Semantic-Web-Software der FU Berlin

Auf einer Webseite der FU Berlin sind zahlreiche Projekte versammelt, die sich mit dem semantischen Netz befassen. Neben zahlreichen Open-Source-Anwendungen (mit dem Schwerpunkt RDF) sind dort u.a. zu finden:

DBPedia:

dbpedia.org is a community effort to extract structured information from Wikipedia and to make this information available on the Web. dbpedia allows you to ask sophisticated queries against Wikipedia and to link other datasets on the Web to Wikipedia data.

RDF Book Mashup:

The RDF book mashup demonstrates how Web 2.0 data sources like Amazon, Google or Yahoo can be integrated into the Semantic Web. The RDF book mashup makes information about books, their authors, reviews, and online bookstores available on the Semantic Web. This information can be used by RDF tools and you can link to it from your own Semantic Web data. Altogether the book mashup published around a billion RDF triples on the Semantic Web (rough estimate).

Multipedias

Nur zur Info: Wikipedia bekommt immer mehr „Konkurrenz“. Neben Veropedia (siehe auch hier) gibt es auch Scholarpedia. Wie Linda Bee in Netgold schreibt:

Each article is written by an expert (invited or
elected by the public).

Each article is anonymously peer reviewed to ensure
accurate and reliable information.

Each article has a curator – typically its author —
who is responsible for its content.

Ich prophezeie einen ähnlichen Erfolg wie ihn Citizendium hat.

Arne Klempert im Literarischen Salon

Arne Klempert im Literarischen Salon Hannover

Arne Klempert (Geschäftsführer Wikimedia, Köln) hat am 29.10. einen Vortrag im Literarischen Salon Hannover gehalten, mit dem Titel „Textgärtner auf der Welt-Wissen-Wiese“. Es ging natürlich vorwiegend um Wikipedia.

Eigentlich sollte hier schon längst eine Videoaufzeichung des Abends einzusehen sein. Solange das nicht der Fall ist, muss sich der visuell orientierte Leser mit meiner photographischen Meisterleistung begnügen. Inhaltlich fand ein Querfeldeinlauf durch alle möglichen Themen statt, die gemeinhin mit Wikipedia in Berührung gebracht werden. Sinn und Zweck des Projektes, Vergleichbarkeit mit Printlexika, Zitierfähigkeit, etc.

Die zu Beginn im Raum stehende Frage, ob dieser Klempert nun derjenige ist, der die Wikipedia geschrieben, oder ob er sie nur aus dem Englischen übersetzt hat, konnte leider nicht abschließend geklärt werden.

eXtensible Catalog Project

Es gibt inzwischen zahlreiche OPAC-Alternativen. Aus dem deutschsprachigen Raum wären XOPAC und KUG und bald vielleicht auch Beluga zu nennen. In den USA ist die Softwarelandschaft diesbezüglich wesentlich heterogener. Vielleicht auch deshalb ist mir bisher das eXtensible Catalog Project entgangen. Selbstbeschreibung:

XC has the potential to allow future library users at any level of proficiency to get more out of academic library collections and to give academic libraries more control over how best to help people gather information. As envisioned, XC’s simple yet powerful interface will allow users to navigate through comprehensive search results sorted into useful categories that will give them the resources they seek more easily.

Das Projekt durchlief bisher eine erste Phase, in der ein Konzept erstellt wurde. Und auch für eine zweite Phase ist nun die Finanzierung gesichert. Wie Jennifer Bowen (Co-Principal Investigator des Projektes) in verschiedenen Mailinglisten schrieb, hat sich die Andrew W. Mellon Foundation dazu bereit erklärt, nach der ersten auch die zweite Phase zu finanzieren. Und das mit einer respektablen Summe:

A $749,000 grant from the Andrew W. Mellon Foundation to the University’s River Campus Libraries will be used toward building and deploying the eXtensible Catalog (XC), a set of open-source software applications libraries can use to share their collections. The grant money will also be used to support broad adoption of the software by the library community. The grant and additional funding from the University and partner institutions makes up the $2.8 million needed for the project. The resulting system will allow libraries to simplify user access to all library resources, both digital and non-digital. This is the second grant awarded to the University by the Mellon Foundation for XC development.

Quelle: New Grant to Improve Online Access to University Library Collections

Cory Doctorow (kein Info-Hippie, aber omnipräsent)

Cory Doctorow ist omnipräsent. Aber kein Infohippie. Behauptet er zumindest selbst:

Ich bin doch kein Info-Hippie. Zunächst verteile ich meine Geschichten kostenlos im Netz, weil ich so viele Bücher wie möglich verkaufen und steinreich werden will. Aber es gibt noch andere Gründe. Künstlerisch sehe ich das Kopieren als integrale Kulturtechnik des 21. Jahrhunderts an. Nie war es jedoch so schwierig, etwas zu kopieren. Durch den DRM-Kopierschutz werden innovative Impulse verhindert.

Zu den Geschichten des BoingBoing-Autors gehört unter anderem das kürzlich von mir gelesene und für gut befundene Backup. Und als ich mir sein Blog Craphound mal ansehen wollte, sehe ich doch im ersten Posting, dass der biblioblogweit bekannte Christian Spließ (of netbib fame) eine von Doctorows Geschichten ins Deutsche übertrug. Glückwunsch!

Ach ja, der elektrische Reporter interviewte Doctorow auch noch…

OCRopus

Google hat ein auf Tesseract basierendes Open-Source-OCR-Programm namens OCRopus in einer Alphaversion veröffentlicht. Ars Technica widmet sich diesem Release in einem kleinen Testbericht. Dort zeigt sich, dass sich das Programm zu Recht noch im Alpha-Status befindet:

We observed several common errors. For instance, the letter „e“ is often interpreted as a „c“ and the letter „o“ is often interpreted as a „0“ in scanned documents. OCRopus provides better results when scanning text that is printed with a sans serif font, and the size of the font also has a significant effect on accuracy.

Mehr Infos zu OCRopus gibt es in den FAQ. Andere freie Software aus dem OCR-Segment findet sich z.B. bei Sourceforge, u.a. Kognition, Image Text Editor oder Open OCR. Google selbst weist auch auf verschiedene verwandte Anwendungen hin.

[via Digital Koans]

Wisskom2007

Vom 6. – 8. November findet im Forschungszentrum Jülich die Wisskom2007 statt.
Themen der Konferenz sind eScience, Wissenschaftsindikatoren, Web 2.0 und Primär-Datenmanagement (Open Access). Aber auch ein Rahmenprogramm wird angeboten, bei dem unter anderem ein Einblick in die Forschungsarbeit in Jülich gewährt wird.

Mehr Informationen zur Wisskom2007 gibt es auf der Homepage des Forschungszentrums.

Google vs. O.C.A.

In ihrer gestrigen Ausgabe berichtete die New York Times über Konkurrenten zu Googles Book Search Projekt.

Das Boston Library Consortium lehnte kürzlich Googles Offerte ab und entschied sich für die Zusammenarbeit mit „Open Content Alliance„.

Libraries that agree to work with Google must agree to a set of terms, which include making the material unavailable to other commercial search services. Microsoft places a similar restriction on the books it converts to electronic form. The Open Content Alliance, by contrast, is making the material available to any search service.

Katie Hafners Artikel „Libraries Shun Deals to Place Books on Web“ ist hier nachzulesen.
Auch Heise berichtet über das Thema.

Das kartierte Internet

Die Karte der sozialen Netze gibt es nun auch in 3D:

Wer etwas genauer wissen möchte, wer mit wem in Verbindung steht, sollte Chris Harrison besuchen. Seine Internet Maps beschreibt er


The Dimes Project
provides several excellent data sets that describe the structure of the Internet. Using their most recent city edges data (Feb 2007), I created a set of visualizations that display how cities across the globe are interconnected (by router configuration and not physical backbone). In total, there are 89,344 connections.

Hübsche Bilder, die man leider nicht ohne ausdrücklich Genehmigung verwenden darf.

[via Heise]

Libreka – Volltextsuchmaschine Online mit und ohne DRM

Libreka ist laut Eigenbeschreibung eine Volltextsuchmaschine für Buchinhalte:

Verlage liefern libreka! ihre digitalen Buchinhalte und definieren, welchen Text sie für wen sichtbar und abrufbar machen wollen. Die Datenhoheit und die Rechte bleiben dabei beim Verlag. Über die libreka!-Plattform werden Buchinhalte dann als Volltexte im Internet weltweit recherchierbar. Der Buchhandel erhält durch erweiterte Rechte die Möglichkeit, aktiv an der Vermarktung digitaler Inhalte beteiligt zu sein. Mit libreka! bereitet der deutsche Buchhandel die Grundlage dafür, dass Buchinhalte in Zukunft in elektronischer Form recherchierbar, verfügbar und handelbar werden.

Was davon zu halten ist, macht Katja, Studentin der HTWK Leipzig, im Buchmessenblog sehr deutlich:

Fakten auf den Tisch: von den 19.000 im VLB derzeit vertretenen Verlagen haben es knapp 350 geschafft, bisher etwa 8.000 Bücher einzuscannen, zu hosten und für libreka freizugeben . Auf eine an ihn gerichtete Frage aus dem Publikum der selbstverständlich anwesende Google Deutschlandchef Jens Redmer: “8.000? Das sind bei der google-booksearch Zahlen, die ein einzelner Verlag bringt.” Raunen im Saal, verhaltenes Schmunzeln, vielsagende Blicke und ein leichtes Gefühl peinlicher Berührung meinerseits – und schließlich Dr. F. Jacobi (MIDVOX, ABC ADVANCED BOOK CATALOG) leicht bis mittelschwerst eschauffiert: “Nun erklären Sie mir mal, Herr Schild, wieso das sein muss – wir haben eine gute Volltextsuche und Sie brauchen eine eigene? Immense Kosten – und ich sehe keinen Zusatznutzen.” RUMS. Zur Strafe für seine unverholene Kritik erhielt er dann auch gleich keine Antwort – der Beigeschmack erheblich.

Der erwähnte Herr (Ronald) Schild ist übrigens der Leiter des Projektes, der laut Buchmessenblog angab, eine siebenstellige Summer habe der Aufbau Librekas bisher gekostet. In einem Interview zur Volltextsuche (PDF) gibt er seine Sicht des Projektes preis. Interessant dabei sein Statement zu DRM:

Es gibt zwei Thesen. Die eine ist: DRM ist passé. EMI beispielsweise hat es schon vor einem halben Jahr aufgegeben und verkauft die komplette Musik kopierschutzfrei. Universal hat mit einem Test im amerikanischen Markt nachgezogen. Die Prognosen gehen dahin, dass es im Musikbereich ein unumkehrbarer Prozess ist. Analysen scheinen zu zeigen, dass die Nutzergruppen von kommerziellen Download-Angeboten und die Nutzer von Tauschbörsen kaum Überschneidungen haben. Man könnte argumentieren, das wird bei Büchern nicht viel anders sein. Hinzu kommt, dass ich mir sehr viele Musikstücke speichern und anhören kann, der maximale Buchkonsum dagegen eingeschränkt ist: Mehr als ein bis zwei Bücher pro Monat zu lesen, ist nicht leicht zu schaffen. Zudem ist der Preis für ein Buch relativ niedrig. Das heißt, der Anreiz für die Kopie ist geringer. Das alles
stützt die Fraktion, die sagt, wir brauchen überhaupt keinen Kopierschutz.

Auch die zweite These soll nicht verschwiegen werden:

Die Argumentation der Kopierschützer lautet, dass die Substanz eines Verlages nicht das gedruckte Buch, sondern die Inhalte sind. In dem Moment, wo wir die Inhalte unbegrenzt herausgeben, setzt ein Langzeiteffekt ein. Anders als im schnelllebigen Musikgeschäft hält sich manches Buch teilweise über Jahre am Markt, das heißt: Der Wert eines Buches nimmt wesentlich langsamer ab. Von daher muss man sehr genau aufpassen, ob man Inhalte kopierschutzfrei zur Verfügung stellt.

Die Verlage werden in Libreka – für jeden Titel einzeln – selbst entscheiden können, ob sie ihre Inhalte mit Kopierschutzmechanismen versehen oder nicht. Ein schönes Modell, an dem man die DRM-Akzeptanz des Publikums theoretisch gut überprüfen könnte, wenn es da nicht ein gewichtiges Problem gäbe. Die Ware Information ist einfach nicht beliebig austauschbar. Wenn ich Buch A haben will, dies allerdings mit DRM versehen ist und mir das nicht passt, werde ich in den seltensten Fällen einfach auf Buch B ausweichen können. Bei wissenschaftlicher Literatur sowieso nicht, aber auch privat werde ich mich nicht für Pilcher entscheiden, wenn ich eigentlich Moers lesen wollte. Die Unvergleichbarkeit zweier Güter in diesem Segment macht diesen Versuch also nur begrenzt aussagekräftig.