Dieser Workshop führt in aktuelle Graphdatenbanken, insbesondere Neo4J ein und diskutiert warum für die nächste Generation von Data-Science Anwendungen Linked Data wichtig ist. Dabei wollen wir auch auf die besonderen Anforderungen eingehen, die gerade durch die aktuelle Forschung am Coronavirus besonders deutlich wurden. Es werden einige Beispiele gegeben, wie man mit anderen Tools wie Python auf Daten entsprechend zugreifen kann, wie man Graphalgorithmen mit Cypher ausführt und wo ihre Grenzen liegen. Ein Ausblick auf linked open data und FAIR Data rundet das Themenfeld ab.
Graphen oder Netzwerke sind als "Knowledge Graphs" ein aktuelles Thema der Forschung im Bereich Data Science. Durch die immer mehr verfügbaren Graphdatenbanken wie Neo4j oder OrientDB sind neue Alternativen zu den schon länger verfügbaren Triplestores oder RDF-Stores (wie Apache Jena) des Semantic Webs hinzugekommen. Wir wollen in diesem Talk zum einen die Entwicklungen im Open-Source-Bereich vorstellen, insbesondere auch die vielfältigen Möglichkeiten der Interaktion zwischen Datenbanken wie Neo4J und Python bzw. Jupyter Notebooks. Dazu bringen wir einige Beispiele, wie sich Daten in eine Graphstruktur in Neo4J überführen lassen. Weiter wollen wir diskutieren, warum Linked Open Data ein spannendes Konzept ist und warum Graphalgorithmen auf Knowledge Graphs zu neuem Wissen führen können. Dazu bringen wir verschiedene Beispiele aus der biomedizinischen Forschung. Zum Abschluss wollen wir Wissensgraphen in den Kontext von FAIR Data einordnen und aufzeigen, warum eine transparente und reproduzierbare Wissenschaft durch eine Verknüpfung von freien Datensätzen profitieren kann.
Speakers: Jens Dörpinghaus Carsten