[论文解读] Finding Quality Issues in SKOS Vocabularies

Christian Mader, Bernhard Haslhofer+1 more|arXiv (Cornell University)|Jun 6, 2012

Data Quality and Management参考文献 16被引用 6

一句话总结

本文提出了一套15个可计算的质量检查函数，用于识别SKOS词汇表中的非完整性质量问题，已在qSKOS工具中实现。对15个实际词汇表的分析显示，所有词汇表均存在质量问题，包括标签缺失、结构缺陷、链接断裂和关系不一致，表明需要在SKOS规范约束之外进行自动化质量评估。

ABSTRACT

The Simple Knowledge Organization System (SKOS) is a standard model for controlled vocabularies on the Web. However, SKOS vocabularies often differ in terms of quality, which reduces their applicability across system boundaries. Here we investigate how we can support taxonomists in improving SKOS vocabularies by pointing out quality issues that go beyond the integrity constraints defined in the SKOS specification. We identified potential quantifiable quality issues and formalized them into computable quality checking functions that can find affected resources in a given SKOS vocabulary. We implemented these functions in the qSKOS quality assessment tool, analyzed 15 existing vocabularies, and found possible quality issues in all of them.

研究动机与目标

• 解决SKOS模型完整性约束与实际词汇表中质量问题之间的差距。
• 识别超出正式完整性检查范围的领域特定质量问题。
• 开发一组客观、可计算的质量检查函数，用于自动化评估。
• 在15个现有SKOS词汇表的代表性集合上评估这些函数。
• 通过数据驱动指标支持分类学家提升词汇表质量。

提出的方法

• 通过分析现有指南和实际词汇表模式，识别出15项质量问题。
• 将每项问题形式化为可在SKOS词汇表的RDF/OWL表示上执行的可计算质量检查函数。
• 在qSKOS质量评估工具中实现这些函数，支持对SKOS资源的自动化分析。
• 将该工具应用于分析15个现有SKOS词汇表，包括AGROVOC、EuroVoc、MeSH和STW。
• 使用标准RDF/SPARQL查询和验证技术检测问题，如缺失标签、断裂链接和结构不一致。
• 收集并处理关于概念方案、关系、标签和文档的元数据，以评估质量维度。

实验结果

研究问题

• RQ1 哪些SKOS词汇表质量问题超出了SKOS规范中定义的完整性约束？
• RQ2 如何将SKOS词汇表中的质量问题形式化为可计算检查，以实现自动化检测？
• RQ3 现有SKOS词汇表在多大程度上表现出结构、标签和链接问题？
• RQ4 可计算质量检查在识别对词汇表维护者具有实际意义的问题方面有多有效？
• RQ5 这些质量问题在现实世界中对互操作性和可用性产生了何种影响？

主要发现

• 在分析的15个SKOS词汇表中，所有词汇表均至少存在一项质量问题，表明问题普遍存在，且超出了基本完整性约束。
• 标签问题普遍存在，尽管AGROVOC已多语言发布，但仅有38%的概念具有德语标签。
• 发现多个人为词汇表存在结构性问题，如孤立的概念簇（例如LVAk中有11个）和层级循环（例如DBpedia中存在），
• 链接断裂是主要问题，EuroVoc中超过40万条链接和LCSH中超过50万条链接需要验证，其中许多无法解析。
• 多个词汇表缺少顶级概念，包括GTAA和Geonames；在EuroVoc中，一个概念方案甚至完全缺乏顶级概念。
• 检测到无价值或误用的关系，如唯一传递性相关概念或未定义的SKOS资源，表明对规范存在误解。