Universität Paderborn

  • screenshot

Die Universität Paderborn mit ihrem Lehrstuhl Data Science kann auf die langjährige und hochqualitative Forschungserfahrung ihrer Mitglieder aufbauen. Die UPB arbeitet in hohem Maße inter­disziplinär und verfügt über umfangreiche Erfahrungen in der theoretischen und praktischen Softwaretechnik, bei integrativen Softwarelösungen vom Ansatz über Middleware-­Konzepte bis hin zur vollständigen Modellierung einsatzfähiger Vorgehensmodelle. Die Mitarbeiter der Forschungsgruppe etablieren unter Leitung von Dr. Axel Ngonga theoretische Ergebnisse und skalierbare Implementierungen für die Realisierung des Semantic Webs. Besonderes Augenmerk gilt den Bereichen Wissensextraktion, Informationssuche und Wissens- und Datenintegration im Linked Data Web. Die wissenschaftlichen Veröffentlichungen der Mitglieder haben seit 2006 bereits mehr als 2.500 Zitierungen. Die Data Science Gruppe und die angegliederten Gruppen nahmen an mehreren großen Forschungsprojekten auf nationaler und EU-Ebene teil, wie LOD2 (FP7), GeoKnow (FP7), HOBBIT (H2020-ICT, Projektleiter), BigDataEurope (H2020-ICT), SAKE (BMWI, technische Leitung), GEISER (BMWI, technische Leitung), LinkingLOD2 (DFG). Die Forschungsgruppe koordiniert eine Vielzahl von offenen Community-Projekten wie LIMES, FOX, HAWK, AGDISTIS, LinkedTCGA, LSQ oder nimmt an diesen aktiv teil, wie bspw. LinkedGeoData (Linked Open Data von OpenStreetMap). Die von der Data Science Gruppe implementierten Werkzeuge und Dienstleistungen genießen große Popularität. Wissensextraktionswerkzeuge wie AGDISTIS und FOX werden monatlich mehr als 1 Mio. mal über öffentliche Schnittstellen aufgerufen und von Forschern und Unternehmen aktiv eingesetzt. Einsatzszenarien reichen von der Erstellung biomedizinischer Ontologien bis hin zum Wissensmanagement für Unternehmen.

Homepage

Project Collaboration

News

More Complete Resultset Retrieval from Large Heterogeneous RDF Sources ( 2019-12-05T15:46:09+01:00 Andre Valdestilhas)

2019-12-05T15:46:09+01:00 Andre Valdestilhas

Over recent years, the Web of Data has grown significantly. Various interfaces such as LOD Stats, LOD Laundromat and SPARQL endpoints provide access to hundreds of thousands of RDF datasets, representing billions of facts. Read more about "More Complete Resultset Retrieval from Large Heterogeneous RDF Sources"

DL-Learner 1.4 (Supervised Structured Machine Learning Framework) Released ( 2019-09-24T22:41:46+02:00 by Simon Bin)

2019-09-24T22:41:46+02:00 by Simon Bin

Dear all, The Smart Data Analytics group [1] and the E.T.-db-MOLE sub-group located at the InfAI Leipzig [2] is happy to announce DL-Learner 1.4. DL-Learner is a framework containing algorithms for supervised machine learning in RDF and OWL. Read more about "DL-Learner 1.4 (Supervised Structured Machine Learning Framework) Released"

DBpedia Day @ SEMANTiCS 2019 ( 2019-08-01T10:35:05+02:00 by Sandra Bartsch)

2019-08-01T10:35:05+02:00 by Sandra Bartsch

 We are happy to announce that SEMANTiCS 2019 will host the 14th DBpedia Community Meeting at the last day of the conference on September 12, 2019. Read more about "DBpedia Day @ SEMANTiCS 2019"

LDK conference @ University of Leipzig ( 2019-03-22T09:21:41+01:00 by Julia Holze)

2019-03-22T09:21:41+01:00 by Julia Holze

With the advent of digital technologies, an ever-increasing amount of language data is now available across various application areas and industry sectors, thus making language data more and more valuable. Read more about "LDK conference @ University of Leipzig"

13th DBpedia community meeting in Leipzig ( 2019-02-22T12:22:07+01:00 by Julia Holze)

2019-02-22T12:22:07+01:00 by Julia Holze

We are happy to invite you to join the 13th edition of the DBpedia Community Meeting, which will be held in Leipzig. Read more about "13th DBpedia community meeting in Leipzig"