Multidimensional Ontologies for Contextual Quality Data Specification and Extraction
Notice bibliographique
Résumé
Data quality assessment and data cleaning are context-dependent activities.Starting from this observation, in previous work a context model for the assessment of the quality of a database was proposed.A context takes the form of a possibly virtual database or a data integration system into which the database under assessment is mapped, for additional analysis, processing, and quality data extraction.In this work, we extend contexts with dimensions, and by doing so, multidimensional data quality assessment becomes possible.At the core of multidimensional contexts we introduce ontologies with provably good properties in terms of query answering (QA).We use the ontologies to represent dimension hierarchies, dimensional constraints, dimensional rules, and specifying quality data.Query answering relies on and triggers dimensional navigation, and becomes an important tool for the extraction of quality data.We introduce and investigate an ontological-multidimensional (OMD) data model for which the aforementioned multidimensional ontology is a particular case.The OMD model extends the traditional multidimensional data model, embedding it into a Datalog ± ontology.The ontology allows for the introduction of generalized facttables, called categorical relations, which may be incomplete and associated to categories at arbitrary levels of the dimensions.The dimensional rules in the ontology are represented as Datalog ± rules, and they enable dimensional navigation while propagating data between different dimension levels, for data completion where data is missing.The dimensional constraints are semantic conditions that have to be satisfied and are represented as Datalog ± constraints.It turns out that the ontologies created vii according to the OMD model correspond to weakly-sticky (WS) programs, for which tractability of conjunctive QA is guaranteed.We analyse the representational and computational properties of the OMD model, we investigate QA and optimization for the WS programs which was only partly studied in the literature.viii
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,009 | 0,016 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».