Description du projet
Connecter des requêtes basées sur des exemples et des méthodes de veille économique
Le «LOD cloud» (nuage des données ouvertes liées, ou DOL) est un graphique de connaissances qui montre des ensembles de données liés accessibles au public. Comme il contient une grande quantité d’informations, des technologies d’analyse commerciale et d’extraction d’informations sont nécessaires pour obtenir des informations utiles. L’utilisation du langage de requête spécialisé de ces passerelles représente néanmoins un défi majeur pour des utilisateurs non experts. Ainsi se dévoile un obstacle à l’exploitation réussie des DOL. Soutenant l’analyse des DOL, le projet EDAO, financé par l’UE, développera un système d’exploration de données innovant qui permet aux utilisateurs d’extraire des informations au sein d’ensembles de données complexes et inhabituels. Le projet vise à employer des opérateurs de veille économique activés par le paradigme de requête exemplaire pour le traitement analytique en ligne exploratoire et examinera un nouveau système d’exploration guidée par des exemples.
Objectif
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.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- sciences naturellesinformatique et science de l'informationingénierie de la connaissance
- sciences naturellesinformatique et science de l'informationscience des donnéesveille économique
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Programme(s)
Appel à propositions
(s’ouvre dans une nouvelle fenêtre) H2020-MSCA-IF-2018
Voir d’autres projets de cet appelRégime de financement
MSCA-IF-EF-ST - Standard EFCoordinateur
9220 Aalborg
Danemark