Graphdatenbanken (GDB)5 ECTS
(englische Bezeichnung: Graph-Databases)

Lehrveranstaltungen:

• • Intensivübung zu Graphdatenbanken
    (Übung, 6 SWS, Anwesenheitspflicht, Peter Schwab et al., Fr, 12:00 - 18:00, 01.152-113; Vorbesprechung: 11.10.2019, 11:00 - 12:00 Uhr, 08.130)

Empfohlene Voraussetzungen:

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:

Implementierung von Datenbanksystemen (WS 2018/2019)
Algorithmen und Datenstrukturen (WS 2018/2019)

Inhalt:

• Grundlagen

• Konzepte für Graphdatenbanken

• Abgrenzung zu anderen Datenbanktypen

• Graphtraversierungsalgorithmen

• Pattern Matching in Graphen
  

Zum Einstieg werden theoretische Grundlagen vermittelt. Der Fokus liegt dann auf dem praktischen Auseinandersetzen mit Algorithmen zum Traversieren bzw. Pattern Matching in aktuellen Graphdatenbanken.

Lernziele und Kompetenzen:

Fachkompetenz

• Wissen: Die Studierenden…

  • beherrschen Grundlagen und Modelle von Graphdatenbanken und grenzen diese gegenüber anderen Datenbanktypen ab.

  • kennen Algorithmen zum Traversieren von Graphen.

  • kennen Algorithmen zum Pattern Matching in Graphen.

• Anwenden: Die Studierenden…

  • Die Studierenden wenden agile Entwicklungsmethoden im Rahmen von Softwareentwicklung an.

  • implementieren Traversierungs-Algorithmen und konzipieren domänenspezifische Sprachen zum Traversieren

  • implementieren.

• Analysieren: Die Studierenden…

  • analysieren die Performance verschiedener Graphdatenbanken und bewerten Algorithmen zum Traversieren und Pattern Matching in Graphen.

Lern- bzw. Methodenkompetenz

• Die Studierenden bewerten den Arbeitsaufwand von Aufgaben.

• Die Studierenden arbeiten sich eigenständig in Technologien und Algorithmen ein und stellen diese in Präsentationen vor.

Sozialkompetenz

• Die Studierenden arbeiten kooperativ und verantwortlich in Gruppen und können das eigene Kooperationsverhalten sowie die Zusammenarbeit in der Gruppe kritisch reflektieren und optimieren.
  

Literatur:

• Edlich, Stefan. NoSQL: Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken. Hanser, 2011.

• Jouili, Salim ; Vansteenberghe, Valentin: An Empirical Comparison of Graph Databases. In: International Conference on Social Computing. IEEE. 2013

• Koutra, Danai ; Ramdas, Aaditya ; Parikh, Ankur ; Xiang, Jing: Algorithms for Graph Similarity and Subgraph Matching. 2011

• Barišić, Ankica ; Amaral, Vasco ; Goulão, Miguel ; Barroca, Bruno: Quality in Use of Domain-specific Languages: A Case Study. In: Proceedings of the 3rd ACM SIGPLAN Workshop on Evaluation and Usability of Programming Languages and Tools. New York, NY, USA : ACM, 2011 (PLATEAU ’11). – ISBN 978–1–4503–1024–6, 65–72

• Cordella, L. P. ; Foggia, P. ; Sansone, C. ; Vento, M.: An improved algorithm for matching large graphs. In: In: 3rd IAPR-TC15 Workshop on Graph-based Representations in Pattern Recognition, Cuen, 2001, S. 149–159

• Hong, Liang ; Zou, Lei ; Lian, Xiang ; Yu, Philip S.: Subgraph Matching with Set Similarity in a Large Graph Database. In: IEEE Transactions on Knowledge and Data Engineering 27 (2015), Nr. 9, S. 2507–2521. http://dx.doi.org/10.1109/tkde.2015.2391125

• Qiao, Miao ; Zhang, Hao ; Cheng, Hong: Subgraph Matching: On Compression and Computation. In: Proc. VLDB Endow. 11 (2017), Oktober, Nr. 2, 176–188. http://dx.doi.org/10.14778/3149193.

• Raymond, J. W.: RASCAL: Calculation of Graph Similarity using Maximum Common Edge Subgraphs. In: The Computer Journal 45 (2002), jun, Nr. 6, S. 631–644. http://dx.doi.org/10.1093/comjnl/45.6.631.

• Rodriguez, Marko A.: The Gremlin Graph Traversal Machine and Language. In: CoRR abs/1508.03843 (2015). http://arxiv.org/abs/1508.03843

• Samanvi, Kanigalpula ; Sivadasan, Naveen: Subgraph Similarity Search in Large Graphs. In: CoRR abs/1512.05256 (2015). http://arxiv.org/abs/1512.05256

Organisatorisches:

Die Projektsprache ist Deutsch!
Die Anmeldung erfolgt über StudOn (siehe zugeordnete Lehrveranstaltung)
Anwesenheit
Aufgrund des praktikumsartigen Charakters der Lehrveranstaltung herrscht Anwesenheitspflicht. Versäumt die oder der Studierende nicht mehr als 15 v. H. der Unterrichtszeit aus Gründen, die sie oder er nachweislich nicht zu vertreten hat, so müssen von der oder dem Studierenden angemessene Ersatzleistungen erbracht werden. Werden mehr als 15 v. H. der Unterrichtszeit versäumt, so ist die Veranstaltung erneut zu belegen.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:

1. Informatik (Master of Science)
   (Po-Vers. 2010 | TechFak | Informatik (Master of Science) | Wahlpflichtbereich | Säule der softwareorientierten Vertiefungsrichtungen | Vertiefungsrichtung Datenbanksysteme | Graphdatenbanken (GDB))

Studien-/Prüfungsleistungen:

Graphdatenbanken (Prüfungsnummer: 451758)

(englischer Titel: Graph Databases)

Prüfungsleistung, mehrteilige Prüfung, benotet, 5 ECTS

Anteil an der Berechnung der Modulnote: 100.0 %

weitere Erläuterungen:
Die Bewertung der Prüfungsleistung setzt sich zusammen aus 20% Fachvortrag, 50% praktischer Arbeitsleistung und 30% schriftlicher Ausarbeitung (4 Seiten, ACM-Artikel-Template).
Zum Bestehen des Moduls müssen alle drei Teilprüfungenbestanden werden.

Prüfungssprache: Deutsch

Erstablegung: WS 2019/20201. Wdh.: keine Wiederholung, 2. Wdh.: keine Wiederholung

1. Prüfer:

Klaus Meyer-Wegener,

2. Prüfer:

Richard Lenz