Sie sind hier

DFG Project: LISeQ - Language Integrated Semantic Queries

Mithilfe graph-basierte Datenmodelle können Daten flexibel repräsentiert werden und so für Datenaustausch und Datenintegration genutzt werden. Solche graph-basierten Modelle enthalten normalerweise strukturelle Informationen. Im Fall von semantischen Daten sind außerdem noch weiterführende schematische Informationen in den Daten enthalten. Die Flexibilität solcher Modelle macht sie attraktiv - solche Daten in der Programmiersprache zu nutzen ist aber fehleranfällig. Der Hauptgrund für diese Fehleranfälligkeit ist der Mangel an einer typsicheren Integration des Datenmodells in die Programmiersprache.  

Schematische Beschreibungen in graph-basierten Datenmodellen können als logische Datenbeschreibungen aufgefasst werden. Diese sind aber schwierig in der Programmiersprache zu repräsentieren. Probleme kommen von der Benutzung von multipler Vererbung, einem Mix aus struktureller und nomineller Typisierung, unvollständigem Wissen und der typischerweise großen Anzahl an potentiellen Typen in der Datenquelle. Weiterhin kann sich eine typsichere Integration nicht nur auf die Repräsentation solcher Datenbeschreibungen konzentrieren. Es muss auch der typsichere Zugriff auf die Datenquellen über Anfragen betrachtet werden.

Das Ziel dieses Projekts ist die typsichere Programmierung mit graph-basierten Datenmodellen. Es wird die Integration von logikbasierten Datenbeschreibungungen, insbesondere DL Konzepten, in die Typüberprüfung der Programmiersprache betrachtet. Weiterhin sollen (SPARQL-)Anfragen typisiert und überprüft werden. Das Projekt beschränkt sich dabei nicht nur auf die theoretischen Grundlagen, sondern versucht auch die Nützlichkeit von solchen Spracherweiterungen empirisch zu validieren.  

Allgemeine Information

Laufzeit

  • September 2018 - August 2020

Geldgeber

  • DFG- Deutsche Forschungsgemeinschaft

Partner

 

Prof. Dr. Steffen Staab

B 108
+49 261 287-2761
staab@uni-koblenz.de

Kurzlebenslauf

Ich habe Informatik und Computerlinguistik an der Universität Erlangen-Nürnberg und an der University of Pennsylvania studiert. Ich habe in der früheren Computerlinguistik-Forschungsgruppe an der Universität Freiburg gearbeitet und meinen Dr. rer. nat. in Informatik an der Technischen Fakultät (damals: Fakultät für angewandte Wissenschaften) 1998 erworben. Danach war ich an der Universität Stuttgart, am Institut IAT, und bei Fraunhofer IAO tätig, bevor ich zur Universität Karlsruhe (jetzt: KIT) wechselte, wo ich als Projektleiter, wissenschaftlicher Assistent und Oberassistent arbeitete. 2004 wurde ich zum Professor für Datenbanken und Informationssystem an der Universität Koblenz-Landau ernannt, wo ich 2009 das Institute for Web Science and Technologies (WeST) gründete. Seit März 2015 halte ich außerdem einen Chair for Web and Computer Science an der University of Southampton.

Forschungsinteressen

Auf dem Rechner beschreiben Daten die Welt. Die Welt ist spannend, aber Daten sind ganz schön langweilig, wenn man nicht weiß, was sie bedeuten. Ich interessiere mich dafür, wie Daten spannend werden, indem man ihre Bedeutung versteht.

Wie aber kommt Bedeutung zustande? 

  • Man kann die Bedeutung von Daten und Informationen modellieren. Begriffliche Modelle und Ontologien sind die Grundlage für Wissensnetze, die dem Rechner erlauben bedeutungsvoll mit Daten umzugehen.
  • Text und Data Mining sowie Informationsextraktion finden bedeutungstragende Muster in Daten (z.B. mittels Ontology Learning oder Text Clustering) und auch Zusammenhänge zwischen Daten und ihrer Verwendung im Kontext (z.B. mit Smartphones). So werden Wissensnetze in Daten gefunden.
  • Menschen kommunizieren Informationen. Um zu verstehen, was Daten und Informationen bedeuten, muss man soziale Interaktionen verstehen. Im Kontext von sozialen Netzwerken werden Wissensnetze bedeutungsvoll für Menschen.
  • Bedeutung ist nichts absolut Gesetztes. Letzten Endes muss die Bedeutung von Daten und Informationen wieder an den Menschen kommuniziert werden, der diese Daten und Informationen nutzt. Interaktion zwischen Menschen und Rechnern muss der Bedeutung von Daten und Informationen gerecht werden.

Das größte Konstrukt, das die Menschheit erfunden hat, um Daten mit Bedeutung zu kommunizieren ist das World Wide Web. Web Science untersucht, wie Netzwerke von Personen und Wissen im Web entstehen, wie Menschen damit umgehen und welche Folgen das für uns alle hat. Das Web ist eine Bedeutungsmaschine, die ich durch meine Forschung verstehen möchte.

Wo ich sonst zu finden bin

Wenn ich nicht gerade im Büro oder auf Dienstreise bin, bin ich am Liebsten zum Laufen im Stadtwald, im Changa oder beim AHS. Watch out! 

Martin Leinberger

B 103
+49 261 287 2439
mleinberger@uni-koblenz.de