Jahresbericht Fachgebiet Informationssysteme. Prof. Dr. Felix Naumann

Transkript

1 Jahresbericht 2013 Fachgebiet Informationssysteme Prof. Dr. Felix Naumann

2 Inhaltsverzeichnis 1 Personelle Zusammensetzung 4 2 Lehrveranstaltungen Vorlesungen Seminare Bachelorprojekte In 2013 abgeschlosssene Bachelorprojekte Laufende Bachelorprojekte (Abschluss 2014) Masterprojekte Betreuung von Studierenden und Dissertationen Betreuung von Masterarbeiten Abgeschlossene Masterarbeiten (Abgabe 2013) Laufende Masterarbeiten (Abgabe 2014) Betreuung von Dissertationen (intern, extern) Abgeschlossene/eingereichte Dissertationen im Jahr Laufende Dissertationsprojekte Bearbeitete Forschungsthemen Data Cleansing Data Proling Open Data Data Mining Data Provisioning Data Matching Web Mining Disambiguation Web-based Prediction and Recommendation Auftragsforschung und sonstige Projekte Stratosphere ProLOD Metanome RDBMS Genealogy Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 2

3 6 Publikationen Begutachtete Konferenzartikel Zeitschriftenartikel Buchkapitel Technische Berichte Vorträge 21 8 Web-Portale und -Services 23 9 Mitgliedschaften, Programmkomitees, Gutachtertätigkeiten Mitgliedschaften Mitarbeit in Boards und Programmkomitees Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 3

4 1 Personelle Zusammensetzung Leiter des Fachgebiets Prof. Dr. Felix Naumann Assistentin der Fachgruppe Katrin Heinrich Senior Researcher Dr. Gjergji Kasneci Wissenschaftliche Mitarbeiter Toni Grütze Arvid Heise Dustin Lange Thorsten Papenbrock PhD-Stipendiaten und Postdocs Dr. Ralf Krestel Ziawasch Abedjan Maximilian Jenders Anja Jentzsch Johannes Lorey Tobias Vogel Zhe Zuo Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 4

5 2 Lehrveranstaltungen 2.1 Vorlesungen Sommersemester 2013 Datenbanksysteme I (Naumann, 4 SWS, Bachelor) Data Proling and Data Cleansing (Naumann, 4 SWS, Master) Datenmanagement mit SQL (Naumann, openhpi Kurs) Wintersemester 2013/2014 Datenbanksysteme II (Naumann, 4 SWS, Bachelor) Data Mining and Probablistic Reasoning (Kasneci, Jenders, 4 SWS, Master) 2.2 Seminare Sommersemester 2013 Beautiful Data (2 SWS, Bachelor) Advanced Recommendation Techniques (Kasneci, Jenders, 4 SWS, Master) Wintersemester 2013/2014 Advanced Data Proling (Papenbrock, Naumann, 4 SWS, Master) Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 5

6 2.3 Bachelorprojekte In 2013 abgeschlosssene Bachelorprojekte VIP 2.0: Celebrity Exploration Betreuer: Kasneci, Naumann, Grütze Partner: Celebrity Performance GmbH Studenten: Daniel Dummer, Johannes Eschrig, Manuel Hegner, Florian Moritz, Johannes Wolf, Martin Zabel Abstract: The goal of the project is to harvest web data to add connections between people and/or companies into a given database of German celebrities. The project partner provides a database with basic information about many well-known people in Germany. This version of the database is populated manually and it only contains factual information about celebrities. During the project this database will be expanded automatically in order to represent connections of the celebrities Laufende Bachelorprojekte (Abschluss 2014) C 3 Consistent Car Clustering Betreuer: Naumann, Grütze Partner: Capgemini Deutschland Holding GmbH Studenten: Frederick Brumm, Sebastian Gerstenberg, Caroline Goericke, Daniel Neuschaefer-Rube, Suhanyaa Nitkunanantharajah, Jakob Reschke, Jan Sachse, Patrick Siegler Abstract: Im Rahmen dieses Projekts wird ein System entwickelt, das effektive Fahrzeugcluster deniert, ndet, visualisiert und plant. Für das Projekt stehen historische und laufende Planungs- und Messdaten für die Fahrzeuge und ihre Produktionsschritte in einer Datenbank zur Verfügung. Der Automobilhersteller wird das Projekt mit Fachwissen unterstützen. Wikidata.lib Betreuer: Naumann, Jentzsch Partner: Wikimedia Deutschland e.v. Studenten: Sebastian Brückner, Christian Dullweber, Moritz Finke, Alexander Lehmann, Felix Niemann, Virginia Weidhaas Abstract: The project Wikidata.lib 1 is providing a set of tools and libraries for the Mediawiki, and in particular Wikidata, ecosystem. 1 Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 6

7 2.4 Masterprojekte Wintersemester 2013/2014 Piggyback Proling: Metadata for Query Results Betreuer: Naumann Studenten: Tino Junge, Fabian Tschirschnitz, Claudia Exeler, Stefan Lehmann, Cathleen Ramson, Maria Graber Abstract: The objective of this project is to extend the open-source DBMS PostgreSQL (implemented in C), to provide metadata for query results with as little processing overhead as possible. The key idea is to piggyback on existing operator implementations and to reuse and adapt known metadata of the base tables. For a given query, the DBMS should output the query result, its size, its sortation, some metadata for each column (uniqueness, nulls, min, max, etc.), and some metadata for column combina- tions (functional dependencies, unique columns combinations). Joint Data Proling Betreuer: Papenbrock, Naumann Studenten: Jens Hildebrandt, Mandy Roick, Lukas Schulze, Jakob Zwiener Abstract: Data proling techniques are used for a wide range of applications like schema matching, database reverse engineering,query optimization, or data exploration. Many algorithms have been proposed for the discovery of proling information like inclusion dependencies, unique column combinations and functional dependencies. Some of these algorithms facilitate similar constructs or can be adapted to discover multiple types of proling information. In this paper, we present the holistic algorithm MUDS that jointly discovers unary inclusion dependencies, unique column combinations and functional dependencies and shares common costs like I/O across the discovery tasks. Additionally, we describe inter proling task pruning rules that we facilitate to perform pruning across dierent types of proling information e.g. inferring functional dependencies or non-dependencies from unique column combinations. We evaluate our algorithm in detail and compare it against the sequential execution of state-of-the-art algorithms and against a holistic combination of the Spider and Fun algorithms. Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 7

8 3 Betreuung von Studierenden und Dissertationen 3.1 Betreuung von Masterarbeiten Abgeschlossene Masterarbeiten (Abgabe 2013) Tobias Rawald: Iterative Data Cleansing Thorsten Papenbrock: Progressive Duplicate Detection Florian Thomas: Optimierung regelbasierter Duplikaterkennung Stefan George: Entwicklung einer Suchmaschine zur Bewertung von Experten basierend auf ihren Publikationen im Feld der Energiewissenschaften Sven Viehmeier: Incremental Data Proling Stephan Wehrmeyer: Legislatum - Gesetzessuchmaschine für Laien Armin Zamani: Strategies for structure-based rewriting of SPARQL queries for data prefetching Robert Aschenbrenner: Produktduplikaterkennung und Titelfusion Laufende Masterarbeiten (Abgabe 2014) Benedikt Forchhhammer: Optimizing Performance of Linked Data Proling Matthias Kohnen: Text Proling: Aggregation Analyses on Sets of Texts Thomas Kaske: Automatische Generierung eines Doktorvater-Stammbaumes Patrick Schulze: Depth-First Discovery of Functional Dependencies Gary Yao: Large-scale Hashtag Recommendation for arbitrary Texts Thorben Lindhauer: Developing a Content-focused Serendipity Model for Recommendations Claudia Lehmann: Discovery of Strong-Unique Column Combinations Andrina Mascher: Discovering Matching Dependencies Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 8

9 3.2 Betreuung von Dissertationen (intern, extern) Abgeschlossene/eingereichte Dissertationen im Jahr 2013 Alexander Albrecht: Managing and Integrating ETL Processes (eingereicht 11/2013) Jana Bauckmann: Semi-automatic Integration of Life Sciences Data (eingereicht 02/2013) Christoph Böhm: Proling Heterogeneous Data Dustin Lange: Eektive und eziente Suche und Identikation von Entitäten in Relationen Laufende Dissertationsprojekte Ziawasch Abedjan: Data Mining for RDF Data (eingereicht 1/2014) Uwe Draisbach: Ecient Entity Resolution Toni Grütze: Web Data Extraction Arvid Heise: Parallel and Declarative Data Cleansing Maximilian Jenders: Microblog Analysis Anja Jentzsch: Describing and Comparing the Web of Data Johannes Lorey: Linked Open Data Services in the Cloud (eingereicht 1/2014) Thorsten Papenbrock: Data Proling Tobias Vogel: Provisioning and Adaption of Data Quality Web Services Zhe Zuo: Named Entity Linkage Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 9

10 4 Bearbeitete Forschungsthemen Die verschiedenen Forschungsaktivitäten des Lehrstuhls haben sich inhaltlich auf die folgenden Schwerpunkte konzentriert: 4.1 Data Cleansing Data Proling Open Data Data Mining Data Provisioning Data Matching Web Mining Disambiguation Web-based Prediction and Recommendation Data Cleansing Forschungsprojekt: Data Quality as a Service (DAQS) Betreuer: Tobias Vogel Abstract: Datenreinigungsprozesse sind traditionell auf menschliche Experten angewiesen, die die komplexen Verfahren kongurieren und die Programme bedienen. Sowohl Experten als auch die Programme sind ein groÿer Kostenfaktor und nur von gröÿeren Organisationen einsetzbar. Data Quality as a Service (DAQS) ist ein Projekt, das für diese Problemstellung einen Webservice bereitstellt. Dabei werden Kongurationsentscheidungen autonom durch den Service getroen (z.b. die Erkennung von Attributklassen oder die Wahl von Partitionierungsschlüsseln). Damit eignet sich DAQS zur Datenreinigung auch für kleinere Organisationen oder für Ad-hoc-Reinigungsprojekte. Forschungsprojekt: Annealing Standard Team: Tobias Vogel, Arvid Heise, Uwe Draisbach, Dustin Lange, Felix Naumann Abstract: Die Evaluierung von Duplikaterkennungssystemen benötigt normalerweise einen Goldstandard. Goldstandards sind häug aufwändig zu beschaen, Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 10

11 nicht repräsentativ oder vertraulich. Ein Annealing Standard ist eine wohlde- nierte Menge an Record-Paaren, die manuell oder von vielen (maschinellen) Classiern übereinstimmend klassiziert wurden. Jeder weitere Classier unterstützt die bestehende Klassizierung der vorherigen Classier oder leitet eine manuelle Überprüfung für einzelne Paare ein. Damit werden automatisch nur die für den Computer schwierig zu klassizierenden Duplikatkandidaten manuell überprüft; die eindeutigeren Duplikat- und Nicht-Duplikatpaare werden vom Computer klassiziert. Der Annealing Standard konvergiert somit gegen einen Goldstandard. 4.2 Data Proling Heterogene Datenquellen sind nicht nur von unterschiedlicher Qualität, sondern auch von unterschiedlicher Struktur. Um mit unbekannten Datenquellen arbeiten zu können, müssen diese daher zunächst auf ihre individuellen Eigenschaften (Metadaten) untersucht werden. Data Proling ist ein automatisierter, analytischer Prozess, der Metadaten zu weitgehend unbekannten Echtdaten generiert. Der Prozess umfasst auch die Disziplinen Data Mining und Data Cleansing. Die gewonnen Metadaten beschreiben das Schema der Daten (Spaltennamen, Datentypen, etc.) und weitere wichtige Eigenschaften der Daten, wie etwa wiederkehrende Muster, Regeln oder Gütekriterien. Besonders relevant ist Data Proling beispielsweise für wissenschaftliche Datenbanken, wie molekularbiologische oder astronomische Datenbanken. Auch wird es intensiv für vernetzte Datenquellen und Wissensbanken im World Wide Web und für das Web of Data eingesetzt. Forschungsprojekt: Discovery of unique column combinations Team: Ziawasch Abedjan, Arvid Heise, Anja Jentzsch, Thorsten Papenbrock, Jorge Quiane-Ruiz (QCRI), Felix Naumann Abstract: Die Entdeckung von Spaltenkombinationen, die nur eindeutige Werte enthalten, ist für die Datenmodellierung, die Datenbankoptimierung und auch für die Datenintegration von groÿem Interesse. Schon Lösungen zu diesem Problem sind expoentieller Natur, da die die Anzahl der Spaltenkombinationen in O(2 n ) liegt. Insofern bieten sich parallelisierte, verteilte Verfahren an, etwa auf der Hadoop oder auf der Stratosphere-Plattform. Dieses Projekt wird in Kooperation mit dem Qatar Computing Research Institute (QCRI) durchgeführt. Forschungsprojekt: (Incremental) Discovery of inclusion dependencies Team: Thorsten Papenbrock, Jorge Quiane-Ruiz (QCRI), Felix Naumann Abstract: Als eine Voraussetzung von Fremdschlüsselbeziehungen zeigen Inclusion Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 11

12 Dependencies an, wie verschiedene Tabellen innerhalb eines Schemas verbunden werden können. Dieses Projekt beschäftigt sich mit der ezienten Suche dieser Abhängigkeiten. Unter anderem werden dazu inkrementelle Techniken entwickelt, die nicht nur im Bereich Datenintegration und Datenexploration eingesetzt werden können, sondern auch für die Inclusion-Dependency-Suche in der Qualitätsüberwachung und dem Data Mining geeignet sind. Dieses Projekt wird in Kooperation mit dem Qatar Computing Research Institute (QCRI) durchgeführt. 4.3 Open Data Im Allgemeinen werden unter dem Begri Open Data jene Datensätze zusammengefasst, die frei verfüg- und nutzbar sind. Darunter fallen solche Informationsbestände, die von Regierungen, Regierungsbehörden oder privaten Unternehmen veröentlicht werden, aber auch andere ohne Einschränkung bereitgestellte Dokumente wie wissenschaftliche Publikationen oder Wetteraufzeichnungen. Insbesondere das Untersuchen strukturierter und untereinander verknüpfter Datensätze, die als sogenannte RDF-Tripel veröentlicht werden, steht dabei im Zentrum unserer Forschung. Im Rahmen unserer Projekte analysieren wir diese Datenbestände und den Zugri darauf. Mithilfe der dabei gewonnen Erkenntnisse verbessern wir den Umfang, die Qualität und die Handhabung der enthaltenen Informationen Data Mining Forschungsprojekt: Association Rule Mining on RDF Data Betreuer: Ziawasch Abedjan Abstract: Linked Open Data umfasst sehr viele und oft sehr groÿe oene Datenmengen, die oft in der RDF Struktur vorzunden sind. Die Heterogenität der vorhandenen Datenquellen erfordern jedoch unabwendbare Integrationsschritte bevor sie durch Anwendungen genutzt werden können. Eine vielversprechende und neue Methode um solche Daten zu untersuchen und aufzubereiten ist Association Rule Mining. Basierend auf eine auf Mining Kongurationen Methodology entwickeln wir verschiedene Möglichkeiten RDF Daten zu analysieren und nützliche Metadaten zu generieren. Dabei entwickeln wir Methoden für Attributvorschläge, Datenkomplementierung, Ontology-Verbesserungen und Anfrageoptimierung. Diese Verfahren verbessern einerseits die Qualität der Daten und anderseits erlauben sie Nutzern mit Inkonsistenz in der Datenmenge umgehen zu können. Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 12

13 4.3.2 Data Provisioning Forschungsprojekt: Linked Data as a Service Betreuer: Johannes Lorey Abstract: Es existiert eine Vielzahl an Projekten, die es sich zum Ziel gesetzt haben, verschiedenartige Informationen als sogenannte Linked Data bereitzustellen. Dabei wird das Publizieren solcher Daten durch eine Reihe von Standards und Konventionen formell klar geregelt. Andererseits ist das Verwenden dieser Daten oftmals mit groÿen Hindernissen verbunden. Während einige Datenquellen beispielsweise lediglich als herunterladbare Dateien zur Verfügung stehen, sind andere nur als öentlich zugänglicher SPARQL-Endpunkt erreichbar. Das Ziel dieses Forschungsprojekts ist der Aufbau einer Plattform für einen einfacheren Zugri auf diese Datenmengen basierend auf einer skalierbaren Umgebung. In diesem Kontext untersuchen wir typische Zugrismuster auf Daten und entwickeln darauf basierend einen optimierten Zugri auf vorhandene Ressourcen Data Matching Forschungsprojekt: Linked Data Alignment Betreuer: Christoph Böhm Team: Gerard de Melo (ICSI Berkley), Nils Rethmeier, Felix Naumann, Gerhard Weikum (MPII) Abstract: Das Linked Data Alignment (LINDA) Projekt beschäftigt sich mit dem Aunden verschiedener Repräsentationen eines Reale-Welt-Objektes in RDF Daten aus dem sog. Web of Data. Die Schwierigkeit dieses Projektes liegt insbesondere in der Gröÿe und Heterogenität der vorhandenen Datenquellen im Web. Ziel des Projektes war es unter den gegebenen Voraussetzungen Ansätze zu entwickeln, die nicht lediglich isolierte Entscheidungen für zwei Entitäten treen, sondern die Gesamtheit der in den Daten zur Verfügung stehenden Beziehungen ausnutzen - d.h. sog. Joint Reasoning zu betreiben. So wurden drei Methoden mit unterschiedlichen Eigenschaften entworfen, implementiert und getestet. Methode 1 liefert ein vollständig konsistentes Ergebnis, hat aber Laufzeitdezite. Methode 2 arbeitet deutlich schneller, verletzt aber u.u. die Konsistenz des Ergebnisses. Methode 3 ist skalierbar, denn sie lässt sich (wie Methode 2) auf Rechnerclustern ausführen und liefert ein konsistentes Ergebnis. Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 13

14 4.4 Web Mining Today's Web contains ever more information about entities like companies, products, and persons. This information bare the potential for new applications that would not be possible with traditional information systems (i.e., database systems of limited scope). We apply dierent data mining and machine learning techniques to solve challenging problems for dierent domains. Due to the ever-growing size of the Web, a primary focus is set on the scalability of our approaches Disambiguation This research area addresses the problem of entity disambiguation. Entity disambiguation is concerned with the process of identifying which entity is mentioned in a text, when there are several entities that could be referred to by the same mention. Forschungsprojekt: Web Search Result Disambiguation Betreuer: Gjergji Kasneci Team: Toni Grütze, Zhe Zuo Abstract: A wealth of useful information about people occurs in Web 2.0 platforms, such as Wikipedia, LinkedIn, Facebook, etc. Being human-generated, the information on these platforms is clean, focused, and already disambiguated. We aim at exploiting the above information to improve search results to queries about ambiguous person names. Forschungsprojekt: Named Entity Linkage Betreuer: Gjergji Kasneci Team: Zhe Zuo, Toni Grütze Abstract: Many entities that are contained in general-purpose and domain-specic knowledge bases have ambiguous names and are dicult to recognize and disambiguate in free text. The goal of this project is to automatically identify mentions of named entities in Web documents and link them to their knowledge base pendants, thus enabling a better analysis of the underlying documents Web-based Prediction and Recommendation This research topic addresses the problem of predicting the preference of a user for items (e.g., products, news,...) he has not yet seen or considered. Thus, it addresses Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 14

15 the reasoning over reduced data without losing relevant information for users or items. Forschungsprojekt: Serendipity-based news article recommendations Betreuer: Gjergji Kasneci Team: Maximilian Jenders Abstract: We address the challenge of developing a serendipity-based recommender, i.e., a recommendation engine that does not recommend the very similar and therefore obvious items, but some which are unexpected yet very useful to the user. We tailor this approach to the area of news articles, where we want to produce serendipitous recommendations for a user reading one news article purely based on the content of this article. Forschungsprojekt: Cross-Plattform Recommendation Betreuer: Gjergji Kasneci Team: Maximilian Jenders Abstract: The wealth of information shared through social network platforms calls for techniques that can adequately lter topic-specic information in form of (topically) related posts and blogs. Our goal is to design algorithms that can reliably align posts across platforms. The problem is cast into a recommendation problem where for any selected post the user is presented with topically related posts from other networks. Forschungsprojekt: Identifying temporal relationships between entities from evolving sources Betreuer: Gjergji Kasneci Team: Toni Grütze Abstract: Much of the information shared through social networks undergoes a temporal evolution, as content is shared within a certain time frame. Shared Web-documents usually contain mentions of various entities, such as persons, companies, locations, etc. By observing many documents mentioning the same entities, condence for a temporal relationship between these entities is gained (i.e., Barack Obama is currently visiting Chicago). The aim of this project is to detect temporal dependencies between entities mentioned in such documents. This knowledge might be used to improve Named Entity Linking algorithms. Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 15

16 5 Auftragsforschung und sonstige Projekte 5.1 Stratosphere Forschungsprojekt: Data Cleansing in Stratosphere Projektpartner: DFG Projektleiter: Prof. Dr. Felix Naumann Projektteam: Arvid Heise, Tommy Neubert, Fabian Tschirschnitz Abstract: Stratosphere ist ein verteiltes System zur Datenanalyse von groÿen Datenmengen, das in Kooperation mit der TU und HU Berlin entwickelt wird. Wir entwickeln Datenreinigungsoperationen, die in eine komplexe, deklarative Anfrage eingebettet werden können. Ein besonderes Augenmerk liegt auf der Erforschung von Interaktionen zwischen diesen und anderen Operationen, um die Ausführung der Anfragen zu optimieren und damit Zeit und Geld sparen zu können. 5.2 ProLOD++ Forschungsprojekt: Proling and Mining RDF Data with ProLOD++ Projektleiter: Prof. Dr. Felix Naumann Projektteam: Ziawasch Abedjan, Toni Grütze, Anja Jentzsch Abstract: ProLOD++ ist ein web-basiertes Proling-Tool zum Zwecke der Analyse von Linked Open Data (LOD), der Nutzer dabei unterstützt ihre RDFstrukturierten Daten besser zu verstehen. ProLOD++ bietet eine Reihe von sowohl einfachen als auch komplexen Methoden an um verschiedene Muster und Statistiken aus einer gegebenen RDF Datenquelle zu generieren, die man nutzen kann um die Struktur, Semantik und mögliche Probleme in den Daten zu erkennen. 5.3 Metanome Forschungsprojekt: Data Proling Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 16

17 Projektpartner: QCRI Projektleiter: Prof. Dr. Felix Naumann Projektteam: Thorsten Papenbrock, Claudia Exeler, Jakob Zwiender Abstract: Das Metanome Projekt bietet eine neue Sicht auf Data Pro ling, indem es verschiedene Algorithmen entwickelt und in ein einheitliches Tool bringt. Insbesondere geht es dabei um die e ziente Berechnung von Functional Dependencies, Inclusion Dependencies und Unique Column Combinations. Das Ziel des Projektes ist es, die bisherige Funktionalität von Data Pro ling zu erweitern und Laufzeit- und Skalierbarkeitsschwächen bisheriger Algorithmen auf Big Data zu überwinden. Eine Vision zum Projekt erscheint im SIGMOD Record: Data Pro ling Revisited. 5.4 RDBMS Genealogy Forschungsprojekt: Visualize a Genealogy of relational database management sys- tems Projektleiter: Prof. Dr. Felix Naumann Abstract: The HPI Genealogy of Relational Database Management Systems v4 is available free for download and use under the Creative Commons BY-SA license, incorporating much of the feedback we have received. Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 17

18 6 Publikationen 6.1 Begutachtete Konferenzartikel Ziawasch Abedjan and Felix Naumann. Synonym Analysis for Predicate Expansion. In Proceedings of the 10th Extended Semantic Web Conference (ES- WC), Montpellier, France, Alexander Albrecht and Felix Naumann. Systematic ETL Management Experiences with High-Level Operators. In Proceedings of the 18th International Conference on Information Quality (ICIQ), Little Rock, AK, Uwe Draisbach, Felix Naumann. On Choosing Thresholds for Duplicate Detection. In Proceedings of the 18th International Conference on Information Quality (ICIQ), Little Rock, USA, Arvid Heise, Jorge-Arnulfo Quiane-Ruiz, Ziawasch Abedjan, Anja Jentzsch and Felix Naumann. Scalable Discovery of Unique Column Combinations. In Proceedings of the VLDB Endowment (PVLDB), 7(4): , Maximilian Jenders, Gjergji Kasneci, Felix Naumann. Analyzing and predicting viral tweets. In Companion Volume of the International World Wide Web Conference (WWW) Enkelejda Kasneci, Thomas C. Kübler, Gjergji Kasneci, Wolfgang Rosenstiel, Martin Bogdan. Online Classication of Eye Tracking Data for Automated Analysis of Trac Hazard Perception. In International Conference on Articial Neural Networks (ICANN) Simon Lacoste-Julien, Konstantina Palla, Alex Davies, Gjergji Kasneci, Thore Graepel, Zoubin Ghahramani. SIGMa: Simple Greedy Matching for Aligning Large Knowledge Bases. International Conference on Knowledge Discovery and Data Mining (KDD) Dustin Lange and Felix Naumann. Bulk Sorted Access for Ecient Top-k Retrieval. In Proceedings of the International Conference on Scientic and Statistical Database Management (SSDBM), Baltimore, Maryland, Marcus Leich, Jochen Adamek, Moritz Schubotz, Arvid Heise, Astrid Rheinländer, and Volker Markl. Applying Stratosphere for Big Data Analytics. In Database Systems for Business, Technology, and Web (BTW), Johannes Lorey. SPARQL Endpoint Metrics for Quality-Aware Linked Data Consumption. In Proceedings of the 15th International Conference on Information Integration and Web-based Applications & Services (iiwas '13), Vienna, Austria, Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 18

19 Johannes Lorey. Storing and Provisioning Linked Data as a Service. In Proceedings of the 10th Extended Semantic Web Conference (ESWC), Montpellier, France, Johannes Lorey and Felix Naumann. Detecting SPARQL Query Templates for Data Prefetching. In Proceedings of the 10th Extended Semantic Web Conference (ESWC), Montpellier, France, Johannes Lorey and Felix Naumann. Caching and Prefetching Strategies for SPARQL Queries. In Proceedings of the 3rd International Workshop on Usage Analysis and the Web of Data (USEWOD), Montpellier, France, Zeitschriftenartikel Ziawasch Abedjan and Felix Naumann. Improving RDF Data through Association Rule Mining. Datenbank-Spektrum (Special Issue on RDF Data Management) 13(2): , Benedikt Forchhammer, Thorsten Papenbrock, Thomas Stening, Sven Viehmeier, Uwe Draisbach, Felix Naumann. Duplicate Detection on GPUs. In Proceedings of the 15th conference on Database Systems for Business, Technology, and Web (BTW), Magdeburg, Germany, Runner Up for Best Paper Award Dustin Lange and Felix Naumann. Cost-Aware Query Planning for Similarity Search. Information Systems (IS) 38(4): , Jens Lehmann, Robert Isele, Max Jakob, Anja Jentzsch, Dimitris Kontokostas, Pablo N. Mendes, Sebastian Hellmann, Mohamed Morsey, Patrick van Kleef, Sören Auer, Christian Bizer. DBpedia A Large-scale, Multilingual Knowledge Base Extracted from Wikipedia. Semantic Web Journal, Felix Naumann. Data Proling Revisited. SIGMOD Record 32(4), Felix Naumann, Maximilian Jenders, and Thorsten Papenbrock. Ein Datenbankkurs mit 6000 Teilnehmern. Informatik-Spektrum (12), Saeedeh Momtazi and Felix Naumann. Topic modeling for expert nding using latent dirichlet allocation. WIREs Data Mining and Knowledge Discovery, Daniel Rinser, Dustin Lange, Felix Naumann. Cross-lingual Entity Matching and Infobox Alignment in Wikipedia. Information Systems (IS) 38(6): , Buchkapitel Denny Vrandecic, Anja Jentzsch. Ontologies and the Semantic Web. Chapter in Perspectives Of Ontology Learning, IOS Press, Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 19

20 6.4 Technische Berichte Astrid Rheinländer, Arvid Heise, Fabian Hueske, Ulf Leser, and Felix Naumann. SOFA: An Extensible Logical Optimizer for UDF-heavy Dataows. CoRR Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 20

21 7 Vorträge Es werden nur Vorträge genannt, die nicht in Zusammenhang mit einer Konferenzveröentlichung stehen. Prof. Felix Naumann Keynote: Dagstuhl Seminar Interoperation in Complex Information Ecosystems The Quality of Web Data Invited talk at FGDB Herbsttagung Data Proling Revisited Colloquium talks at NYU, Columbia University and NYU Polytech Data Proling Revisited Invited talk at Berlin Big Data Workshop Data Proling Revisited Introductory panel talk: International Conference on Service-oriented Computing (ICSOC) Big Data Dr. Gjergji Kasneci Invited talk at the Max-Planck Institute for Informatics, Saarbrücken: Knowledge Corroboration with Logical Rules and User Feedback Invited talk at the Institute of Computer Science, Humboldt University, Berlin: Scalable Reasoning with Knowledge from the Web Anja Jentzsch Talk at SMWCon 2013, Berlin, Germany DBpedia Mappings Wiki Talk at GirlGeekMeetup 2013, Berlin, Germany Wikidata The free knowledge base that anyone can edit Jahresbericht 2013 Lehrstuhl Naumann: Informationssysteme 21