Katsaus Svenska Ylen journalistisen verkkosisällön semanttiseen asiasanaannotointiin, erityisfokuksella ARPA-toiminnallisuuden antamaan puoliautomaattiseen annotointiin.

1. Journalistisen verkkosisällön
puoliautomaattinen sisällönkuvailu
Mikael Hindsberg, konseptisuunnittelija svenska.yle.fi
@mickhinds | mikael.hindsberg@yle.fi
22.11.2013

2. Miten teet journalistista metadataannotoijan 30 sekunnissa
Mikael Hindsberg, konseptisuunnittelija svenska.yle.fi
@mickhinds | mikael.hindsberg@yle.fi
22.11.2013

3. Miten teet journalistista metadataannotoijan 30 sekunnissa
Mikael Hindsberg, konseptisuunnittelija svenska.yle.fi
@mickhinds | mikael.hindsberg@yle.fi
22.11.2013

4. Tästä lähdettiin - 2010

5. Tämä tehtiin 2011-2012
Uusi
siältöajattelu
“JUST NU!”
Epic
Win!
Uusi
organisaatio
DESK+
Uusi alusta
Drupal 7
Totalfail :(

6. Jokainen sivu on etusivu
Metadata
korvasi
menut.
Kävijäliikenne
Etusivu
Hakukoneet
Suositukset

7. Suositukset syy annotointiin

8. Svenska.yle.fi:n Onki-moduuli
Linked Data Finland
http://www.ldf.fi/
• Drupal 7
• Onki moduuli
•
https://drupal.org/node/1604784
• ARPA
•
•
http://www.seco.tkk.fi/services/arpa/
KOKO
•
http://onki.fi/sv/browser/overview/koko
Demo:
http://www.youtube.com/watch?v=3PX2_U50UTs
Lue lisää kehitysblogissamme:
http://utveckling.ylebloggen.fi/tag/metadata/

9. ARPA
ARPA on verkkopalvelu automaattiselle tekstiannotaatiolle.
http://www.seco.tkk.fi/services/arpa/
Suunnitelmissa siirtää osaksi Kansalliskirjaston Finto (Onki)projektia, mahdollisesti 2015.
• MAUI https://code.google.com/p/maui-indexer/
• Maui automatically identifies main topics in text documents.
• Snowball http://snowball.tartarus.org/
• Snowball is a small string processing language designed for
creating stemming algorithms for use in Information Retrieval
• Omorfi https://code.google.com/p/omorfi/
• Open morphology for Finnish
• Connexor sv-sdg http://bit.ly/1h2wweN
• sv-fdg analyses Swedish text according to a functional
dependency grammar

10. Metadatalla maailmalle

11. Google-hyötyä
(Syksy
2012)
Yle.fi
Svenska.yle.fi

12. Google-hyötyä

13. Konepellin alla

14. ARPA toiminnassa

15. ARPA

16. ARPA vs. journalisti annotoijana
ARPA:
Journalisti:
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
Skadestånd
Ägande
Marknad
Telefonförsäljning
Ask
Problem
Köpare
Kinesiska
Rykten
Försäljning
Aktier
Ägare
Mobiltelefoner
Mobiltelefonsystem
Bolagsstämmor

17. Onko ARPA:sta enemmän hyötyä
vai haittaa?!
Haitat:
Hyödyt:
• Ei ole älykäs 
• Virheellisiä ehdotuksia
• Harhaanjohtavia
ehdotuksia
• Ei löydä relevantteja
ehdotuksia
• Ei osaa ehdottaa
leipätekstistä puuttuvia
asiasanoja
• Antaa illuusion hyvästä
asiasanoituksesta
• Hidastaa työnkulkua
• Nopeuttaa työnkulkua
• Antaa yleiskatsauksen
käytössä olevista
asiasnoista
• Antaa inspiraatiota ja
assosiaatioita
manuaaliseen
annotaatioon

18. ARPA vastaanotto
Annotoito artikkelisi asiasanoilla?
Aina
Useimmiten
Joskus
Ei koskaan

19. ARPA vastaanotto
Käytätkö annotointiin ARPAa?
Aina
Useimmiten
Joskus
Ei koskaan

20. ARPA vastaanotto
Mitä tehdä ARPA:lle?
Pidä
sellaisenaan
Jatkokehitä
Ei väliä
Ota pois käytöstä

21. ARPA vastaanotto
Kouluarvosana:

22. FREEBASE-moduuli
Drupal 7
+
Freebase (API)
https://www.freebase.com/
Code sandbox:
https://drupal.org/sandbox/jaysire/2095551
• Ei ARPA-toiminnallisuutta
• Toimijoita, paikkoja, tapahtumia, medioita
(kirjoja, musiikkia, elokuvia)
• Rajattu pois yleiset asiasanat
• Loistava valikoima asiasanoja (40M +)
• Laatu hyvä, joskin epätasainen

23. ONKI + FREEBASE
Täydentävät hyvin toisiaan
• ONKI/FINTO antaa
•
•
•
•
Laatua
Suomalaista kontekstia
Tukea
Yhteistyötä
• FREEBASE antaa
• Massaa
• Kansainvälistä linkitystä
• Aktiivisen yhteisön

24. Kiitos! Kysymyksiä?
Mikael ’Micke’ Hindsberg
twitter.com/mickhinds
mikael.hindsberg@yle.fi
http://svenska.yle.fi
http://utveckling.ylebloggen.fi
www.slideshare.net/mickhinds
By: aglet http://www.flickr.com/people/aglet/
CC BY-SA http://creativecommons.org/licenses/by-nc-sa/2.0/