Generierung von Ontologien aus Linked Data

• Antragstellerinnen / Antragsteller: Professor Dr. Jens Lehmann; Dr. Johanna Völker
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung von 2013 bis 2016
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 233626375

Mit der Linked Open Data Initiative, welche dafür gesorgt hat, dass in den vergangenen Jahren enorme Mengen miteinander verknüpfter RDF-Daten im Web veröffentlicht wurden, ist ein wichtiger Schritt in die Richtung der universellen Verfügbarkeit von Informationen im Web getan. Jedoch fehlt es vielfach an ausdrucksmächtigen Schemata und Hintergrundwissen, welche helfen diese Daten zu interpretieren und automatisch Schlussfolgerungen zu ziehen. Ziel dieses Projektes ist daher die semi-automatische Erzeugung logisch komplexer Schemata aus Linked Open Data mit Hilfe logischer und statistischer Methoden des relationalen Lernens sowie der Sprachverarbeitung. Dabei wird ein wesentlicher Beitrag des Projektes in der Entwicklung neuer, integrierter Lernverfahren bestehen, welche in Bezug auf Skalierbarkeit und Robustheit auf die besonderen Bedürfnisse von Linked Open Data zugeschnitten sind. Um sowohl mit der Heterogenität der nur teilweise integrierten Daten als auch der enormen Größe der zu berücksichtigen Datenmengen umgehen zu können, sollen entsprechende Lernverfahren mit probabilistischen Methoden der Daten- und Schemaintegration kombiniert werden. Neben einer systematischen Evaluation der entwickelten Methoden anhand von Benchmark-Daten soll anhand eines konkreten Anwendungsszenarios aus dem Bereich des elektronischen Handels gezeigt werden, dass die entwickelten Methoden robust und effizient genug sind, um praxistaugliche, also für infererenz-basierte Anwendungen nutzbare, Schemata zu erzeugen.

• DFG-Verfahren: Sachbeihilfen
• Beteiligte Person: Professor Dr. Heiner Stuckenschmidt