Big Data udn intelligente Analyse. This motivational talk was given at the GPEC conference hosted and organised by BDK. In the talk I address topics of linked data, information extraction, rdf and sparql and provide a real world example from a Russian customer.

1. Na0onal
Research
University
Higher
School
of
Economics
Big Data und intelligente Datenanalyse
Impulsvortrag BDK-Fachforum 09.09.2014
09
September
2014
“ Pak Poisk”
Daniel Hladky
Semantic Web Lab at HSE/W3C
Vorstand Ontos AG
Täglich werden 2.5 Trillionen Bytes
an Daten produziert

2. Daten
und
Analyse
2
Structured data
sources like CSV,
XLS, RDBMS
Unstructured text
document sources
like HTML
Smart Data
Integration based
on Linked Data
Data storages
RDBMS
BI, Reporting,
Analisys
TextMining
RDF
Store

3. 3
Herausforderungen
(Semi-) Strukturierte und unstrukturierte Daten
Datenanalyse Web, Deep Web (External)
Herausforderungen (Auszug)
• Data Crawling (web, deep
web…)
• Aggregation
• Daten verstehen, extrahieren
• Daten integrieren
• Daten speichern (flexibel)
• Daten auswerten, analysieren
Semantic
Knowledge Base

4. Wissen
aus
Text
generieren
4
Läsungsansätze – NLP/HLT
1. Manuelles Annotieren
Mittels Vokabular (Taxonomie/Ontologie)
2. Extraktion mittels Hintergrundwissen
Dictionary, LOD, etc
Bsp.: DBpedia Spotlight
3. Regelbasierte Extraktion
Formale Sprache Jape/Jape+
Bsp.: OntosMiner, GATE, UIMA
4. Künstliche Intelligenz, statistische
Verfahren, maschinelles Lernen
Latent Semantic Analysis, Vector Space Model,
TF-IDF
Bsp.: Eventos
5. Kombination 1-4

5. Triplifizierung,
No-­‐SQL
/
RDF
Store
No-SQL / RDF
Vorteile
• Flexibilität (Schema less)
• Standard -> RDF / SPARQL
• Semantische Suche
• Triplifizierung RDBMS nach RDF
Nachteil(e)
• Performance (Noch)
• (Noch) Keine Out-of-the-box BI
5
Tools
RDF Store

6. Datenintegra0on
/
Linking
and
Fusion
Entity “A” Entity “B”
6
Properties of A
Properties of B

7. Das
Gleiche
?
Ein
Beispiel…
7
Fuzzy string comparison methods
Scores:
Best Match „0.89“ vs Worst Match „0.138“
VSM
–
TFIDF
=
0.92
Vector Space Model

8. Praxisbeispiel
“Special
Troops,
Russland”
PAK
POISK

9. 9
Pak
Poisk
-­‐
Portal

10. 10
Pak
Poisk
-­‐
Visualisierungen

11. Pak
Poisk
-­‐
Timeline
Analyse
11

12. 12
Ausblick
-­‐
LiDaKrA

13. Danke
13

14. Daniel Hladky
Research
Interest
Linked
(Open)
Data
for
Government
&
Enterprises
NLP,
Seman0c
Web,
Business
Impact
of
Linked
Data
Linked
Data
and
Value
Chain
Ac3vi3es
Ontos:
Forschung
EU
FP7
–
GeoKnow,
Forschung
KTI-­‐DoW
(SAKE,
LiDaKrA)
NRU/HSE:
LOD
Russia,
RIA
Novos0,
LOD
for
City
of
Moscow
KESW
2012
(Lecture
Linked
Enterprise
Data),
KESW’13
(Co-­‐Chair)
PC
member
at
ISWC/WoLE
(2012,
2013),
MLW
Rome
(2013)
W3C
Russia
office
hosted
by
NRU
HSE
NRU HSE / W3C Russia
Slavyanskaya Sq. 4 Bldg. 2
109074 Moscow, Russia
E: dhladky@hse.ru
E: dhladky@w3c.org.ru
E: daniel.hladky@ontos.com
http://www.hse.ru/org/hse/iit/semant/
14