Tunnisteistus

Tunnisteistus on prosessi, jossa kohteisiin kuten asiakirjoihin, kuviin tai tietoihin lisätään tunnisteita tai avainsanoja niiden sisällön, kontekstin tai ominaisuuksien kuvaamiseksi. Tunnisteiden tarkoituksena on parantaa haettavuutta, jäsentämistä ja metatietojen hallintaa sekä tukea analytiikkaa ja sisällön suosituksia. Tunnisteet voivat olla sekä yksittäisen käyttäjän luomia että organisaation hallinnoimia, ja ne voivat nojautua kontrolloituihin sanastoihin tai vapaamuotoiseen tagaukseen. Tunnisteistus sijaitsee luokittelun ja metadatan hallinnan välissä.

Käytännössä tunnisteistus toteutetaan sekä manuaalisesti että automatisoidusti. Manuaalinen tunnisteistus perustuu ihmisen valintaan, kun taas automatisointi hyödyntää luonnollisen kielen käsittelyä, konenäköä tai koneoppimisen malleja. Yleisiä malleja ovat folksonomiat, joissa käyttäjät luovat omia tunnisteitaan, sekä hallinnoidut sanastot, joissa termistö on ennalta määritelty ja kontrolloitu. Usein yhdistetään sekä kontrolloitua metadataa että avainsanoja. Metadata-standardeja kuten Dublin Core tai schema.org voidaan käyttää tunnisteiden kuvaamiseen ja yhteensopivuuden varmistamiseen.

Sovelluksia ovat tehokas haku ja navigointi digitaaliarkistoissa, sisältöjen suositusjärjestelmät sekä datan annotointi koneoppimista varten. Tunnisteustus tarjoaa myös laadunvarmistusta ja tiedonhallintaa, mutta siihen liittyy haasteita kuten sanaston epäselvyys, monikielisyys, termien päällekkäisyys sekä suurten kokoelmien hallinnan skaalaus. Huolellinen suunnittelu ja laadunvalvonta parantavat löytämisen ja käytettävyyden.