CPK - Využití sémantických technologií pro zpřístupnění kulturního dědictví prostřednictvím Centrálního portálu knihoven

Primárním cílem projektu je vybudovat Centrální portál českých knihoven (CPK),
který poběží na adrese http://www.knihovny.cz/. CPK bude integrovat informační
zdroje různého charakteru - zejména databáze popisující nebo obsahující informace
o našem kulturním dědictví nebo plné texty, které jsou jeho součástí. Pro
plnohodnotné využití těchto informací je nutné je uživateli přehledně zpřístupnit
s co největším využitím znalosti syntaktické a sémantické struktury
zpřístupňovaných informací. Zásadní problém v oblasti tematického zpřístupnění
dokumentů představuje absence potřebných metadat. U většiny katalogizačních
záznamů pořízených v rámci retrospektivní konverze katalogů českých knihoven
(tedy u záznamů vzniklých v minulosti nejprve v podobě knižního lístku a o
několik desítek nebo i stovek let později přepsaných do databáze) chybí věcný
popis a s ohledem na jejich množství je jeho doplnění formou manuální
rekatalogizace a obsahové analýzy s knihou v ruce nereálné. Řada knih z fondů
knihoven (již více než 110 tis. svazků monografií a stovky periodik) však již
disponuje i plnými texty - zejména díky projektu Národní digitální knihovna, na
jehož řešení se MZK podílela. Počet dokumentů vybavených plnými texty postupně
narůstá, každým rokem lze očekávat digitalizaci dalších desítek tisíc svazků,
z nichž téměř polovina je digitalizována přímo v MZK. Ačkoli je značná část
digitalizovaných dokumentů chráněna autorským právem a nesmí být zpřístupňována
mimo budovu knihovny, je možné tyto texty prohledávat a využít je ke zlepšení
způsobu zpřístupnění digitalizované části kulturního dědictví. Nabízí se jejich
využití pro vyhledávání a zpřístupnění s využitím metod vycházející z technologií
sémantické anotace textu a nejmodernějších metod tzv. hloubkového učení (deep
learning) z existujících dat. Vzhledem k tomu, že se jedná o automatizovené,
nikoli manuální zpracování, mělo by být u velkých objemů dat reálné. Součástí
Řada zpřístupňovaných databází bude přitom hrát specifickou roli - budou
propojovat informace získané z jiných databází nebo je významným způsobem
obohatí. Takto bude využita například databáze národních autorit Národní knihovny
ČR, na jejímž budování se podílí řada českých knihoven včetně MZK.