Proyecto Emblemático 2: Datos Multimodales

PROYECTO EMBLEMÁTICO 2: DATOS MULTIMODALES

Manejo eficiente de datos semi-estructurados

El Proyecto Emblemático 2: Datos multimodales aborda la gestión de datos, algoritmos y estructuras de datos. Su objetivo es desarrollar técnicas, algoritmos y estándares para la manipulación y extracción eficiente de información a partir de datos multimodales en los que distintos tipos de datos se interconectan —como gráficos, multimedia o datos espaciotemporales—. Así, el PE2 busca mejorar la eficiencia en el trabajo con estos datos mediante técnicas para evaluar diversos tipos de consultas en un espacio y tiempo computacional reducido, y mejorar la accesibilidad en la implementación de potentes plataformas multimodales de gestión de datos con recursos limitados.

ÁREAS DE INVESTIGACIÓN

1. Bases de datos de grafos

PROYECTOS DESTACADOS

MillenniumDB

MilleniumDB es una base de datos que incorpora todo el conocimiento de nuestro Instituto. Creamos un motor de grafos a la vanguardia de su campo, capaz de competir con otros sistemas de bases de datos tanto comerciales como de investigación. MilleniumDB los supera en rendimiento en varias métricas que miden búsqueda y almacenamiento. El sistema utiliza un modelo de datos propio que abarca los modelos de datos de grafos más populares que existen actualmente. El objetivo es que MilleniumDB funcione como un patio de juegos en el que nuevas soluciones de algoritmos se pueden probar en el contexto de un sistema realista, sin la necesidad de inventar todo desde cero.

En paralelo a MilleniumDB, lanzamos una nueva área de investigación que busca diseñar novedosas representaciones compactas de datos que combinan técnicas de teoría de la información con estructuras de datos. El objetivo es proveer soluciones temporalmente competitivas en los márgenes del espacio justo que se requiere para representar los datos en bruto —o menos, si es que se utilizan métodos de compresión de datos—. Logramos demostrar que se puede eliminar la redundancia de los sistemas existentes, abriendo la puerta a bases de datos de grafos que sean funcionales y que manejen consultas complejas para conjuntos de datos realistas y muchos más grandes.

Actualmente, estamos ofreciendo MilleniumDB a organizaciones sin fines de lucro, y también estamos utilizándolo para almacenar y analizar los datos que producimos en el IMFD. Al utilizar algoritmos de vanguardia para consultas complejas, MilleniumDB demuestra que técnicas derivadas de procesos investigativos son perfectamente competitivas con sistemas ya existentes, cuyas bases algorítmicas no siempre son robustas. Hemos trabajado en implementar el estándar SPARQL a MilleniumDB y, a la fecha, la mayor parte del lenguaje ya está incorporado a la plataforma. Nuestra meta es tener funcionalidad completa en SPARQL, lo que permitirá que el sistema tenga mayor usabilidad dado que SPARQL es un estándar W3C y está siendo utilizado activamente por la comunidad de la Web Semántica para procesar datos de grafos. Estamos convencidos de que MilleniumDB será un competidor clave en la industria de los sistemas de grafos.

Para saber más, te invitamos a ver este video:

Estandarización de almacenamiento de datos y protocolos de querying

Nuestros investigadores participan en los esfuerzos de la ISO para estandarizar las bases de datos de grafos: la primera versión de la propuesta ya ha sido redactada y se basa en intentos previos de estandarización llevados a cabo por el IMFD. En paralelo, hemos trabajado en analizar estándares que ya están en uso, como JSON, Complex Event Processing y SHACL