikbaar en bedoeld voor navigatie naar boven in de thesaurus. Gerelateerde term, navigeren naar verwante termen. Items gekoppeld aan de term POLITIEK. Nauwere begrippen van POLITIEK. Deze zijn aanklikbaar en bedoeld voor navigatie naar beneden Smartsite Software BV 10

11 Een trefwoordenthesaurus kan ook worden gebruikt bij het zoeken naar informatie. Een zoekopdracht wordt dan verrijkt met informatie uit de thesaurus. Een bekend voorbeeld is het gebruik van de U/UF relatie (synoniemen) bij een zoekopdracht: zoeken naar rijwiel levert ook resultaten op waarin alleen het woord fiets voorkomt. Deze zoekaanpak is uitbreidbaar naar alle gedefinieerd relaties (BT, NT en RT) binnen een thesaurus. Het resultaat van een zoekopdracht wordt dan niet beperkt tot de vindresultaten die matchen met de zoekterm, maar ook worden er suggesties gedaan naar aanverwante resultaten. Folksonomy Macht aan de gebruiker In de praktijk blijkt het toepassen van metadata met behulp van taxonomie- of thesaurustoepassingen lastiger dan gedacht. Dat heeft enerzijds te maken met het verzamelen van de adequate trefwoorden en categorieën binnen een organisatie, anderzijds met het toekennen van de juiste trefwoorden, categorieën aan content door de redacteur. Internetontwikkelingen van de laatste tijd laten een vrijere vorm van het gebruik van trefwoorden zien. Onder de noemer van Usertagging of Folksonomy wordt de gebruiker uitgenodigd om zijn eigen metadata te koppelen aan informatie die zij of hij interessant vindt. Zie de sites van del.icio.us en flickr. Het toekennen van vrije metadata aan content is gebonden aan de bezoeker zelf. Deze zal zich moeten identificeren om een persoonlijke metadata verzameling op te bouwen en te koppelen aan content. Twee weten meer dan een De werkwijze is eenvoudig. Elke ingelogde bezoeker kan bijvoorbeeld trefwoorden toekennen aan de webpagina die hij bezoekt. Op zijn persoonlijke pagina heeft de bezoeker een overzicht van alle, door hem toegekende trefwoorden. Visueel kan eventueel duidelijk gemaakt worden welke trefwoorden vaak zijn toegekend. Om onderhoud te plegen, kunnen extra functies worden toegevoegd zoals het verwijderen en groeperen van trefwoorden. Een interessant gevolg van deze manier van metadatering is dat er gekoppeld kan worden met andere bezoekers die dezelfde trefwoorden voor al dan niet dezelfde content, gebruikt hebben. Bij een voldoende aantal bezoekers, zou je kunnen redeneren dat de toegekende trefwoorden, de lading (gekoppelde content) goed dekken. Het idee dat hier achter zit is het principe van Wisdom of the Crowds van James Surowiecki (2004). Binnen kennisgerichte internet toepassingen kan dit bij voldoende actieve participatie, een duidelijke verrijking opleveren. Folksonomies zijn typische toepassingen van WEB 2.0. Toepassing Voor Smartsite omgevingen is een folksonomy goed realiseerbaar. Voor het toepassen dient elke bezoeker in te loggen en een persoonlijke pagina krijgen. Bij de presentatie van een webpagina, zal er een functie moeten zijn waarmee de bezoeker zijn trefwoord kan koppelen aan het item. Vervolgens heeft de bezoeker op zijn persoonlijk pagina het overzicht van alle door hem toegevoegde trefwoorden. Hieronder staat een Smartsite voorbeeld van toepassing van een folksonomy Smartsite Software BV 11

12 Smartsite Software BV 12