ZBW-Studie zeigt: KI-Sprachmodell DistilBERT führend im automatischen Gewinnen von Schlagworten
Kiel, Hamburg, 17. Oktober 2023: Die ZBW – Leibniz-Informationszentrum Wirtschaft erforscht die Aktualisierung ihres Fachvokabulars durch den Einsatz von KI-gestützten Methoden. Eine aktuelle Studie zeigt, dass das vortrainierte BERT-Sprachmodell DistilBERT in der automatisierten Schlagwort-Extraktion besonders effektiv ist und die Möglichkeit bietet, den Standard-Thesaurus Wirtschaft (STW) unterstützt durch KI-Methoden zu aktualisieren.
Wissenschaftliche Bibliotheken verschlagworten ihre Literatur anhand genormter Wörterbücher, sogenannter Thesauri. Die zeitnahe und umfassende Aktualisierung derartiger spezialisierter Thesauri, stellt eine besondere Herausforderung dar – vor allem in sich thematisch schnell weiterentwickelnden Fachdisziplinen wie den Wirtschaftswissenschaften.
Die ZBW – Leibniz-Informationszentrum Wirtschaft, weltweit bekannt für ihren umfangreichen Standard-Thesaurus Wirtschaft (STW) mit 6.000 Schlagwörtern und über 20.000 alternativen Sucheinstiegen in Deutsch und Englisch, erforscht nun den Einsatz von KI-Technologien, um Schlagworte automatisch aus wissenschaftlichen Publikationen zu gewinnen und so Thesaurus zu aktualisieren.
Unter der Leitung von Dr. Ralf Krestel, Professor für Information Retrieval und Profiling, hat ein Forschungsteam der ZBW eine Methode entwickelt und getestet, die wichtige Fachbegriffe automatisch aus wissenschaftlichen Artikeln extrahiert, insbesondere aus Titeln und Abstracts. Das Team setzte vortrainierte BERT-Sprachmodelle ein und verglich deren Leistungsfähigkeit mit konventionellen Methoden wie TFIDF, TextRank und KeyBERT.
Die aktuelle Studie zeigt, dass das BERT-Modell DistilBERT insgesamt am effektivsten in der Schlagwort-Extraktion ist. Es konnte nicht nur präzise spezifische Schlüsselwörter aus den Wirtschaftswissenschaften identifizieren, sondern auch mehr potenzielle neue Begriffe für den Standard-Thesaurus Wirtschaft vorschlagen als konkurrierende Methoden.
Die Datengrundlage bildete ein Datensatz der ZBW, der der Datenbank ECONIS entstammt. Es wurden Titel, Abstracts und ausgewählte Metadaten, aber keine Volltexte, aus wissenschaftlichen Publikationen extrahiert. Die Metadaten umfassen Erscheinungsjahr und Sprache der Werke. Zudem wurden vorhandene Schlagwörter verschiedener Art hinzugefügt. So zum Beispiel Stichwörter, die von den Autor:innen frei gewählt wurden, als auch vorhandene normierte Schlagwörter. Die Analyse beschränkte sich auf Publikationen zwischen 2009 und 2021 und resultierte in einem Datensatz von 575.000 Einträgen.
Der Standard-Thesaurus Wirtschaft stellt das umfangreichste zweisprachige Fachvokabular für die Erfassung und Suche wirtschaftswissenschaftlicher Themen dar und bietet eine weitreichende Abdeckung nicht nur von wirtschaftlichen, sondern auch angrenzenden Fachgebieten. Verschiedenste Organisationen, wissenschaftliche Bibliotheken und Forschungsinstitute, darunter beispielsweise das Deutsche Institut für Wirtschaftsforschung, setzen den Standard-Thesaurus Wirtschaft für ihre thematische Erschließung und spezialisierte Recherche ein. Verantwortlich für die Pflege und Aktualisierung dieses wertvollen Ressourcenpools ist die ZBW – Leibniz-Informationszentrum Wirtschaft, das über den weltweit größten Bestand an wirtschaftswissenschaftlicher Literatur verfügt.
Weitere Informationen
Die vollständige Studie, „Domain-Specific Keyword Extraction using BERT“ von Jill Sammet und Ralf Krestel, ist im Workshop TermTrends, bei der LDK 2023, veröffentlicht worden und online verfügbar.
Pressebilder
