Opportunistic Linked Data Querying through Approximate Membership Metadata

- Bachelorarbeit -


Beschreibung:

In dieser Bachelorarbeit soll untersucht werden, wie hilfreich approximierende Zugehörigkeitsfunktionen für das Verarbeiten von Anfragen auf verlinkten Datensätzen sind. Verlinkte Daten (Linked Data) umschreibt eine Datenbankstruktur, bei der für Anfragen viele Unteranfragen entstehen können. Diese beschäftigen sich oft erst einmal damit zu prüfen, ob gewünschte Informationen in der Datenbank enthalten sind.

Hierbei entstehen, wie bei jeder Datenbankanfrage, Belastungen für den Nutzer (Client), den Server und die Verbindung zum Server. Die Kernidee ist die Menge an Unteranfragen und damit möglicherweise die besagte Belastung auf die teilnehmenden Parteien zu reduzieren. Hier kommen sogenannte „Approximate Membership" wie z.B. Bloom-Filter ins Spiel, Metadaten die es vor Stellung der Unteranfrage erlauben herauszufinden, ob die gewünschte Information überhaupt im Datensatz existiert. Dieses Verfahren ist mit einer gewissen Fehleranfälligkeit behaftet, bei der es jedoch wichtig ist anzumerken, dass hierbei ein „Fehler" nicht zu einem falschen Ergebnis der Anfrage, sondern nur zu Zeitverlust führt.

Aufgabe wird es sein zu untersuchen, welchen Mehrwert diese Zugehörigkeitsfunktionen letzten Endes haben, also den allgemeinen Trade-off für die einzelnen Parteien abzuschätzen.

Anforderungen/Kenntnisse:
- SPARQL
- Vorwissen über das Semantische Web als Anwendungsbereich von verlinkten Daten, so wie RDF (Resource Description Framework) und TPF (Tripple Pattern Fragments) als zugehörige Datenstruktur zu den SPARQL Anfragen

Bearbeitung:
Matthias Pelzer

Ergebnis:
Die Ausarbeitung kann im Institut für Informationssysteme angefordert werden.

Betreuung:

Prof. Dr. rer. nat. Ralf Möller
Institut für Informationssysteme
Ratzeburger Allee 160 ( Gebäude 64 - 2. OG)
23562 Lübeck
Telefon: 0451 / 3101 5700