[论文解读] Luzzu Quality Metric Language -- A DSL for Linked Data Quality Assessment

Jeremy Debattista, Christoph Lange+1 more|arXiv (Cornell University)|Apr 29, 2015

Semantic Web and Ontologies参考文献 18被引用 4

一句话总结

本文提出了Luzzu质量度量语言（LQML），一种领域特定语言，使非编程领域的专家能够在Luzzu框架内定义并执行复杂的数据质量度量，用于链接开放数据集。LQML支持声明式、表达性强的度量定义，具备高效的流式处理能力，并与一种新型本体集成，实现语义共享与重用，显著降低了在链接数据生态系统中进行质量评估的门槛。

ABSTRACT

The steadily growing number of linked open datasets brought about a number of reservations amongst data consumers with regard to the datasets' quality. Quality assessment requires significant effort and consideration, including the definition of data quality metrics and a process to assess datasets based on these definitions. Luzzu is a quality assessment framework for linked data that allows domain-specific metrics to be plugged in. LQML offers notations, abstractions and expressive power, focusing on the representation of quality metrics. It provides expressive power for defining sophisticated quality metrics. Its integration with Luzzu enables their efficient processing and execution and thus the comprehensive assessment of extremely large datasets in a streaming way. We also describe a novel ontology that enables the reuse, sharing and querying of such definitions. Finally, we evaluate the proposed DSL against the cognitive dimensions of notation framework.

研究动机与目标

• 为应对链接开放数据集中日益严重的数据质量问题，该问题阻碍了其采用和可信度。
• 使领域专家——尤其是不具备编程技能的专家——能够为链接数据集定义自定义的、领域特定的数据质量度量。
• 设计一种领域特定语言（DSL），在表达能力与大规模数据集的高效执行之间实现平衡。
• 通过一种新型语义本体支持质量度量的共享、查询与重用。
• 使用记号的认知维度框架对DSL的可用性进行评估，以确保对非程序员的实用性。

提出的方法

• 设计LQML作为面向链接数据质量度量的结构化、声明式DSL，重点提升非程序员的可读性和表达能力。
• 在Luzzu框架内实现LQML的流式执行模型，以实现对大规模链接数据集的高效处理。
• 定义一种新本体——Luzzu蓝图本体——以语义化地建模质量度量，并支持其发现、重用与查询。
• 应用记号的认知维度（CD）框架，系统性地评估LQML的可用性与设计权衡。
• 围绕模块化组件构建LQML：匹配条件、操作和结果定义，将复杂的SPARQL式逻辑抽象为人类可读的表达式。
• 与现有的语义网标准（RDF、SPARQL、OWL）集成，以确保互操作性与语义基础。

实验结果

研究问题

• RQ1 没有编程技能的领域专家如何有效定义链接开放数据集的复杂数据质量度量？
• RQ2 哪些设计原则能够使DSL在大规模链接数据上实现表达能力与高效、可扩展执行之间的平衡？
• RQ3 如何对质量度量定义进行语义建模，以实现在社区间的共享、重用与查询？
• RQ4 LQML设计在多大程度上支持非编程领域专家的认知简便性与可用性？
• RQ5 在设计用于链接数据质量评估的DSL时，关键的可用性与表达能力权衡是什么？

主要发现

• LQML成功使不具备编程技能的领域专家能够通过声明式、人类可读的语法定义复杂的数据质量度量。
• LQML与Luzzu框架的集成使得在大规模链接数据集上实现高效流式执行质量度量成为可能。
• Luzzu蓝图本体实现了质量度量的结构化、机器可处理表示，促进了链接数据社区中的重用与发现。
• 使用记号的认知维度框架进行的评估揭示了LQML在可用性方面的优势，并识别出改进空间，例如降低复杂度量编写时的认知负荷。
• 该DSL在赋能领域专家参与质量评估方面展现出巨大潜力，可显著提升链接开放数据云中的数据质量。
• 未来工作计划增强LQML的通用关键词支持，并开发交互式用户界面与在线度量仓库，以促进社区贡献。