Relational Deep Learning
- Bachelor-/Masterarbeit -
Beschreibung:
Eine relationale Datenbank ist ein weit verbreiteter Datenbanktyp, der miteinander in Beziehung stehende Datensätze speichert und Zugriff darauf bietet. Aufgrund ihrer inhärenten Fähigkeit, verwandte Daten zu verknüpfen, sind sie in Millionen von Unternehmen zur primären Entscheidungsquelle und zur Voraussetzung für (prädiktive) Analysen mit künstlicher Intelligenz geworden. Beispielsweise nutzt Amazon relationale Datenbanken und maschinelles Lernen, um seinen komplexen Produktkatalog, Kundenbestellungen und Lieferungen zu verwalten und Analysen darauf durchzuführen. Dieser Prozess wird jedoch aufgrund der Menge und Vielfalt der beteiligten Daten immer komplexer, da über 25 riesige Datenbanken und Data Lakes durch einen Prozess namens Feature Engineering in einer „Mastertabelle“ zusammengeführt werden. Dieser Prozess ist komplex, teuer, zeitaufwändig und fehleranfällig. Zu diesem Zweck wurde relationales Deep Learning eingeführt [1] als effektive Technik für maschinelles Lernen auf relationalen Datenbanken. Die Idee besteht darin, relationale Datenbanken in Graphen abzubilden, in denen Einträge zu Knoten werden und Beziehungen als Kanten dargestellt werden, wodurch eine stark vernetzte und reich annotierte Datenstruktur entsteht. Diese Struktur kann dann mithilfe von Graph Neural Networks (GNNs) analysiert werden, einer speziellen Form des Deep Learning für Graphdaten.
Je nach Fokus dieser Bachelor-/Masterarbeit kann eine Umsetzung der Idee mit Evaluation basierend auf GNNs und/oder quantenmaschinellen Lernens [2] erfolgen.
[1] M. Fey, W. Hu, K. Huang, J. E. Lenssen, R. Ranjan, J. Robinson, R. Ying, J. You, J. Leskovec (2023). Relational Deep Learning: Graph Representation Learning on Relational Databases. arXiv:2312.04615. https://doi.org/10.48550/arXiv.2312.04615
[2] Martin Vogrin, Rok Vogrin, Sven Groppe, Jinghua Groppe. Supervised Learning on Relational Databases with Quantum Graph Neural Networks. VLDB 2024 Workshop: The Second International Workshop on Quantum Data Science and Management (QDSM’24), Guangzhou, China, https://vldb.org/workshops/2024/proceedings/QDSM/QDSM.5.pdf
Anforderungen/Kenntnisse:
Maschinelles Lernen
Betreuung:
Prof. Dr. rer. nat. habil. Sven Groppe
Institut für Informationssysteme
Ratzeburger Allee 160 ( Gebäude 64 - 2. OG)
23562 Lübeck
Telefon: 0451 / 3101 5706
