Example-Driven Analytics of Open Knowledge Graphs

Projektbeschreibung

Verbindung beispielbasierter Abfragen mit Methoden der Geschäftsanalytik

Die LOD-Cloud (Linked Open Data) ist ein Wissensdiagramm, das öffentlich verfügbare verknüpfte Datensätze anzeigt. Da es eine große Menge an Informationen enthält, werden Technologien zur Geschäftsanalyse und Informationsgewinnung benötigt, um wertvolle Erkenntnisse zu erhalten. Die Verwendung der speziellen Abfragesprache von Gateways stellt jedoch eine große Herausforderung für weniger erfahrene Nutzende dar, was wiederum die erfolgreiche Nutzung öffentlich verfügbarer verknüpfter Datensätze erschwert. Zur Unterstützung der Analyse derartiger Datensätze wird das EU-finanzierte Projekt EDAO ein innovatives Datenexplorationssystem entwickeln, mit dem die Nutzenden Erkenntnisse aus komplexen und unbekannten Datensätzen gewinnen können. Ziel des Projekts ist es, Betreiber im Bereich Geschäftsanalytik mithilfe des Paradigmas der beispielbasierten Abfrage für die explorative Online-Analyseverarbeitung einzubinden. Darüber hinaus soll auch ein neues beispielorientiertes Explorationssystem untersucht werden.

Ziel

Linked Open Data (LOD) is a standard methodology especially adopted to implement Knowledge Graphs, i.e. networks of facts where entities are connected by predicates describing relationships among them (via RDF triples). LOD are adopted in many domains, and an enormous set of information is currently shared by the private and the public sector in this form (e.g. on the EU Open Data Portal). Therefore, the LOD cloud contains a very rich corpora of information that requires dedicated business analytics and information extractions technologies for the extraction of valuable insights. Yet, to access this data and perform such analysis, the typical gateway are specialized query languages (e.g. SPARQL) that are usually challenging to use to non-expert users. This constitutes a major impediment in their successful exploitation. To support advanced LOD analytics we propose a novel data exploration system which allows users to extract insights within complex and unfamiliar datasets. We plan to implement dedicated Business Intelligence (BI) operators enabled by the Exemplar Query paradigm for Exploratory Online Analytical Processing (OLAP). Example-based methods have proven to be extremely valuable since they avoid complex query languages by using examples to represent the required information. Yet, they have never been studied in the OLAP/BI context. Therefore, we propose to study a new Example-Driven Exploration system to bridge the gap between example-based queries and BI methods. The researcher has co-authored the first paper on Exemplar Queries for graphs. Moreover, the supervisor, prof. Torben Bach Pedersen at Aalborg University, is an expert on BI/OLAP methods for web and semi-structured data. The host of the secondment, prof. Ioana Manolescu, at INRIA Saclay, is expert in advanced RDF analytics operators. These high-profile collaborations will ensure both the successful outcome of the project as well as a platform for the development of the researcher’s career.