Example-Driven Analytics of Open Knowledge Graphs

Descrizione del progetto

Un collegamento tra le query basate su esempi e i metodi di intelligenza aziendale

Il cloud di dati aperti collegati (LOD) è un grafo di conoscenza che mostra set di dati collegati pubblicamente disponibili. Poiché tale grafo contiene una ricca quantità di informazioni, sono necessarie tecnologie di analisi aziendale e di estrazione delle informazioni per ottenere spunti validi. Tuttavia, l’utilizzo del linguaggio di interrogazione specifico dei gateway è una sfida chiave per gli utenti non esperti. Questo, a sua volta, rappresenta un ostacolo per riuscire a usare con successo i LOD. A sostegno dell’analisi LOD, il progetto EDAO, finanziato dall’UE, svilupperà un innovativo sistema di esplorazione dei dati che consente agli utenti di estrarre informazioni all’interno di set di dati complessi e non comuni. Il progetto si propone di impiegare operatori di intelligenza aziendale abilitati dal paradigma Exemplar Query per l’elaborazione analitica online esplorativa ed esaminerà un nuovo sistema di esplorazione basato su esempi.

Obiettivo

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.