Der Vortrag von Daniel Hladky an der Nationalen Forschungsuniversität 'Higher School of Economics' behandelt die Herausforderungen und Lösungsansätze im Bereich der Datenanalyse von strukturierten und unstrukturierten Daten. Dabei werden Methoden wie manuelle Annotation, regelbasierte Extraktion, künstliche Intelligenz und die Kombination dieser Ansätze zur Verbesserung der Datenintegration und semantischen Suche diskutiert. Zudem werden die Praktiken und Technologien im Zusammenhang mit Linked Data und deren Anwendung in Regierungs- und Unternehmenskontexten vorgestellt.

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