[论文解读] 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 5

一句话总结

Ovopub 引入了一种基于 RDF 的模块化数据发布模型，通过最小化的溯源信息实现细粒度的溯源追踪，同时保持极低的开销，支持数据封装、完整性验证和选择性查询。该模型通过轻量级的溯源注释和可重用的数据模块，显著提升了生命科学数据共享中的可追溯性和互操作性。

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.

研究动机与目标

• 为解决语义网基础数据发布中日益增长的可靠数据溯源需求。
• 实现支持封装、完整性检查和选择性查询的模块化数据发布。
• 在保持数据语句可追溯性的同时，降低溯源开销。
• 支持生命科学数据生态系统中的互操作性和重用。
• 提供一种轻量级、可扩展的数据发布模型，避免元数据膨胀。

提出的方法

• Ovopub 使用基于模块的 RDF 规范，将数据封装为自包含单元，并嵌入溯源信息。
• 通过标准化的 RDF 三元组使用最小化溯源注释，将语句链接到其来源。
• 通过支持针对特定数据模块的目标查询，实现选择性来源查询回答。
• 通过数据模块的加密哈希强制执行完整性检查，确保数据一致性。
• 定义了用于发布和引用数据的设计模式，以促进重用性和一致性。
• 该方法利用现有的语义网标准（RDF、OWL），确保广泛的兼容性和可扩展性。

实验结果

研究问题

• RQ1 如何在保持细粒度溯源的同时实现数据发布的模块化？
• RQ2 确保数据完整性和可追溯性所需的最小溯源开销是多少？
• RQ3 在模块化数据发布模型中，能否高效支持选择性来源查询？
• RQ4 如何设计数据模块，以实现在生命科学领域中的重用和互操作性？
• RQ5 哪些基于 RDF 的模式能够实现可扩展且可维护的数据发布，同时最小化元数据？

主要发现

• Ovopub 支持将数据封装为可重用、自包含的模块，并嵌入溯源元数据。
• 通过数据模块的加密哈希实现完整性检查，确保数据一致性。
• 原生支持选择性来源查询回答，允许用户仅从特定来源检索数据。
• 通过使用轻量级 RDF 注释而非复杂的溯源图，将溯源开销降至最低。
• 该方法已成功应用于生命科学数据发布，证明了其可扩展性和互操作性。
• 数据发布与引用的设计模式提升了重用性，并减少了数据集之间的重复。