A Petőfi Irodalmi Múzeum személynév állományának egységesítése és szűrése Hozzájárulás az NDA névtér projectjéhez Networkshop 2008 Dunaújváros Kómár Éva.

Az előadások a következő témára: "A Petőfi Irodalmi Múzeum személynév állományának egységesítése és szűrése Hozzájárulás az NDA névtér projectjéhez Networkshop 2008 Dunaújváros Kómár Éva."— Előadás másolata:

1 A Petőfi Irodalmi Múzeum személynév állományának egységesítése és szűrése Hozzájárulás az NDA névtér projectjéhez Networkshop 2008 Dunaújváros Kómár Éva – Lengyel Mónika – Simon András

2 A Petőfi Irodalmi Múzeum szolgáltatásai Életrajzi típusú adatbázisok – történetük, gyűjtőkörük A HunTéka múzeumi alkalmazása Névállomány szűrése és egységesítésének problematikája Az egységesítés elméleti előkészítése Az egységesítés végrehajtása – authority controll Miről lesz szó? Networkshop – 2008 Dunaújváros

3 A Múzeum Gyűjtőköre Magyar irodalom tárgyi, képi, kéziratos, nyomtatott és hangzó dokumentumainak gyűjtése Feladata A muzeológiai forrásanyag felkutatása, gyűjtése, őrzése, feldolgozása, szolgáltatása és bemutatása kiállításokon Háttérkutatások A gyűjteményi feldolgozáson és szolgáltatáson túlmutató tudományos feltáró munka eredménye az alapkutatási adatbázisok A Petőfi Irodalmi Múzeum szolgáltatásai Networkshop – 2008 Dunaújváros

4 Magyar életrajzi index Magyar emigráns írók és műveik Magyar írók sírjai Francia becsületrend magyar kitüntetettjei Diplomások adattára Kortárs magyar írók adattára Magyar főnemesség genealógiája Magyar családtörténeti adattár Díjak és díjazottak Életrajzi típusú adatbázisok – történetük, gyűjtőkörük 1. Networkshop – 2008 Dunaújváros

5 Magyar életrajzi index Networkshop – 2008 Dunaújváros Életrajzi típusú adatbázisok – történetük, gyűjtőkörük 2.

6 Magyar emigráns írók és műveik Networkshop – 2008 Dunaújváros Életrajzi típusú adatbázisok – történetük, gyűjtőkörük 3.

7 Magyar családtörténeti adattár Networkshop – 2008 Dunaújváros Életrajzi típusú adatbázisok – történetük, gyűjtőkörük 4.

8 Az átállás indokai Elavult technológia: Access Az adatbázisok elszigeteltségének megszüntetése Konklúzió Egységes múzeumi és könyvtári integrált rendszer létrehozása, bevezetése Networkshop – 2008 Dunaújváros A HunTéka múzeumi alkalmazása 1.

9 Access – HunTéka konverzió specifikálása HunMARC megfeleltetés Szabványos elemeknél részletesebb adatkör 900-as mezőtartomány felhasználása A HunTéka múzeumi alkalmazása 2. Networkshop – 2008 Dunaújváros

10 A HunTéka múzeumi alkalmazása 3. Példák Networkshop – 2008 Dunaújváros

11 A HunTéka múzeumi alkalmazása 4. 900-as mezőtartomány felhasználása Networkshop – 2008 Dunaújváros

12 Névállomány szűrése és egységesítésének problematikája 1. Több mint 600.000 név besorolási rekord A különböző forrásokból érkező eltérő tartalmú rekordok egyaránt megtartandó adatokat hordoznak Egyes esetekben a megkülönböztetést szolgáló kiegészítő adatelemek a redundanciát növelik Networkshop – 2008 Dunaújváros

13 Névállomány szűrése és egységesítésének problematikája 2. Technikailag háromféleképpen kerülhetett név az authorithy állományba: Az életrajzi tömbből A múzeum bibliográfiai adatbázisai felől, ha annak struktúrája miatt törzsadatként kellett kezelni A bibliográfiai rekordok felől – újként Networkshop – 2008 Dunaújváros

14 Névállomány szűrése és egységesítésének problematikája 3.

15 Névállomány szűrése és egységesítésének problematikája 4. A személynév besorolási rekordok alapfunkciói: A személy kizárólagos azonosítása Személy kereshetősége Szabványosság Ellenőrzés biztosítása Networkshop – 2008 Dunaújváros

16 Egységesítés elméleti alapjai Eminens rekord fogalma: Ugyanazon természetes személyt leíró rekordok közül a hitelesnek elfogadott Alapmezők és járulékos mezők: alapmező: név és születési dátum (100$a$j$d) járulékos mező: további besorolási és kapcsolódó bibliográfiai adatok (6xx, 9xx) Networkshop – 2008 Dunaújváros

17 Normalizált alakok előállítása: Keresztnevek (helyesírás, gépelési hibák) eltérő írásmódok kiküszöbölése dátum értékek ellenőrzése Networkshop – 2008 Dunaújváros Előmunkálatok

18 Rekordok értékelése év szerint 1: Arany Bálint 1854-1943 2: Nagy József 1965- 3: Schőner Dezső -1945 4: Szabó Ödön -198? 5: Frankenburg Adolf 1911-1884 járulékos mezőkkel való kitöltöttség és adathelyesség szerint Networkshop – 2008 Dunaújváros

19 Egyesítés - behasonlítás Azonos rekordok kiválasztása: Varga | Jenő | 1878- | 1878 | | PPT Varga | Jenő | 1879-1964 | 1879 | 1964 | KAU Varga | Jenő | 1879-1964 | 1879 | 1964 | INT Varga | Jenő | 1879-1964 | 1879 | 1964 | INE Varga | Jenő | 1879-1964.| 1879 | 1964 | LNT Varga | Jenő | 1880- | 1880 | | PPT Varga | Jenő | 1882- | 1882 | | PPT Varga | Jenő | 1883-1964 | 1883 | 1964 | INT Varga | Jenő | 1893. k. -| 1893 | | INT Varga | Jenő | 1895-1965 | 1895 | 1965 | INT Varga | Jenő | 1910- | 1910 | | PPT Varga | Jenő | 1941-1999 | 1941 | 1999 | INT Varga | Jenő | -1971 | | 1971 | INE Varga | Jenő | 1974- | 1974 | | PPT Varga | Jenő | -1986 | | 1986 | INE Varga | Jenő | -1989 | | 1989 | INE Networkshop – 2008 Dunaújváros

20 Egyesítés – kiegészítő tartalom – „határok” Járulékos mezők, és adathelyesség 090 __ a PPT090 __ a INE100 __ a Varga j Jenő d 1910-d -1989 900 __ a 1910.667 __ a gépészmérnök 902 __ a Fiume905 __ a 1989. I. 19 924 __ a 1933906 __ a Bp.? o diploma éve909 __ a 79 925 __ a JME943 __ a MN 1989. febr. 16 926 __ a Gépészmérnök Networkshop – 2008 Dunaújváros

21 Eminens rekordok megjelölése 1. Osztályozás [1..5] Forrás adatbázisok prioritás listája alapján A 6xx, 9xx mezőkkel gazdagabban kitöltött Sorrendben előbb lévő Időanomália kezelése Networkshop – 2008 Dunaújváros

22 Eminens rekordok megjelölése 2. Mechanikus szűrés Tökéletes egyezés esetén Intelligens szűrés Kapcsolódó művek kiadási dátuma Névadatbázison belüli utalók (400, 500) alapján Networkshop – 2008 Dunaújváros

23 Besorolási rekordok fizikai összeolvasztása Automatizálható folyamatok A járulékos mezők meghatározott algoritmus szerinti felül-, illetve melléírása Ismétlődő tartalmak szelektálása Bibliográfiai rekordkapcsolatok összevonása Kézi beavatkozást igénylő munka Családfa adatbázisokból származó rekordok Networkshop – 2008 Dunaújváros

24 Összegzés A célkitűzés és megvalósulása NEM az emberi munka teljes kizárása A szellemi munka folyamatának gépi egységekre bontása A 600.000 átfésülendő rekord néhány ezerre való lecsökkentése Networkshop – 2008 Dunaújváros