Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch de
CORDIS - Forschungsergebnisse der EU
CORDIS

Unifying Graph Databases and Causal Models

Projektbeschreibung

Das Potenzial gerichteter Graphen in der Datenanalyse erschließen

Ursache-Wirkungs-Zusammenhänge zu verstehen, ist in vielen Bereichen, von der Gesundheitsversorgung bis zur Wirtschaftswissenschaft, unerlässlich. Gerichtete Graphen, genauer gerichtete azyklische Graphen, gelten als leistungsstarke Werkzeuge zur Darstellung dieser Beziehungen. Gegenwärtig werden sie jedoch von Fachleuten manuell erstellt und es fehlen geeignete Systeme zur Validierung, Speicherung und Aktualisierung, wodurch der effektive Umgang mit ihnen und ihre Analyse erschwert werden. Mit dem ERC-finanzierten Projekt GOY wird das Ziel verfolgt, kausale Interferenz mit Graphdatenbanktechnologie zu kombinieren. Ziel ist die Erstellung einer speziellen Datenbank für gerichtete Graphen, in der diese Graphen gespeichert, validiert und analysiert werden können. Dank des Systems werden Fachleute besser Kausaldaten verwalten und abfragen können, wodurch die Möglichkeit eröffnet wird, das Verständnis komplexer Ursache-Wirkungs-Beziehungen auf strukturierte Weise zu optimieren.

Ziel

Graphs are expressive data structures representing more effectively relationships in data and enabling complex data-intensive tasks. Graphs are also a widely adopted paradigm in causal inference focusing on causal directed acyclic graphs. Causal DAGs (Directed Acyclic Graphs) are manually curated by domain experts, but they are not validated, stored, integrated and versioned as data artifacts in a graph data system. In the GOY (pronounced GO Why) project, I focus on a radical shift towards causality-driven graph databases, addressing the development of solid theoretical foundations and a set of adequate tools underpinning causal graph operations. To date, these two paradigms, namely causality and graph data management, are developed by entirely separate communities with different motivations: one is interested in causal analysis and inference, realized by means of ad-hoc programs and scripts on empirically validated causal graphs, while the other is interested in collecting, validating, integrating and querying graph data by means of declarative languages. These two areas are investigated in isolation although combining them creates exciting possibilities. The present proposal aims at investigating these possibilities and focuses on laying the theoretical foundations of causality-driven graph data management, a completely novel approach to data management guided by the theory of causation. Causal graphs, either provided by domain experts or extracted from the underlying observational data, are further semantically enriched, disambiguated, reconciled and used in the downstream processes of the graph database for queries, updates and analysis. Following these goals, I investigate (1) a formal causal property graph model and the extension of graph query languages to support causal graph query operators and (2) the integration, consistency and (3) versioning of causal property graphs to assist domain experts in the execution of advanced causal processes.

Wissenschaftliches Gebiet (EuroSciVoc)

Schlüsselbegriffe

Programm/Programme

Thema/Themen

Finanzierungsplan

HORIZON-ERC - HORIZON ERC Grants

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) ERC-2024-ADG

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Gastgebende Einrichtung

UNIVERSITE LYON 1 CLAUDE BERNARD
Netto-EU-Beitrag
€ 2 315 565,00
Adresse
BOULEVARD DU 11 NOVEMBRE 1918 NUM43
69622 Villeurbanne Cedex
Frankreich
Region
Auvergne-Rhône-Alpes Rhône-Alpes Rhône
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
Keine Daten

Begünstigte (1)