[论文解读] Collaboratively Patching Linked Data

Magnus Knuth, Johannes Hercher+1 more|arXiv (Cornell University)|Apr 12, 2012

Semantic Web and Ontologies参考文献 8被引用 14

一句话总结

本文提出了一种协作框架，通过使用标准化本体（PatchR）和集中式存储库，实现对链接数据中错误事实的识别、共享与应用。通过整合来自众包游戏（WhoKnows?）的用户反馈，该系统实现了高效、可重用且语义丰富的数据清洗，从而提升了如DBpedia等分布式链接数据源的数据质量。

ABSTRACT

Today's Web of Data is noisy. Linked Data often needs extensive preprocessing to enable efficient use of heterogeneous resources. While consistent and valid data provides the key to efficient data processing and aggregation we are facing two main challenges: (1st) Identification of erroneous facts and tracking their origins in dynamically connected datasets is a difficult task, and (2nd) efforts in the curation of deficient facts in Linked Data are exchanged rather rarely. Since erroneous data often is duplicated and (re-)distributed by mashup applications it is not only the responsibility of a few original publishers to keep their data tidy, but progresses to be a mission for all distributers and consumers of Linked Data too. We present a new approach to expose and to reuse patches on erroneous data to enhance and to add quality information to the Web of Data. The feasibility of our approach is demonstrated by example of a collaborative game that patches statements in DBpedia data and provides notifications for relevant changes.

研究动机与目标

• 解决不一致和错误链接数据带来的数据质量与集成挑战。
• 通过允许用户报告并共享错误事实的修补方案，实现数据缺陷的协作式清洗。
• 提供一种标准化、机器可处理的方式，以描述和交换作为链接数据的修补方案。
• 支持数据消费者和发布者重用并应用经过验证的数据修正。
• 通过基于游戏的系统展示可行性，该系统收集并公开DBpedia的修补方案。

提出的方法

• 作者定义了一种名为PatchR的新本体，用于将修补方案作为具有目标数据集、更新指令、倡导者和来源等元数据的第一类链接数据资源进行表示。
• 修补方案以SPARQL UPDATE查询的形式表达，可应用于目标图，确保机器可执行。
• 集中式修补仓库通过SPARQL端点存储并公开所有修补请求，支持发现与重用。
• 用户界面（PatchR UI）允许用户浏览、搜索和可视化最近和最受欢迎的修补方案，并提供直接链接至源维基百科页面以进行修正。
• 系统与游戏（WhoKnows?）集成，收集用户对DBpedia事实的反馈，并将其转换为正式的修补请求。
• 该方法支持人工驱动的清洗，也支持与算法化数据清洗流水线的潜在集成。

实验结果

研究问题

• RQ1 如何系统性地识别链接数据中的错误事实，并将其表达为可重用、机器可处理的更新？
• RQ2 哪些机制能够有效支持数据消费者与发布者在链接数据质量清洗中的协作？
• RQ3 如何将交互式系统中的用户反馈转化为语义丰富、可共享的数据修补方案？
• RQ4 修补方案表示的标准化在实现数据清洗互操作性与信任方面发挥什么作用？
• RQ5 如何在分布式链接数据仓库中高效发现、选择并应用修补方案？

主要发现

• PatchR本体成功实现了将数据修补方案作为链接数据进行正式、标准化的表示，包括目标图、更新操作和来源元数据。
• 通过SPARQL端点可访问的修补仓库，支持公众发现和重用修补方案，证明了其在大规模数据清洗中的可行性。
• 与WhoKnows?游戏的集成使得DBpedia的用户真实反馈得以收集，并成功转换为原型中的159个正式修补请求。
• 提供了直接链接至维基百科页面的功能，使用户能够直接在源端修正错误，防止未来DBpedia转储中再次出现。
• 该系统支持人工与算法化清洗流水线，显示出在数据发布者和聚合者中广泛采用的潜力。
• 该方法通过将错误检测与修正应用解耦，并借助来源与倡导机制建立信任，实现了高效、可扩展且互操作的数据清洗。