[論文レビュー] Ovopub: Modular data publication with minimal provenance

Alison Callahan, Michel Dumontier|arXiv (Cornell University)|May 29, 2013

Scientific Computing and Data Management参考文献 20被引用数 5

ひとこと要約

Ovopubは、最小限のオーバーヘッドで細粒度のプロバンセンス追跡を可能にするモジュラーRDFベースのデータ公開モデルを導入している。データカプセル化、整合性の検証、選択的クエリ処理を支援する。これは、軽量なプロバンセンスアノテーションと再利用可能なデータモジュールを通じて達成され、ライフサイエンス分野におけるデータ共有における追跡可能性と相互運用性を著しく向上させる。

ABSTRACT

With the growth of the Semantic Web as a medium for creating, consuming, mashing up and republishing data, our ability to trace any statement(s) back to their origin is becoming ever more important. Several approaches have now been proposed to associate statements with provenance, with multiple applications in data publication, attribution and argumentation. Here, we describe the ovopub, a modular model for data publication that enables encapsulation, aggregation, integrity checking, and selective-source query answering. We describe the ovopub RDF specification, key design patterns and their application in the publication and referral to data in the life sciences.

研究の動機と目的

• セマンティックウェブベースのデータ公開における信頼性の高いプロバンセンスの需要が高まっているのに対応する。
• カプセル化、整合性の検証、選択的クエリ処理を支援するモジュラーなデータ公開を可能にする。
• データステートメントの追跡可能性を維持しながら、プロバンセンスのオーバーヘッドを低減する。
• ライフサイエンス分野のデータエコシステムにおける相互運用性と再利用を支援する。
• 最小限のメタデータの肥大化で済む、軽量で拡張可能なデータ公開モデルを提供する。

提案手法

• Ovopubは、プロバンセンスを埋め込んだ自己完結型の単位にデータをカプセル化するモジュラーRDF仕様を用いる。
• 標準化されたRDF三項組を用いて、ステートメントとそのソースを軽量なプロバンセンスアノテーションでリンクする。
• 特定のデータモジュールをターゲットにできるクエリを可能にする、選択的ソースクエリ回答をサポートする。
• データモジュールの暗黙的ハッシュ化により整合性チェックを強制し、データの一貫性を保証する。
• 再利用性と一貫性を促進するため、データの公開および参照のための設計パターンを定義する。
• 広範な互換性と拡張性を確保するため、既存のセマンティックウェブ標準（RDF、OWL）を活用する。

実験結果

リサーチクエスチョン

• RQ1 細粒度のプロバンセンスを維持しながら、データ公開をどのようにモジュラー化できるか？
• RQ2 データの整合性と追跡可能性を保証するために必要な最小限のプロバンセンスオーバーヘッドは何か？
• RQ3 モジュラーなデータ公開モデルにおいて、選択的ソースクエリ処理を効率的にサポートできるか？
• RQ4 ライフサイエンス分野において再利用性と相互運用性を実現するため、データモジュールはどのように設計すべきか？
• RQ5 最小限のメタデータでスケーラブルでメンテナンス可能なデータ公開を可能にするRDFベースのパターンは何か？

主な発見

• Ovopubは、埋め込まれたプロバンセンスメタデータを持つ再利用可能で自己完結型のモジュールにデータをカプセル化できる。
• モデルはデータモジュールの暗黙的ハッシュ化を通じて整合性チェックをサポートし、データの一貫性を保証する。
• 選択的ソースクエリ回答がネイティブにサポートされ、ユーザーが特定のソースからのみデータを取得できる。
• 複雑なプロバンセンスグラフではなく、軽量なRDFアノテーションを使用することで、プロバンセンスのオーバーヘッドを最小限に抑える。
• このアプローチはライフサイエンス分野のデータ公開に成功裏に適用されており、スケーラビリティと相互運用性を示している。
• データ公開および参照のための設計パターンにより、データセット間での再利用性が向上し、重複が削減される。