Opis projektu
Łączenie zapytań opartych na przykładach i metod analityki biznesowej
Chmura Linked Open Data (LOD) stanowi mapę wiedzy obrazującą dostępne publicznie połączone zbiory danych. Ze względu bogactwo zasobów informacji, wyciąganie cennych wniosków oraz spostrzeżeń wymaga zastosowania technologii pozyskiwania informacji i analityki biznesowej. Jednym z największych problemów dla niedoświadczonych użytkowników jest jednak stosowanie specjalistycznego języka zapytań wykorzystywanego przez bramki, co ogranicza możliwości skutecznego wykorzystania LOD. Zespół finansowanego ze środków Unii Europejskiej projektu EDAO chce zwiększyć wykorzystanie analiz LOD poprzez opracowanie innowacyjnego systemu eksploracji danych pozwalającego użytkownikom na wyciąganie spostrzeżeń i wniosków ze złożonych i nieznanych zbiorów danych. Celem projektu jest wykorzystanie operatorów analityki biznesowej opartych na paradygmacie zapytań przykładowych wykorzystywanych w eksploracyjnych technikach OLAP, a także zbadanie możliwości nowego systemu eksploracji opartych na przykładach.
Cel
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.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- nauki przyrodniczeinformatykainżynieria wiedzy
- nauki przyrodniczeinformatykanauka o danychanalityka biznesowa
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Program(-y)
Temat(-y)
System finansowania
MSCA-IF-EF-ST - Standard EFKoordynator
9220 Aalborg
Dania