[论文解读] Use of Context in Data Quality Management: a Systematic Literature Review

Flavia Serra, Verónika Peralta+2 more|arXiv (Cornell University)|Apr 22, 2022

Data Quality and Management被引用 5

一句话总结

本篇系统性文献回顾研究了现代数据质量管理（DQM）方法中上下文的整合方式，发现尽管上下文被广泛认为是至关重要的，但在所审查的58篇论文中仅有6篇提供了正式的上下文定义。本研究识别出DQ需求是最常见的上下文组件，并指出在大数据和链接数据等多样化领域中，针对DQ度量的上下文形式化方面存在显著缺口。

ABSTRACT

The importance of context in data quality (DQ) was shown many years ago and nowadays is widely accepted. Early approaches and surveys defined DQ as extit{fitness for use} and showed the influence of context on DQ. This paper presents a Systematic Literature Review (SLR) for investigating how context is taken into account in recent proposals for DQ management. We specifically present the planning and execution of the SLR, the analysis criteria and our results reflecting the relationship between context and DQ in the state of the art and, particularly, how that context is defined and used for DQ management.

研究动机与目标

• 调查当前近期数据质量管理（DQM）提案中上下文的使用方式。
• 识别并分类DQM文献中上下文的组成部分、定义及表示方式。
• 评估DQM中上下文的形式化程度，特别是与数据质量度量和维度的关系。
• 解决关于DQ中何为上下文尚无共识的问题，并为将来的建模工作提供指导。
• 通过识别现有研究中的缺口与趋势，支持上下文感知DQ模型的开发。

提出的方法

• 采用严格、可复现的系统性文献回顾（SLR）方法，识别相关研究。
• 在数字图书馆（如Springer）中应用预定义的搜索字符串，检索到58篇关于DQM与上下文的相关论文。
• 根据工作类型（如模型、框架）、应用领域、数据模型和案例研究对论文进行分类。
• 分析每篇论文中上下文定义（正式或非正式）、上下文组件及表示技术（如规则、阈值）。
• 将上下文组件映射到DQ流程阶段，尤其聚焦于度量与评估阶段。
• 评估上下文的形式化程度，包括使用自然语言、逻辑语言或数值指标进行表示。

实验结果

研究问题

• RQ1 在近期的数据质量管理提案中，上下文是如何被定义和使用的？
• RQ2 在DQ管理中，上下文的最常见组成部分是什么，它们是如何表示的？
• RQ3 当前DQM研究中，上下文在多大程度上被正式定义或建模？
• RQ4 上下文如何影响DQ流程的度量与评估阶段？
• RQ5 在大数据和链接数据等领域的上下文整合中存在哪些缺口？

主要发现

• 在所审查的58篇论文中仅有6篇（占10.3%）对数据质量管理中的上下文提供了正式定义。
• DQ需求是最常被引用的上下文组件，其次是应用领域、业务规则和特定任务需求。
• DQ流程的度量与评估阶段最为依赖上下文，提出了最多的上下文组件。
• 使用自然语言或逻辑语言表达的规则是表示上下文组件的最常见方法。
• 尽管普遍认识到上下文的重要性，但大多数DQ度量并未以通用且可重用的方式在不同上下文中定义。
• 在适当的DQ维度或度量方面尚无共识，凸显了在DQ项目中开展上下文感知建模的迫切需求。