You are here

DFG Project: LISeQ - Language Integrated Semantic Queries

Graph-based data models allow for flexible data representation as needed for data exchange and integration. A graph-based data model includes structural information and it may include also, in the case of semantic data, schematic information as part of the data. The flexibility of graph-based data models makes them attractive, but programming with such data models is error-prone. A major reason is lack of type-safe integration into programming languages leaving the burden of correct typing on the programmer.

Schema descriptions which are formally represented as logic-based data descriptions in the graph data itself are difficult to represent in programming languages. Problems arise due to the frequent use of multiple inheritance, mixture of structural and nominal typing, incomplete knowledge and sheer number of types in typical data sources. Moreover, a type-safe integration must not be limited to the representation of data descriptions, rather it must also cover type-safe, expressive data access such that each query is viewed as defining implicitly a new type.

The overall objective of the project is to allow for type-safe programming with graph data. This entails the integration of logics-based data descriptions, in particular DL concepts, into the type checking process of programming lanugages.  Furthermore, we aim at integrating and providing types for queries (SPARQL) as types as well as querying (SPARQL). Lastly, the project is not only concerned with looking into the theoretical foundations, but also aims at empirically evaluating the usefulness of such an extended programming language.

General Information

Operational time

  • January 2018 - December 2020

Source of funding

  • 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