188/4 E-Commerce Group
Institute of Software Technology and Interactive Systems
Vienna University of Technology
Favoritenstrasse 9-11/188, A-1040 Vienna, Austria

Netzwerkanalyse von kunsthistorischen Attributen anhand von Social Tags

Type: 
Speech with proceedings
Abstract: 
This paper deals with the network analysis of social tags that were annotated for works of art. It is thereby possible to visualise relations among the tags that represent themes, persons and iconographic attributes. By applying network clustering algorithms, it is possible to identify different groups of tags that correspond to art historical classifications. We provide different examples to show correlations of themes, persons, and iconographic details that are based solely on the annotations of the users.
Hidden Keywords: 
Department Focus: 
Business Informatics
TU Focus: 
Information and Communication Technology
Proceedings: 
EVA 2012 Berlin Elektronische Medien & Kunst, Kultur, Historie
Publisher: 
Year: 
2012
ISBN: 
ISBN: 978-3-942709-05-7
Pages: 
138 - 144
Accepted: 
Acceptance undecided
Invited: 
Reference: 
M. Arends, J. Froschauer, D. Goldfarb, <u>W. Merkl</u>: <br>"<i><a href="http://publik.tuwien.ac.at/files/PubDat_214200.pdf" target="_blank" class="publist">Netzwerkanalyse von kunsthistorischen Attributen anhand von Social Tags</a></i>"; <br>Talk: Electronic Imaging & the Visual Arts - EVA 2012 Berlin, Berlin, Germany; 11-07-2012 - 11-09-2012; in: "<i>EVA 2012 Berlin Elektronische Medien & Kunst, Kultur, Historie</i>", (2012), ISBN: 978-3-942709-05-7; 138 - 144.<br><br> <a href="https://publik.tuwien.ac.at/showentry.php?ID=214200&lang=2" class="publist"><i>More information</i></a><br><br>
Abstract German: 
In dieser Arbeit werden fu&#776;r Kunstwerke annotierte Schlagworte, sogenannte Social Tags, netzwerkanalytisch untersucht. Dazu werden die Tags in eine Netzwerkstruktur u&#776;berfu&#776;hrt, wodurch es mo&#776;glich wird, Beziehungen von Tags zueinander visuell darzustellen. Obwohl es sich bei den Tags um Betrachtungen und Einscha&#776;tzungen von BenutzerInnen handelt, lassen sich so Ru&#776;ckschlu&#776;sse u&#776;ber die Bildgattung ziehen. Durch Anwendung von Clusteringalgorithmen lassen sich so zusammenha&#776;ngende Gruppen identifizieren. Anhand mehrerer Beispiele zeigen wir interessante Zusammenha&#776;nge von Themen, Personen und ikonographischen Details, welche einzig auf der Beschlagwortung durch BenutzerInnen beruhen.