Inhaltserschließung des K10plus als Open Data

Der K10plus-Katalog umfasst bibliographische Angaben und Bestandsnachweise der Bibliotheken des Südwestdeutsche Bibliotheksverbund (SWB), des Gemeinsamen Bibliotheksverbundes (GBV) und weiterer Forschungseinrichtungen. Mit mehr als 200 Millionen Nachweisen zu rund 80 Millionen Publikationen ist er der umfangreichste Katalog im deutschsprachigen Raum. Die Daten des K10plus sind über Schnittstellen und als Datenbankdump in MARC und RDF als Open Data verfügbar.

Zur Auswertung von Sacherschließungsdaten wurde nun im Rahmen des Projekt coli-conc ein Auszug des K10plus mit allen Sacherschließungsdaten als Forschungsdatensatz veröffentlicht:

• https://doi.org/10.5281/zenodo.6817455 (Stand Juni 2022 mit 47.686.063 von 74.127.563 Datensätzen)
• https://doi.org/10.5281/zenodo.6810556 (Stand Juni 2021 mit 41.786.820 von 71.429.482 Datensätzen)

Die Datensätze umfassen rund 14 Gigabyte im normalisierten PICA+ Format. Eine Beschreibung der Daten und eine zufällige Stichprobe von 10.000 Datensätzen sind enthalten. Die Beschreibung der PICA-Felder ist unter https://format.k10plus.de/avram.pl abrufbar.

Aufbauend auf diesem Forschungsdatensatz sollen weiter aufbereitete Daten und Auswertungen erstellt und publiziert werden. Hinweise zur Verarbeitung der Daten werden in einem git-Repository gesammelt.

P.S.: Inzwischen gibt es auch eine reduzierte und bereinigte Version der Daten für ausgewählte Vokabulare als Tabelle und in RDF: https://doi.org/10.5281/zenodo.7016625 (Stand Juni 2022 mit 82.937.252 Links von 24.009.936 Datensätzen).