guest ::
Bottom-up knowledge graph-based data management = Bottom-up wissensgraphbasiertes Datenmanagement
2020
Dissertation, RWTH Aachen University, 2020
Genehmigende Fakultät
Fak04
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2020-06-30
Einrichtungen
Inhaltliche Beschreibung (Schlagwörter)
Data Lake (frei) ; knowledge graph (frei) ; Knowledge Graph-based Data Management (frei) ; semantic data management (frei) ; semantic modeling (frei) ; semantics (frei)
Thematische Einordnung (Klassifikation)
DDC: 620
Kurzfassung
Die Implementierung von Data Science-Anwendungsfällen, die auf maschinellen Lernverfahren beruhen, erfordern den Zugang zu einer ausreichenden Datenmenge. Die verfügbaren Daten weisen in der Regel eine große Vielfalt in Bezug auf Datenquellen, Formate und Qualität auf. Deshalb brauchen Datenexperten Möglichkeiten, potenziell relevante Datenquellen zu entdecken, zu verstehen und auf diese zuzugreifen. Gleichzeitig brauchen Datenanbieter Möglichkeiten, ihre Datenquellen unabhängig von ihrer späteren Nutzung zur Verfügung zu stellen. Ein wichtiger Ansatz zur Vereinfachung der Bereitstellung und des Verbrauchs von Daten ist das ontologiebasierte Datenmanagement (Ontology-based Data Management, OBDM), bei dem eine Ontologie als gemeinsame geteilte Konzeptualisierung verwendet wird. Aktuelle OBDM-Ansätze setzen jedoch auf vorab erstellte Ontologien, wobei sowohl die Erstellung als auch die Wartung bereits komplexe und zeitaufwändige Prozesse sind. Diese Dissertation stellt einen neuartigen Ansatz vor, der als Bottom-up Knowledge Graph (BUKG) bezeichnet wird und OBDM verbessert, indem er Probleme der traditionellen Entwicklung von Ontologien für die Verwaltung von ( semi-)strukturierten Datenquellen überwindet. Anstatt Ontologien top-down zu erstellen und zu pflegen, lernt ein BUKG die individuellen Konzeptualisierungen von Datenlieferanten und -konsumenten und integriert sie kontinuierlich in seine gemeinsame geteilte Konzeptualisierung. Auf diese Weise leistet der vorgestellte Ansatz einen wichtigen Beitrag zur semantischen Datenverwaltung, indem er die nahtlose Sammlung, Integration, Entdeckung, das Verständnis und den Zugriff auf heterogene Datenquellen auf der Grundlage einer neuartigen Bottom-up-Konzeptualisierung unterstützt.The implementation of data science use cases that rely on machine learning requires access to a sufficient amount of data. Available data usually shows a great variety in terms of data sources, formats and quality. Therefore, data scientists need ways to discover, understand and access potentially relevant data sources. At the same time, data providers need possibilities to make their data sources available regardless of their later use. An important approach for simplifying the provision and consumption of data is Ontology-based Data Management (OBDM), in which an ontology is used as a common shared conceptualization. However, current OBDM approaches rely on ontologies that were created in advance, whereby the creation as well as maintenance are already complex and time-consuming processes. This thesis introduces a novel approach, called Bottom-up Knowledge Graph (BUKG), that improves OBDM by overcoming issues of traditional ontology engineering for the management of (semi-)structured data sources. Instead of creating and maintaining ontologies top-down, a BUKG learns the individual conceptualizations of data providers and consumers and continuously integrates them into its common shared conceptualization. In this way, the presented approach makes an important contribution to the semantic data management by supporting the seamless collection, integration, discovery, understanding and access of heterogeneous data sources based on a novel bottom-up conceptualization.
Dokumenttyp
Dissertation / PhD Thesis/Book
Format
print
Sprache
English
Externe Identnummern
HBZ: HT020609896
Interne Identnummern
RWTH-2020-09733
Datensatz-ID: 803452
Beteiligte Länder
Germany
|
The record appears in these collections: |