Ai för datahantering

Forskargrupp Vi utvecklar och utvärderar AI-verktyg och tekniker som hjälper företag och myndigheter att fullt ut utnyttja potentialen i sina data. Vår forskning ligger i den globala framkanten och bidrar till att förbättra sökresultat, automatisera processer och förbättra affärseffektiviteten.

Forskargruppen AI for Data Management leds av Diego Calvanese, världsledande expert inom artificiell intelligens för datahantering. Calvanese erhöll AAAI Classic Paper Award 2021, vilket vittnar om den varaktiga effekten av hans gedigna forskning inom AI och datavetenskap.

Robust ramverk

Forskagruppen tar sig an både fundamentala och tillämpade utmaningar inom kunskapsrepresentation och resonemang inom AI, med hjälp av logikbaserade formalismer, i synnerhet beskrivningslogik och tillhörande inferensfunktioner. Detta gör att vi kan ta hänsyn till semantisk information, vilket är viktigt för att bättre förstå data och deras betydelse, och för att förbereda data för fortsatt bearbetning och analys genom maskininlärning och tekniker för artificiell intelligens. Sammantaget strävar vi efter att utveckla ett robust ramverk för modellering och analys av komplexa system.

Diego Calvanese är Wallenberg gästprofessor inom artificiell intelligens för datahantering vid institutionen för datavetenskap, och professor vid Free University of Bozen-Bolzano i Italien. Diego Calvanese erhöll sin doktorsexamen vid Sapienza-universitetet i Rom 1996. Han är författare till mer än 350 refererade publikationer, inklusive bidrag och artiklar i de mest prestigefyllda internationella tidskrifterna och konferenserna inom databaser och artificiell intelligens, med 33 000 citat och ett h-index på 71, enligt Google Scholar.

Söka, hitta och sortera

Centralt i forskningen är användningen av virtuella kunskapsgrafer (VKG), även kända som ontologibaserad dataåtkomst, integration och hantering (OBDA/OBDI/OBDM). I ett VKG-system används en ontologi för att beskriva de olika typerna av data och deras relationer till varandra. Mappningar fungerar som en "översättningstabell" som kopplar de olika typerna av data till de faktiska datakällorna. När en användare formulerar en förfrågan via ontologin översätter VKG-systemet förfrågan till en form som kan bearbetas direkt av respektive datakälla. På så sätt kan VKG-systemet ge användaren tillgång till data från flera källor på ett enkelt och effektivt sätt. Vårt arbete möjliggör således sömlös åtkomst, integration och utbyte av data från olika källor.

Några forskningsområden

Hantering och samordning av specifika typer av data, t.ex. geospatiala egenskaper och flera dataformat, inklusive både graf- och trädstrukturerade data. Här behandlas den komplexitet som är inbyggd i sådana format;
Representera tidsbunden information och resonera och besvara frågor i tidsbundna data;
Möjligheten att utföra uppdateringar av datakällor genom tillhandahållande av en ontologi och en mappning, med full hänsyn till deras semantik;
Beaktande av både de strukturella och de dynamiska aspekterna av data och information, och deras interaktion för att bestämma ett systems beteende;
Definition av flexibla, men rigorösa, mekanismer för att hantera dataintegritet, dataintegritet och personalisering av datatillgång.