Keyword Extractor 3.0 ist da

Schlüsselbegriffe beschreiben den Inhalt eines Dokuments. Sie werden verwendet um Metadaten zu generieren, um Suche zu verbessern oder um sie zur Facettennavigation anzubieten.

Sie werden immer wichtiger, um als Metadaten die Auffindbarkeit von Dokumenten in Suchmaschinen und Portalen zu verbessern.

Schlüsselbegriffe sind ein wichtiges Element, um ähnliche Dokumente zu ermitteln.

Keyword Extractor erkennt automatisch Schlüsselbegriffe und unterstützt Sie durch mehrere Verfahren:

Stichworte erkennen (Auto-Tagging): Prägnante Stichworte werden ermittelt und durch einen Abgleich mit der Wikipedia Wissensdatenbank semantisch verknüpft und optimiert.
Thematische Verschlagwortung (Topic-Indexing): Durch Hinterlegen eines Thesaurus werden den Dokumenten Stichwörter gem. der Systematik aus dem Thesaurus zugeordnet. Dies kann ein allgemein verwendeter Thesaurus wie MeSH (Medical Subject Headings by the National Library of Medicine) oder LCSH (Library of Congress Subject Headings) oder Ihr eigener, auf Ihre Sprach-Domäne abgestimmter Thesaurus sein. Hierbei unterstützen wir das SKOS Format.
Machine Learning: Mit Hilfe von bereits durch Autoren getaggte Dokumente werden Featuremodelle erstellt. Stichworte neuer Dokumente werden anhand dieser Modelle extrahiert und anhand weiterer Merkmale bewertet.
Zusammen mit unserer Linguistic Engine für die morphologische Vorverarbeitung erreicht unser Keyword Extractor bei der automatischen Verschlagwortung verblüffend gute Ergebnisse.

  auto-tagging, facettennavigation, keyword-extractor, linguistic-engine, machine-learning, metadaten, schluesselbegriffe, stichwoerter, thematische-verschlagwortung, thesaurus, topic-indexing