Datenbank-Spektrum

, Volume 13, Issue 2, pp 139–143 | Cite as

Der Lehrstuhl Datenbanken an der Universität Leipzig

Datenbankgruppen vorgestellt
  • 238 Downloads

Zusammenfassung

Der Lehrstuhl Datenbanken an der Universität Leipzig befasst sich schwerpunktmäßig mit automatisierten Verfahren zur Integration und Analyse großer Mengen heterogener Daten, v.a. aus dem Web. Im Zusammenhang mit “Big Data” werden unterschiedlichste Hochleistungsstrategien verfolgt, u.a. Skew-resistente Lastbalancierungsmethoden für MapReduce sowie die Nutzung moderner Grafikprozessoren (GPUs). Zum Matching von Modellen (Schemas, Ontologien) und von Instanzdaten wurden leistungsfähige Verfahren und mehrere Prototypen entwickelt. Untersucht werden ferner Methoden zur Evolution von Ontologien und Mappings, um die Auswirkungen von Ontologieänderungen zu minimieren. Der Bericht gibt nach einer Einleitung zur Entwicklung des Lehrstuhls einen Überblick zu den aktuellen Forschungsthemen. Angaben zum Lehrprofil runden die Darstellung ab.

Schlüsselwörter

Big Data Datenintegration Ontologien Leipzig 

Literatur

  1. 1.
    Aumüller D, Rahm E (2011) Affiliation analysis of database publications. SIGMOD Rec 40(1):26–31 CrossRefGoogle Scholar
  2. 2.
    Endrullis S, Thor A, Rahm E (2012) Entity search strategies for mashup applications. In: ICDE Google Scholar
  3. 3.
    Endrullis S, Thor A, Rahm E (2012) Wetsuit: an efficient mashup tool for searching and fusing web entities. Proc VLDB Endow 5(12):1970–1973 Google Scholar
  4. 4.
    Hartung M, Groß A, Rahm E (2013) Conto-diff: generation of complex evolution mappings for life science ontologies. J Biomed Inform 46(1):15–32 CrossRefGoogle Scholar
  5. 5.
    Kolb L, Rahm E (2013) Parallel entity resolution with dedoop. Datenbank Spektrum 13(1):23–32 CrossRefGoogle Scholar
  6. 6.
    Kolb L, Thor A, Rahm E (2012) Load balancing for map/reduce-based entity resolution. In: ICDE, S 618–629 Google Scholar
  7. 7.
    Köpcke H, Thor A, Thomas S, Rahm E (2012) Tailoring entity resolution for matching product offers. In: EDBT, S 545–550 CrossRefGoogle Scholar
  8. 8.
    Maßmann S, Raunich S, Aumüller D, Arnold P, Rahm E (2011) Evolution of the coma match system. In: OM Google Scholar
  9. 9.
    Ngomo ACN, Kolb L, Heino N, Hartung M, Auer S, Rahm E (2013) When to reach for the cloud: using parallel hardware for link discovery. In: ESWC Google Scholar
  10. 10.
    Peukert E, Eberius J, Rahm E (2012) A self-configuring schema matching system. In: ICDE, S 306–317 Google Scholar
  11. 11.
    Rahm E (2011) Towards large-scale schema and ontology matching. In: Schema matching and mapping, S 3–27 CrossRefGoogle Scholar
  12. 12.
    Rahm E, Bernstein PA (2001) A survey of approaches to automatic schema matching. VLDB J 10(4):334–350 MATHCrossRefGoogle Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2013

Authors and Affiliations

  1. 1.Institut für InformatikUniversität LeipzigLeipzigDeutschland

Personalised recommendations