Abstract Die Zugänglichkeit zunehmend digital verfügbarer historischer Bestände der Staatsbibliothek zu Berlin (SBB) soll auf Grundlage des Inhalts der Werke zu- künftig weiter ausgebaut werden. Im Referat Data Science wurden entspre- chende Lösungen erarbeitet, mit deren Hilfe, basierend auf der Erkennung und Verlinkung von in den Texten genannten Entitäten, automatisch seman- tische Anreicherungen generiert werden können. Der Beitrag beschreibt, wie unter Zuhilfenahme von Technologien aus dem Bereich der Künstlichen Intelligenz bzw. des Maschinellen Lernens, sowie Wikidata und Wikipedia als Wissensdatenbanken, Entitäten identifiziert, klassifiziert und verknüpft wer- den. Wir stellen eine Fallstudie zum Topic Modeling mit Named Entities vor und zeigen Zukunftsperspektiven für die Weiterentwicklung auf.
{{detailinfo.data.api.data.document[0].apa}}
{{detailinfo.data.api.data.document[0].vancouver}}
{{detailinfo.data.api.data.document[0].harvard}}