# ME001 — Vocabulary Matching Patterns Status: Draft Version: v0.8 Scope: Vocabulary Matching für kontrollierte Vokabulare, zunächst digiCULT/xTree Depends on: ISO 25964-1:2011, ISO 25964-2:2013 Related: ME002 Vocabulary Matching Pipeline ## 1. Purpose Dieses Dokument definiert die `Vocabulary Matching Patterns`, die Reconcilix zur fachlichen Klassifikation von Reconciliation-Ergebnissen verwendet. Ein `Vocabulary Matching Pattern` beschreibt **nicht** primär einen Fehler. Es beschreibt eine wiederkehrende Matching-Situation, die bei der Interpretation eines `SourceValue` und beim Abgleich gegen ein kontrolliertes Vokabular festgestellt wird. ME001 ist unabhängig von Reconcilix als Software. Die Patterns können auch in manuellen Evaluationen, OpenRefine-Exporten oder Expert:innenfeedback verwendet werden. ## 2. Language Convention Der Fließtext ist deutsch. Normative Fachbegriffe, Pattern-Namen und Modellbegriffe sind englisch. Beispiele: - `SourceValue` - `Vocabulary Matching Pattern` - `InterpretationNode` - `CandidateConcept` - `MatchDecision` - `EXACT_MATCH` - `ORTHOGRAPHIC_VARIANT` ## 3. Core Idea Ein `Vocabulary Matching Pattern` klassifiziert das Ergebnis einer Interpretation bzw. eines Reconciliation-Versuchs. Es beantwortet die Frage: > What kind of matching situation was observed for this interpretation? Beispiele: ```text SourceValue: "Kreuz" InterpretationNode: "Kreuz" Vocabulary Matching Pattern: EXACT_MATCH ``` ```text SourceValue: "Altrarretabel" InterpretationNode[0]: "Altrarretabel" Vocabulary Matching Pattern: ORTHOGRAPHIC_VARIANT InterpretationNode[1]: "Altarretabel" Vocabulary Matching Pattern: COMPOSITE_TERM ``` Ein `SourceValue` kann über seinen `InterpretationGraph` mehrere `Vocabulary Matching Patterns` aufweisen. ## 4. Atomic and Composite Usage Die Patterns selbst werden möglichst atomar definiert. Ein konkreter Fall kann mehrere Patterns kombinieren. Beispiel: ```text SourceValue: "Altrarretabel" Patterns: - ORTHOGRAPHIC_VARIANT - COMPOSITE_TERM ``` Beispiel: ```text SourceValue: "Annenretabel" Patterns: - COMPOSITE_TERM - SEMANTIC_GENERALIZATION ``` Diese Kombination wird nicht als neues Spezialpattern modelliert. Stattdessen entsteht die fachliche Beschreibung durch die Kombination atomarer Patterns entlang des `InterpretationGraph`. ## 5. Pattern Fields Jedes Pattern wird durch folgende Felder beschrieben: | Field | Description | |---|---| | `Pattern` | Normativer Pattern-Name | | `Definition` | Fachliche Bedeutung | | `Recognition` | Hinweise zur Erkennung | | `Examples` | Typische Beispiele | | `Typical Resolution` | Wo oder wodurch das Pattern typischerweise bearbeitet wird | | `Automation Potential` | `High`, `Medium`, `Low` | | `Context Dependency` | `None`, `Limited`, `High` | | `Notes` | Hinweise für Evaluation und Expert:innenfeedback | ## 6. Pattern Catalogue ### 6.1 EXACT_MATCH **Definition** `SourceValue` bzw. `InterpretationNode` entspricht unmittelbar einem `CandidateConcept` im Zielvokabular. **Recognition** - Der bevorzugte oder alternative Term des `CandidateConcept` stimmt fachlich direkt mit dem `InterpretationNode` überein. - Keine weitere Normalisierung oder semantische Ableitung ist erforderlich. **Examples** - `Kreuz` → `Kreuz` - `Relief` → `Relief` - `Leuchter` → `Leuchter` **Typical Resolution** Direct Lookup / Candidate Discovery **Automation Potential** High **Context Dependency** None **Notes** `EXACT_MATCH` bedeutet fachliche Übereinstimmung, nicht zwingend reine String-Identität. Entscheidend ist die Übereinstimmung mit dem Zielbegriff. --- ### 6.2 ORTHOGRAPHIC_VARIANT **Definition** Der `InterpretationNode` enthält eine orthographische Abweichung gegenüber der erwarteten Benennung eines Zielbegriffs. **Recognition** - Tippfehler, Buchstabendreher oder Schreibfehler sind erkennbar. - Nach Korrektur entsteht eine plausible Benennung oder ein plausibler weiterer `InterpretationNode`. **Examples** - `Altrarretabel` → `Altarretabel` - `Reliqiar` → `Reliquiar` **Typical Resolution** Normalization **Automation Potential** High **Context Dependency** None / Limited **Notes** `ORTHOGRAPHIC_VARIANT` ersetzt das frühere unscharfe `SOURCE_DATA_ISSUE`. Nicht jeder Datenfehler ist eine orthographische Variante. --- ### 6.3 LEXICAL_VARIANT **Definition** Der `InterpretationNode` unterscheidet sich lexikalisch vom Zielbegriff, ohne dass eine andere fachliche Bedeutung entsteht. **Recognition** - Singular/Plural - Flexion - ggf. einfache Schreibvarianten, sofern sie nicht als klarer Schreibfehler klassifiziert werden **Examples** - `Adlerpulte` → `Adlerpult` - `Reliefs` → `Relief` - `Armreliquiare` → `Reliquiar` **Typical Resolution** Normalization **Automation Potential** High **Context Dependency** None **Notes** `LEXICAL_VARIANT` beschreibt zulässige oder erwartbare Varianten. Eindeutige Tippfehler gehören zu `ORTHOGRAPHIC_VARIANT`. --- ### 6.4 COMPOSITE_TERM **Definition** Der `InterpretationNode` ist ein zusammengesetzter Term, der mindestens einen relevanten Bestandteil enthält, der für das Matching isoliert oder interpretiert werden kann. **Recognition** - Komposita - zusammengesetzte Benennungen - Zielbegriff ist häufig ein Bestandteil oder ein semantisch abgeleiteter Oberbegriff **Examples** - `Altarretabel` - `Altartafel` - `Annenretabel` - `Altarkreuz` **Typical Resolution** Normalization / Semantic Interpretation **Automation Potential** Medium / High **Context Dependency** Limited **Notes** `COMPOSITE_TERM` kann mit `SEMANTIC_GENERALIZATION` kombiniert auftreten, z. B. wenn `Annenretabel` auf `Retabel` gemappt wird. --- ### 6.5 MULTI_CONCEPT_EXPRESSION **Definition** Der `SourceValue` oder `InterpretationNode` enthält mehrere eigenständige Concepts, die für das Matching getrennt behandelt werden müssen. **Recognition** - Aufzählungen - koordinierte Ausdrücke - zusammengesetzte Ensembles - mehrere mögliche Objekttypen in einem Feldwert **Examples** - `Altar-Kanzel-Orgelprospekt` - `Kanzel mit Schalldeckel` - `Kirche mit Friedhof` **Typical Resolution** Decomposition / InterpretationGraph branching **Automation Potential** Medium **Context Dependency** Limited / High **Notes** Dieses Pattern unterscheidet sich von `COMPOSITE_TERM`. Bei `COMPOSITE_TERM` geht es um eine zusammengesetzte Benennung; bei `MULTI_CONCEPT_EXPRESSION` um mehrere eigenständige Begriffe. --- ### 6.6 SEMANTIC_GENERALIZATION **Definition** Der geeignete `CandidateConcept` ist ein allgemeinerer Begriff als der `InterpretationNode`. **Recognition** - Der Quellwert ist spezifischer als das Zielvokabular. - Ein broadMatch oder eine fachlich akzeptierte Generalisierung ist erforderlich. **Examples** - `Anastasiusreliquiar` → `Reliquiar` - `Annenretabel` → `Retabel` - `Altartriptychon` → `Altarbild` oder `Retabel` je nach Zielvokabular und fachlicher Entscheidung **Typical Resolution** Semantic Interpretation / Candidate Discovery über broader concepts **Automation Potential** Medium **Context Dependency** Limited **Notes** Dieses Pattern ist zentral für xTree-Vokabulare, da geeignete Zielbegriffe häufig über Oberbegriffe gefunden werden. --- ### 6.7 CONTEXT_DEPENDENT **Definition** Der `InterpretationNode` kann ohne zusätzlichen Kontext nicht sicher einem `CandidateConcept` zugeordnet werden. **Recognition** - Der Wert ist mehrdeutig. - Der Wert kann Eigenname, Titel, Person, Motiv, Objektteil oder Objekttyp sein. - Entscheidung erfordert Kontextdaten, z. B. TEI, LIDO, Objektbeschreibung, Standort, Ereignisse oder andere Strukturfelder. **Examples** - `Anna` - `Apostel` - `Bogen` - `Arma Christi` **Typical Resolution** Context Enrichment / Strategy Exploration **Automation Potential** Low / Medium **Context Dependency** High **Notes** `CONTEXT_DEPENDENT` ist nicht zwingend ein Endzustand. Es kann eine weitere `Matching Strategy` auslösen, bei der zusätzlicher Kontext einbezogen wird. --- ### 6.8 NOT_AN_OBJECT_TYPE **Definition** Der `SourceValue` oder `InterpretationNode` beschreibt keinen Objekttyp, obwohl das Zielfeld einen Objekttyp erwartet. **Recognition** - Zahlenwerte, Datierungen, Hausnummern - Personen-, Orts- oder Ereignisangaben im falschen Feld - Werte, die nur durch andere Quelldaten in einen Objekttyp überführt werden können **Examples** - `1509` - Hausnummern - reine Datierungsangaben **Typical Resolution** Input Validation / Field Semantics / Context Lookup **Automation Potential** High für einfache Muster, sonst Medium **Context Dependency** Limited / High **Notes** Bei numerischen Werten kann eine einfache Regel helfen: Werte mit Ziffern sind im Objekttypfeld besonders zu prüfen. Der korrekte Objekttyp kann ggf. nur aus TEI- oder Strukturkontext abgeleitet werden. --- ### 6.9 WRONG_SEMANTIC_CLASS **Definition** Der gefundene `CandidateConcept` gehört fachlich einer anderen Begriffsklasse an als der erwartete Zielbegriff. **Recognition** - Candidate wirkt lexikalisch ähnlich, gehört aber semantisch in eine andere Klasse. - Treffer entsteht durch irreführende String-Ähnlichkeit oder falschen Kontext. **Examples** - `Large Two Forms` → `forms (benches)` **Typical Resolution** Candidate Evaluation / Semantic Filtering **Automation Potential** Medium **Context Dependency** Limited / High **Notes** Dieses Pattern ist vorläufig. Es sollte in weiteren Expert:innenfeedbackrunden gezielt beobachtet werden, bevor es als stabiler Kernbestandteil gilt. --- ### 6.10 NO_SUITABLE_CONCEPT **Definition** Im Zielvokabular existiert kein geeigneter `CandidateConcept` für den `InterpretationNode`. **Recognition** - Weder exactMatch noch broadMatch noch verwandte Concepts sind fachlich akzeptabel. - Expert:innen schlagen keinen Zielbegriff vor oder fordern Vokabularerweiterung. **Examples** - Noch offen; sollte im xTree-Kontext wegen broadMatch selten sein. **Typical Resolution** Vocabulary Extension / External Concept Scheme / Manual Review **Automation Potential** Low **Context Dependency** High **Notes** Im xTree-Kontext sollte dieses Pattern selten auftreten, da häufig ein allgemeinerer Zielbegriff akzeptabel sein kann. ## 7. Use in Expert Feedback Für Expert:innenfeedback kann eine Spalte `Vocabulary Matching Pattern` verwendet werden. Falls mehrere Patterns zutreffen, können sie durch Semikolon getrennt werden: ```text ORTHOGRAPHIC_VARIANT; COMPOSITE_TERM ``` Für die nächste Feedbackrunde sollten insbesondere beobachtet werden: - Stabilität von `WRONG_SEMANTIC_CLASS` - Trennschärfe zwischen `COMPOSITE_TERM` und `MULTI_CONCEPT_EXPRESSION` - Fälle mit `CONTEXT_DEPENDENT` - Häufigkeit von `ORTHOGRAPHIC_VARIANT` ## 8. Open Questions - Soll `PROPER_NAME` als eigenes Pattern geführt werden oder zunächst unter `CONTEXT_DEPENDENT` bleiben? - Wann wird aus `SEMANTIC_GENERALIZATION` ein explizites broadMatch-Verhalten? - Welche Patterns sind für Bauwerke zusätzlich erforderlich?