NB-BibliothecaNova 0414nett

Tesaurusen skal dekke alle fagområder, men detaljeringsgraden innen de
ulike områdene vil påvirkes av litteraturbelegget ved institusjonene som
bidrar med nye begreper, i første omgang UBO og NB.
Tesaurusen skal inneholde generelle innholdsbeskrivende emneord. Geografiske
emneord, formemneord og person-/korporasjonsnavn inngår ikke.
Tesaurusen er tenkt til postkoordinert bruk, det skal derfor ikke etableres
emnestrenger.
Første versjon vil forekomme på bokmål, men den skal være forberedt for
flerspråklighet fra første stund.
Vi ser for oss at tesaurusen skal foreligge åpent tilgjengelig på nett, både
som nedlastbare datasett og for søk gjennom et sluttbrukergrensesnitt.
Emnetermene skal være tilgjengelige som åpne lenkede data.
Valg av tesaurussystem og annen teknologi
Det blir viktig å finne et tesaurussystem som støtter distribuert arbeid, som
håndterer lenkede data generelt, og gjerne har spesiell støtte for SKOS. Så
langt er seks systemer identifisert og under evaluering. De fleste må bedømmes
ut fra dokumentasjon og eventuell prøvelisens. For piloten brukes
VocBench 12 , et system med åpen kildekode som også brukes av AGROVOC
og EUROVOC 13 . Foreløpig er det et åpent spørsmål om VocBench anbefales
til et eventuelt hovedprosjekt.
Det er ønskelig å bruke språkteknologi i utviklingsarbeidet. Denne teknologien
kan, gjennom søk og analyse av tekst, bidra særlig til å foreslå kandidater
til nye emneord, både nye begreper og alternative termer til eksisterende
begreper. Bruk av språkteknologi kan i tillegg fungere som støtte for å strukturere
ustrukturerte (flate) vokabularer som skal inngå i tesaurusen.
Få av tesaurussystemene har innebygd språkteknologiske funksjoner. I
miljøet rundt Språkbanken i NB foregår det imidlertid programvareutvikling
som også kan være nyttig i tesaurussammenheng, se s. 64.
12 http://vocbench.uniroma2.it/
13 http://eurovoc.europa.eu/
53