領(lǐng)域數(shù)據(jù)質(zhì)量知識建模方法研究

袁滿　杜楊楊

關(guān)鍵詞： 數(shù)據(jù)質(zhì)量； ＤＱＶ； 元模型； 質(zhì)量模型； 建模方法

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０４．００８

〔中圖分類號〕ＴＰ３９１ 〔文獻(xiàn)標(biāo)識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２３） ０４－００７７－１１

隨著萬維網(wǎng)資源的開放與互聯(lián)， 鏈接開放數(shù)據(jù)（Ｌｉｎｋｅｄ Ｏｐｅｎ Ｄａｔａ， ＬＯＤ）作為數(shù)據(jù)共享與互聯(lián)的一種方式［１］ ， 其“質(zhì)量” 問題也逐漸顯露出來。例如， ＤＢｐｅｄｉａ 以ＬＯＤ 的形式發(fā)布在Ｗｅｂ 上［２］ ， 由于它從半結(jié)構(gòu)化、非結(jié)構(gòu)化等數(shù)據(jù)源中提取數(shù)據(jù)， 因此存在語義沖突、表示錯(cuò)誤以及信息不完整等質(zhì)量問題； 其次， ＬＯＤ 數(shù)據(jù)集存在一些資源沒有標(biāo)識數(shù)據(jù)來源信息導(dǎo)致可信性低或者用戶無訪問權(quán)限等， 從而間接導(dǎo)致數(shù)據(jù)集質(zhì)量較差。數(shù)據(jù)質(zhì)量是確保數(shù)據(jù)能夠進(jìn)行業(yè)務(wù)組織以及決策實(shí)施的重要前提［３］ ， 因此， 數(shù)據(jù)的質(zhì)量問題也成為工業(yè)界和學(xué)術(shù)界重點(diǎn)關(guān)注的對象。

數(shù)據(jù)質(zhì)量的研究已有３０ 年之久， 質(zhì)量模型能夠?yàn)閿?shù)據(jù)管理者提供規(guī)范化術(shù)語并且輔助用戶決策。因此， 國際標(biāo)準(zhǔn)化組織［４］（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｏｒｇａｎｉ?ｚａｔｉｏｎ ｆｏｒ Ｓｔａｎｄａｒｄｉｚａｔｉｏｎ， ＩＳＯ）認(rèn)識到了數(shù)據(jù)質(zhì)量模型的必要性， 并提出ＩＳＯ／ ＩＥＣ ２５０１２ 標(biāo)準(zhǔn)［５］ 數(shù)據(jù)質(zhì)量模型。該標(biāo)準(zhǔn)提出的數(shù)據(jù)質(zhì)量模型按照固有的和系統(tǒng)相關(guān)的觀點(diǎn)概述了１５ 種通用的質(zhì)量特征。然而， ＩＳＯ 數(shù)據(jù)質(zhì)量模型被認(rèn)為過于通用， 沒有考慮到ＬＯＤ 特有的互連性。Ｚａｖｅｒｉ Ａ 等［６］ 則系統(tǒng)回顧了鏈接數(shù)據(jù)質(zhì)量的評估方法， 為鏈接數(shù)據(jù)質(zhì)量提供了１８ 個(gè)質(zhì)量維度以及６９ 個(gè)質(zhì)量指標(biāo)。這項(xiàng)調(diào)研擴(kuò)展了５ 個(gè)鏈接數(shù)據(jù)特有的質(zhì)量維度［６］ ， 并對數(shù)據(jù)質(zhì)量常用術(shù)語進(jìn)行統(tǒng)一形式化表述， Ｚａｖｅｒｉ Ａ 等團(tuán)隊(duì)的這項(xiàng)工作為后續(xù)的研究提供了重要的參考價(jià)值。Ｃｈｅｎ Ｈ 等［７］ 指出， Ｚａｖｅｒｉ Ａ 等所提供的綜合框架中一些質(zhì)量指標(biāo)是不必要的。因此， 在Ｚａｖｅｒｉ Ａ 等研究的基礎(chǔ)上提出了基于知識圖譜質(zhì)量需求適用程度的質(zhì)量評估框架， 要求該框架中的質(zhì)量評估維度應(yīng)該與知識圖譜所在應(yīng)用層的質(zhì)量需求相關(guān)聯(lián)。隨著數(shù)據(jù)質(zhì)量的深入研究， Ｗａｎｄ Ｙ 等［８］ 指出， 數(shù)據(jù)質(zhì)量維度目前還沒有達(dá)到普遍的共識， 亟需開發(fā)一種層次評估框架并建議依據(jù)本體的嚴(yán)格規(guī)范性來統(tǒng)一術(shù)語。目前基于本體的質(zhì)量模型也各不相同， 其中， Ｆüｒｂｅｒ Ｃ［９］ 提出基于本體的語義數(shù)據(jù)質(zhì)量管理（ Ｓｅｍａｎｔｉｃ Ｄａｔａ Ｑｕａｌｉｔｙ Ｍａｎａｇｅｍｅｎｔ Ｆｒａｍｅｗｏｒｋ，ＳＤＱＭ）框架， 該框架解決了當(dāng)前數(shù)據(jù)質(zhì)量問題類型以及數(shù)據(jù)質(zhì)量需求（也稱數(shù)據(jù)質(zhì)量規(guī)則）的表述并定義了６６ 個(gè)類和５６ 個(gè)最常見質(zhì)量問題的屬性。２０１６ 年， Ｗ３Ｃ 推出數(shù)據(jù)質(zhì)量（ＤＱＶ）詞表［１０］ ， 劉洋等［１１］ 基于ＤＱＶ 模型分析得出知識圖譜２２ 個(gè)質(zhì)量需求并映射為１３ 個(gè)質(zhì)量維度， 其核心質(zhì)量模型依據(jù)ＤＱＶ 規(guī)范構(gòu)建了知識圖譜質(zhì)量本體， 并實(shí)現(xiàn)對知識圖譜質(zhì)量評估以及質(zhì)量標(biāo)準(zhǔn)化的任務(wù)。

綜上所述， 當(dāng)前的質(zhì)量模型既存在共性又具有差異。對于數(shù)據(jù)質(zhì)量領(lǐng)域?qū)＜以谀Ｐ偷幕ゲ僮餍陨洗嬖诓蛔悖?非領(lǐng)域?qū)＜以谀Ｐ蜆?gòu)建上則存在一定的困難。針對這些問題， 本文提出一套標(biāo)準(zhǔn)的、適用的以及可互操作的質(zhì)量模型建模方法， 從而系統(tǒng)地幫助數(shù)據(jù)持有者構(gòu)建或選擇“Ｆｉｔｎｅｓｓ ｆｏｒ Ｐｕｒｐｏｓｅｓ”的質(zhì)量模型。本文采用溯源法， 首先對ＤＱＶ 元模型以及其他４ 個(gè)質(zhì)量模型進(jìn)行梳理和總結(jié)， 提煉出質(zhì)量模型必要的核心要素， 并組織為數(shù)據(jù)質(zhì)量概念模型； 其次， 采用ＧＱＭ（Ｇｏａｌ Ｑｕｅｓｔｉｏｎ Ｍｅｔｒｉｃ）的思想［１２］ ， 提出一套質(zhì)量模型建模方法。以該方法為指導(dǎo)方針， 依次進(jìn)行概念建模、詞表映射、模型構(gòu)建。該方法以自底向上的方式從數(shù)據(jù)質(zhì)量問題抽象到質(zhì)量核心要素并組織為通用的數(shù)據(jù)質(zhì)量概念模型； 再由概念模型向ＤＱＶ 元模型進(jìn)行映射以此來幫助用戶如何應(yīng)用現(xiàn)有的頂層質(zhì)量模型解決互操作性差的問題， 最終構(gòu)建一個(gè)符合用戶需求的質(zhì)量模型。對于數(shù)據(jù)持有者來說， 基于該方法構(gòu)建的質(zhì)量模型具有層次清晰以及語義關(guān)系明確的優(yōu)勢， 使質(zhì)量評估過程更加透明。對于數(shù)據(jù)資源來說， 該方法有助于數(shù)據(jù)質(zhì)量管理的標(biāo)準(zhǔn)化進(jìn)而促進(jìn)數(shù)據(jù)生態(tài)環(huán)境的良好發(fā)展。

１相關(guān)理論研究

數(shù)據(jù)在人工智能發(fā)展的過程中一直扮演著重要角色， 不可避免的是“數(shù)據(jù)質(zhì)量” 仍然為一項(xiàng)巨大挑戰(zhàn)。當(dāng)前數(shù)據(jù)質(zhì)量沒有一個(gè)統(tǒng)一的概念界定， 但數(shù)據(jù)質(zhì)量通常與數(shù)據(jù)的使用有著緊密聯(lián)系。ＩＳＯ／ ＩＥＣ２５０１２ 標(biāo)準(zhǔn)將數(shù)據(jù)質(zhì)量［５］ 定義為“在特定條件下使用時(shí)， 數(shù)據(jù)的特征滿足規(guī)定和隱含需求的程度”；Ｗ３Ｃ 最佳實(shí)踐組［１３］ 認(rèn)為， 數(shù)據(jù)適合其在操作、決策和計(jì)劃中的預(yù)期用途時(shí)， 這些數(shù)據(jù)是高質(zhì)量的。因此， 數(shù)據(jù)持有者與特定任務(wù)之間的需求可以作為確定數(shù)據(jù)質(zhì)量的基準(zhǔn)。ＧＢ／ Ｔ ３６３４４－２０１８［１４］ 標(biāo)準(zhǔn)指出“數(shù)據(jù)質(zhì)量” 在指定條件下使用時(shí)， 數(shù)據(jù)的特性滿足明確的和隱含的要求的程度。

綜上所述， 數(shù)據(jù)質(zhì)量的內(nèi)涵與“Ｆｉｔｎｅｓｓ ｆｏｒ Ｕｓｅ”主觀評價(jià)是高度一致的， 即數(shù)據(jù)滿足質(zhì)量需求的程度。數(shù)據(jù)質(zhì)量外延又分為質(zhì)量評估、問題發(fā)現(xiàn)以及質(zhì)量改進(jìn)３ 個(gè)任務(wù)［１５］ ， 即以判定數(shù)據(jù)適用程度、識別數(shù)據(jù)質(zhì)量問題以及提高數(shù)據(jù)質(zhì)量的數(shù)據(jù)質(zhì)量管理過程而開展的。

１.１數(shù)據(jù)質(zhì)量術(shù)語規(guī)范

由于不同學(xué)者給定的數(shù)據(jù)質(zhì)量術(shù)語存在差異，因此， 本文首先對術(shù)語進(jìn)行標(biāo)準(zhǔn)化。通過溯源法對ＤＱＶ 以及其他質(zhì)量模型進(jìn)行梳理， 總結(jié)了如下幾個(gè)數(shù)據(jù)質(zhì)量核心要素。

１.２數(shù)據(jù)質(zhì)量概念模型

本文使用溯源法對當(dāng)前現(xiàn)有的數(shù)據(jù)質(zhì)量模型（ＤＱＭ、ｄａＱ、ＱＭＯ、ＤＱＶ［５，９，１０，１７－１９］ 等）進(jìn)行梳理，提煉出質(zhì)量模型中共有的質(zhì)量要素： 質(zhì)量維度、質(zhì)量指標(biāo)、質(zhì)量度量、度量方法、質(zhì)量類別， 并通過１.１ 節(jié)對數(shù)據(jù)質(zhì)量術(shù)語進(jìn)行統(tǒng)一規(guī)范化。從知識組織［２０］ 的視角來看， 質(zhì)量要素作為一種細(xì)粒度的知識單元， 它們之間存在豐富的信息結(jié)構(gòu)和語義關(guān)聯(lián)，可將其組織為如圖１ 所示的數(shù)據(jù)質(zhì)量概念模型。

１.３最佳實(shí)踐原則

２０１７ 年， ＤＷＢＰ 工作組提出３５ 條最佳實(shí)踐［１３］原則， 依照這些原則來構(gòu)建或維護(hù)不同的數(shù)據(jù)資源可獲得如表１ 所示的有益啟示。其中涵蓋了數(shù)據(jù)質(zhì)量、數(shù)據(jù)來源、元數(shù)據(jù)等不同方面， 最大程度上促進(jìn)數(shù)據(jù)資源的規(guī)范性與共享性。

基于本體的質(zhì)量模型也是一種數(shù)據(jù)資源， 因此， 當(dāng)數(shù)據(jù)使用者針對其特定任務(wù)進(jìn)行質(zhì)量模型建模時(shí)， 建議其優(yōu)先參照這３５條最佳實(shí)踐原則。ＤＱＶ詞表參照了最佳實(shí)踐１５、１６（詳細(xì)內(nèi)容可參考［１３］），從而促進(jìn)資源的重用和互操作。一方面，ＤＱＶ遵循最小本體原則（最佳實(shí)踐１５）， 其在知識組織的過程中選定了適用范圍的知識粒度， ＤＱＶ的設(shè)計(jì)不是涵蓋實(shí)例化的質(zhì)量問題、質(zhì)量維度以及指標(biāo)等， 而是為數(shù)據(jù)持有者提供一致的組織方式，從而促進(jìn)其他用戶的可用性以及可擴(kuò)展性； 另一方面， ＤＱＶ 充分考慮到對現(xiàn)有詞表的重用（最佳實(shí)踐１６）， 例如ｄｑｖ：Ｄｉｍｅｎｓｉｏｎ 是ｓｋｏｓ：Ｃｏｎｃｅｐｔ 的子概念、ｄｑｖ：Ｄｉｍｅｎｓｉｏｎ 等價(jià)于ｄａｑ：Ｄｉｍｅｎｓｉｏｎ 等。使用現(xiàn)有詞表同樣促進(jìn)了其他用戶的可用性， 從而提高數(shù)據(jù)資源的互操作性， 減少數(shù)據(jù)資源冗余， 避免數(shù)據(jù)資源存在語義歧義和沖突。

２數(shù)據(jù)質(zhì)量模型研究

質(zhì)量模型是通過一組已定義的質(zhì)量特征、質(zhì)量子特征、質(zhì)量度量， 以及通過這些特征和度量之間的關(guān)系來定義的［５］ ， 在某種程度上規(guī)范了質(zhì)量相關(guān)信息。目前， 質(zhì)量模型共分為兩類： 一類是基于框架的質(zhì)量模型［２１］ ； 另一類是基于本體的質(zhì)量模型。質(zhì)量模型旨在為質(zhì)量評估過程提供一致的術(shù)語， 促進(jìn)不同的系統(tǒng)間實(shí)現(xiàn)互操作以及提高可讀性。

２.１基于框架的質(zhì)量模型

基于框架的質(zhì)量模型由質(zhì)量要素以及質(zhì)量要素間的關(guān)系組成， 這類模型以層次結(jié)構(gòu)對數(shù)據(jù)質(zhì)量知識進(jìn)行組織。２００８年， 國際標(biāo)準(zhǔn)化組織提出ＩＳＯ／ＩＥＣ ２５０１２標(biāo)準(zhǔn)［５］ ，該標(biāo)準(zhǔn)下的質(zhì)量模型將質(zhì)量屬性分為１５ 個(gè)質(zhì)量特征（即質(zhì)量維度）， 并將質(zhì)量維度分為兩個(gè)類別——固有的和系統(tǒng)依賴的。圖２為該質(zhì)量模型的層次結(jié)構(gòu)， 固有類別與數(shù)據(jù)本身屬性相關(guān)； 系統(tǒng)依賴類別指在特定條件下使用數(shù)據(jù)時(shí)，其滿足需求的程度。

該質(zhì)量模型是通用的數(shù)據(jù)質(zhì)量模型， 對于鏈接開放數(shù)據(jù)的一些特性是不滿足的， 例如， 鏈接數(shù)據(jù)須用唯一的ＵＲＩ 來命名資源（表征維度類別）， 該質(zhì)量特征可映射為ｄｑｖ：Ａｖａｉｌａｂｉｌｉｔｙ 維度以及ｄｑｖ：Ｕｎｉｑｕｅｎｅｓｓ 維度。２０１６ 年， Ｚａｖｅｒｉ Ａ 等的團(tuán)隊(duì)［６］ 在ＩＳＯ ２５０１２ 模型的基礎(chǔ)上進(jìn)行擴(kuò)展和補(bǔ)充， 其框架確立了４ 個(gè)質(zhì)量類別１８ 個(gè)質(zhì)量維度以及６９ 個(gè)質(zhì)量指標(biāo)。該項(xiàng)調(diào)研為后續(xù)的研究提供了重要參考價(jià)值。２０１９ 年， Ｃｈｅｎ Ｈ 等［７］ 提出“Ｆｉｔｎｅｓｓ ｆｏｒ Ｐｕｒ?ｐｏｓｅ” 的質(zhì)量框架， 旨在依據(jù)數(shù)據(jù)集在應(yīng)用層的需求來確立評估的質(zhì)量維度／ 指標(biāo)， 簡化了模型的規(guī)模避免工作內(nèi)容的冗余。

２.２基于本體的質(zhì)量模型

基于本體的質(zhì)量模型是將數(shù)據(jù)質(zhì)量知識用本體的嚴(yán)格規(guī)范性來統(tǒng)一術(shù)語［８］，相比于基于框架的形式， 本體對層次劃分更加清晰、語義關(guān)系更加明確以及模型易于擴(kuò)展和重用。當(dāng)前， 基于本體的質(zhì)量模型有ＤＱＶ、ＤＱＭ、ＤａＱ 等， 下面將從模型的適用范圍、模型的規(guī)模， 以及模型的重用率進(jìn)行對比分析。

２.２.１ＤＱＭ 本體

２０１１ 年， Ｆüｒｂｅｒ Ｃ 團(tuán)隊(duì)［９］ 提出數(shù)據(jù)質(zhì)量管理（Ｄａｔａ Ｑｕａｌｉｔｙ Ｍａｎａｇｅｍｅｎｔ Ｖｏｃａｂｕｌａｒｙ， ＤＱＭ）詞表質(zhì)量模型， 其核心概念是ｄｑｍ：ＤａｔａＲｅｑｕｉｒｅｍｅｎｔ 并且依賴于ｄｑｍ：Ｔａｓｋ的實(shí)例， 旨在使用ＤＱＭ 詞表定義的ｄｑｍ：ＤａｔａＲｅｑｕｉｒｅｍｅｎｔ 進(jìn)行數(shù)據(jù)質(zhì)量評分并自動創(chuàng)建質(zhì)量報(bào)告。目前ＤＱＭ 詞表規(guī)模較大， 具有６８ 個(gè)類、４６ 個(gè)對象屬性和５４個(gè)數(shù)據(jù)類型屬性。ＤＱＭ 詞表具有可擴(kuò)展性， 用戶可通過Ｗｉｋｉ 界面自定義新的類和屬性等。由于該質(zhì)量模型為早期任務(wù)并且當(dāng)前已不再維護(hù)， 不推薦優(yōu)先考慮重用該詞表。

２.２.２ＱＭＯ＆ＥＶＡＬ本體

２０１５ 年， Ｒａｄｕｌｏｖｉｃ Ｆ 發(fā)布了質(zhì)量模型本體［１７］（Ｑｕａｌｉｔｙ Ｍｏｄｅｌ Ｏｎｔｏｌｏｇｙ， ＱＭＯ）與評估結(jié)果本體［１８］（Ｅｖａｌｕａｔｉｏｎ Ｒｅｓｕｌｔ Ｏｎｔｏｌｏｇｙ， ＥＶＡＬ）， 它們是基于ＩＳＯ ２５０１０ 和ＩＳＯ １５９３９ 系列標(biāo)準(zhǔn)開發(fā)的輕量級通用本體。ＱＭＯ 側(cè)重于建模質(zhì)量特征以及質(zhì)量度量，ＥＶＡＬ 側(cè)重于獲取在產(chǎn)品、服務(wù)或行動評估中獲得的價(jià)值知識， 兩個(gè)本體則需要相互協(xié)作完成完整的質(zhì)量評估任務(wù)。相比于ＤＱＶ元模型， 二者在知識粒度上過于輕量級， 這可能導(dǎo)致用戶在開發(fā)新的類和關(guān)系時(shí)違背互操作性原則； 相比于其他質(zhì)量模型， 二者嚴(yán)格遵循了Ｗ３Ｃ提倡的表述模型。推薦用戶優(yōu)先選定通用建模語言， 不推薦用戶優(yōu)先考慮重用這兩個(gè)詞表。

２.２.３ ｄａＱ本體

２０１４年，Ｄｅｂａｔｔｉｓｔａ Ｊ 等［１９］ 開發(fā)了數(shù)據(jù)集質(zhì)量（Ｄａｔａｓｅｔ? Ｑｕａｌｉｔｙ Ｏｎｔｏｌｏｇｙ， ｄａＱ）本體， 其采用自下而上的方法系統(tǒng)地將質(zhì)量要素以及質(zhì)量要素間的關(guān)系以層次結(jié)構(gòu)組織為元數(shù)據(jù)概念模型。ｄａＱ 是一個(gè)輕量級、可擴(kuò)展的通用質(zhì)量模型， 其開發(fā)的意義是為數(shù)據(jù)持有者提供一個(gè)核心模型， 并在該模型的基礎(chǔ)上開發(fā)適合適用的質(zhì)量模型， ｄａＱ 的設(shè)計(jì)遵循了可重用性和互操作性的原則。圖３ 為ｄａＱ 的概念模型，其中核心類有ｄａｑ：Ｍｅｔｒｉｃ、ｄａｑ：Ｄｉｍｅｎｓｉｏｎ、ｄａｑ：Ｃａｔ?ｅｇｏｒｙ 等。

２.３ＤＱＶ 數(shù)據(jù)質(zhì)量詞表

２０１６年， Ｗ３Ｃ－ＤＷＢＰ 推出［１３］ 數(shù)據(jù)質(zhì)量（ＤａｔａＱｕａｌｉｔｙ Ｖｏｃａｂｕｌａｒｙ， ＤＱＶ）詞表， 首先， 相比于ｄａＱ本體ＤＱＶ 的一些類和屬性做了簡化處理。例如，ｄｑｖ：Ｍｅｔｒｉｃ、ｄｑｖ：Ｄｉｍｅｎｓｉｏｎａｌ 等作為抽象類概念并未對其進(jìn)行值的約束， 數(shù)據(jù)持有者可根據(jù)業(yè)務(wù)定義值域從而在使用上更加靈活； 其次， ＤＱＶ 擴(kuò)展了ｄｑｖ：ＱｕａｌｉｔｙＭｅｔａｄａｔａ、ｑｖ：ＱｕａｌｉｔｙＰｏｌｉｃｙ 等描述數(shù)據(jù)集質(zhì)量信息元數(shù)據(jù)， 從而幫助數(shù)據(jù)持有者快速選定適用的數(shù)據(jù)資源。ＤＱＶ 在設(shè)計(jì)原則上是嚴(yán)格遵守最佳實(shí)踐最小化本體原則的； 最后， ＤＱＶ 還重用了Ｗ３Ｃ 標(biāo)準(zhǔn)詞表——ＤＣＡＴ、ＰＲＯＶ、ＳＫＯＳ、ＲＤＦＤａｔａ Ｃｕｂｅ、ＯＡ 等。不同領(lǐng)域的標(biāo)準(zhǔn)詞表將ＤＱＶ劃分為６ 個(gè)組件， 分別為質(zhì)量維度和類別、質(zhì)量度量、質(zhì)量注釋、質(zhì)量來源、（元）數(shù)據(jù)標(biāo)準(zhǔn)以及質(zhì)量政策， 如圖４所示。

ＤＱＶ 作為數(shù)據(jù)質(zhì)量領(lǐng)域標(biāo)準(zhǔn)的、通用的、頂層的質(zhì)量元模型， 已成為構(gòu)建高質(zhì)量、易擴(kuò)展、可互操作的質(zhì)量模型的基準(zhǔn)。Ｚａｖｅｒｉ Ａ 等提出的鏈接數(shù)據(jù)質(zhì)量（Ｌｉｎｋｅｄ Ｄａｔａ Ｑｕａｌｉｔｙ Ｍｏｄｅｌ， ＬＤＱＭ）框架［６］ ，并在以ＤＱＶ 為質(zhì)量元模型將框架中的質(zhì)量維度、質(zhì)量指標(biāo)、質(zhì)量類別等向ｄｑｖ：Ｃａｔｅｇｏｒｙ、ｄｑｖ：Ｄｉ?ｍｅｎｓｉｏｎ、ｄｑｖ：Ｍｅｔｒｉｃ 等進(jìn)行映射和描述， 該框架還重用了ＳＫＯＳ 詞表提供的語義關(guān)系（ｓｋｏｓ：ｒｅｌａｔｅｄ、ｓｋｏｓ：ｅｘａｃｔＭａｔｃｈ 等）建立概念間的關(guān)聯(lián)關(guān)系。２０２１年， 劉洋等［１１］ 基于ＤＱＶ 質(zhì)量模型構(gòu)建了知識圖譜質(zhì)量（Ｋｎｏｗｌｅｄｇｅ Ｇｒａｐｈ Ｑｕａｌｉｔｙ Ｖｏｃａｂｕｌａｒｙ， ＫＧＱＶ）本體， 結(jié)合知識圖譜的特性擴(kuò)展了兩個(gè)抽象類和５個(gè)屬性并完成知識圖譜質(zhì)量評估任務(wù)。

ＤＱＶ 詞表不僅可以作為質(zhì)量評估的預(yù)定義模型， Ｗ３Ｃ 還建議適用ＤＱＶ 提供的質(zhì)量政策、質(zhì)量注釋、質(zhì)量元數(shù)據(jù)組件作為數(shù)據(jù)集的元數(shù)據(jù)， 幫助數(shù)據(jù)持有者從描述元數(shù)據(jù)中獲取關(guān)鍵的質(zhì)量信息，從而快速選定適用的數(shù)據(jù)資源。

２.４質(zhì)量元數(shù)據(jù)

上述質(zhì)量模型都對數(shù)據(jù)質(zhì)量知識進(jìn)行組織和建模， 但它們建模視角各不相同。ＤＱＭ 從實(shí)際質(zhì)量問題出發(fā)確立了６８ 個(gè)類和１００ 個(gè)屬性， 相比于ＤＱＶ元模型不具有通用性和可擴(kuò)展性。ＱＭＯ 與ＥＶＡＬ遵循了Ｗ３Ｃ 推薦的標(biāo)準(zhǔn)語言， 但ＱＭＯ 與ＥＶＡＬ 涵蓋的質(zhì)量知識過于輕量會間接導(dǎo)致“信息孤島”等問題。針對ＤＱＭ 和ＱＭＯ 等模型的不足， Ｄｅｂａｔ?ｔｉｓｔａ Ｊ 等團(tuán)隊(duì)［２２］ 基于ｄａＱ 本體開發(fā)了Ｌｕｚｚｕ 質(zhì)量評估工具， 并基于ｄａＱ 本體開發(fā)了Ｌｕｚｚｕ 質(zhì)量指標(biāo)（Ｌｕｚｚｕ Ｑｕａｌｉｔｙ Ｍｅｔｒｉｃ Ｌａｎｇｕａｇｅ， ＬＱＭＬ）語言而非官方語言。ｄａＱ 模型在設(shè)計(jì)靈感上為ＤＱＶ 提供了良好的基礎(chǔ)， 但其在知識交換層面上存在不足。綜合來看， ＤＱＶ 模型涵蓋了上述模型的優(yōu)點(diǎn)并且彌補(bǔ)了上述模型的不足。

在ＤＣＡＴ ２.０版本［２３］明確提出增加質(zhì)量元數(shù)據(jù)， 并推薦優(yōu)先使用ＤＱＶ 中的ｄｑｖ：Ｍｅｔｒｉｃ、ｄｑｖ：Ｄｉｍｅｎｓｉｏｎ、ｄｑｖ：ｈａｓｑｕａｌｉｔｙｍｅａｓｕｒｅｍｅｎｔ 的類和屬性。ＤＱＶ 在設(shè)計(jì)上遵循了最佳實(shí)踐１５、１６， 因此ＤＱＶ具有很強(qiáng)的可擴(kuò)展性、靈活性以及互操作性和易于理解。依照賈君枝［２４］ 給定的資源重用方式， 質(zhì)量模型的資源描述也可分為３ 層， 分別為元數(shù)據(jù)層、模式層以及實(shí)例層。如圖５ 所示， 推薦用戶優(yōu)先選定ＤＱＶ 元模型作為元數(shù)據(jù)層、模式層的元數(shù)據(jù)最終實(shí)例化為“Ｆｉｔｎｅｓｓ ｆｏｒ Ｕｓｅ”的質(zhì)量模型。

３質(zhì)量模型建模方法研究

在以往的研究中， 僅為數(shù)據(jù)持有者提供可參考的質(zhì)量模型， 而并未向數(shù)據(jù)持有者提供一套詳細(xì)的、完整的質(zhì)量建模方法， 從而導(dǎo)致質(zhì)量模型在使用的過程中存在一定的阻力。因此， 本文結(jié)合目標(biāo)—問題—度量法（Ｇｏａｌ Ｑｕｅｓｔｉｏｎ Ｍｅｔｒｉｃ Ａｐｐｒｏａｃｈ， ＧＱＭ）的思想［２５］ 并以Ｗ３Ｃ 最佳實(shí)踐為指導(dǎo)， 提出一個(gè)三階段六步驟的質(zhì)量模型建模方法。

本文的建模靈感來自Ｍａｒｙｌａｎｄ 大學(xué)的ＶｉｃｔｏｒＢａ?ｓｉｌｉ 開發(fā)的ＧＱＭ［１２］ 層次模型， 如圖６ 所示。ＧＱＭ 模型的基本思想是從一組目標(biāo)（Ｇｏａｌｓ）定義開始， 目標(biāo)的描述須包含評估對象、質(zhì)量要素、視角等。其中評估對象可以為數(shù)據(jù)集、三元組集、鏈接集等； 視角可以為用戶視角或業(yè)務(wù)需求視角等； 質(zhì)量要素為上述２.１節(jié)提到的質(zhì)量維度、質(zhì)量類別、質(zhì)量度量等。將目標(biāo)細(xì)化為幾個(gè)問題（Ｑｕｅｓｔｉｏｎｓ）， 每個(gè)問題（Ｑｕｅｓｔｉｏｎｓ）量化為多個(gè)質(zhì)量指標(biāo)（Ｍｅｔｒｉｃｓ）， 依據(jù)指標(biāo)計(jì)算數(shù)據(jù)來解決問題進(jìn)而達(dá)成確立的目標(biāo)。遵循ＧＱＭ 思想能夠?yàn)樘囟ǖ臉I(yè)務(wù)需求提供細(xì)化方案， 從而更容易達(dá)成確立的目標(biāo)。

在以往的研究中， Ｗａｎｇ Ｙ Ｒ等和Ｚａｖｅｒｉ Ａ等分別系統(tǒng)地提供了各自的質(zhì)量建模方案。Ｗａｎｇ Ｙ Ｒ等結(jié)合數(shù)據(jù)工程的思想［２６］ 提出一套質(zhì)量建模方法并為數(shù)據(jù)質(zhì)量管理定義了相關(guān)術(shù)語。具體步驟如下，第一步從實(shí)際業(yè)務(wù)出發(fā)確定數(shù)據(jù)質(zhì)量問題； 第二步根據(jù)數(shù)據(jù)質(zhì)量問題確立在實(shí)際應(yīng)用場景下的主觀的／客觀的質(zhì)量維度； 第三步將質(zhì)量維度量化為可度量的質(zhì)量指標(biāo)； 第四步構(gòu)建質(zhì)量模型。Ｗａｎｇ Ｙ Ｒ等提出的模型考慮了根據(jù)特定需求來指定質(zhì)量模型，但卻忽略了模型的術(shù)語標(biāo)準(zhǔn)化。ＲｕｌａＡ等則結(jié)合數(shù)據(jù)質(zhì)量管理［２７］的思想確立了需求分析、質(zhì)量評估以及質(zhì)量改進(jìn)３個(gè)階段。其中， 質(zhì)量評估階段細(xì)化為質(zhì)量問題識別、統(tǒng)計(jì)和分析、高級分析３個(gè)步驟， 即對數(shù)據(jù)集的質(zhì)量問題進(jìn)行識別， 再確立質(zhì)量維度和質(zhì)量指標(biāo)再進(jìn)行評估。這兩種建模方法都沒有給定依據(jù)的標(biāo)準(zhǔn)以及構(gòu)建模型的建模語言， 從而存在不標(biāo)準(zhǔn)以及互操作性差等問題。因此， 本文為解決上述問題提出一個(gè)三階段六步驟的質(zhì)量模型（Ｔｈｒｅｅ－ｓｔａｇｅ Ｓｉｘ－ｓｔｅｐ Ｍｅｔｈｏｄｏｌｏｇｙ ｆｏｒ Ｑｕａｌｉｔｙ Ｍｏｄｅｌ?ｉｎｇ， ＴＳ＿ＭＱＭ）建模方法。根據(jù)第１ 章、第２ 章的初步研究， 實(shí)現(xiàn)了術(shù)語標(biāo)準(zhǔn)化的過程。Ｗ３Ｃ 提供的ＤＱＶ 數(shù)據(jù)質(zhì)量頂層本體為互操作性提供了良好的前提。最后以ＧＱＭ 思想為指導(dǎo)， 可以根據(jù)用戶的特定需求來構(gòu)建適用的質(zhì)量模型。

表２ 為ＴＳ＿ＭＱＭ 建模方法的詳細(xì)內(nèi)容， 概念建模階段共有４個(gè)步驟， 分為需求分析、目標(biāo)分析、指標(biāo)分析以及度量方案。需求分析從數(shù)據(jù)實(shí)際業(yè)務(wù)出發(fā)， 識別其質(zhì)量問題并向質(zhì)量維度／ 指標(biāo)進(jìn)行抽象目標(biāo)分析， 定義目標(biāo)以及子目標(biāo)。例如， 目標(biāo)的質(zhì)量要素為“固有質(zhì)量” 類別， 可將目標(biāo)再細(xì)化為“語義準(zhǔn)確性” “一致性” 等子目標(biāo)； 指標(biāo)分析， 根據(jù)上一步驟確立的問題細(xì)化為可度量的指標(biāo)， 此過程也稱為定量過程； 度量方案， 根據(jù)上一步驟確立的質(zhì)量指標(biāo)指定度量方法并得到度量結(jié)果。

詞表映射階段是將概念建模中的質(zhì)量維度／ 類別、質(zhì)量指標(biāo)以及度量方法等向ＤＱＶ 質(zhì)量組件進(jìn)行映射， 可視為ＤＱＶ 元模型實(shí)例化的過程。模型構(gòu)建是將確立的概念模型構(gòu)建為人機(jī)可讀的本體形式， 建議數(shù)據(jù)持有者在構(gòu)建本體時(shí)遵循Ｗ３Ｃ 最佳實(shí)踐原則。例如， 優(yōu)先考慮重用ＤＱＶ 詞表以及ＤＱＶ 重用的詞表。

４基于ＤＱＶ 的質(zhì)量建模用例

鏈接數(shù)據(jù)是語義Ｗｅｂ 中常見的數(shù)據(jù)模型， 其同樣存在質(zhì)量問題。以鏈接數(shù)據(jù)的語義準(zhǔn)確性維度為例來驗(yàn)證該方法論的可行性。例１ 描述的三元組中Ｔｒｉｐｌｅ１ 與Ｔｒｉｐｌｅ３ 存在語義不準(zhǔn)確的質(zhì)量問題。根據(jù)常識可知ｅｘ：Ｉｔａｌｙ 的首都并非ｅｘ：Ｍｉｌａｎ； 并且Ｔｒｉｐｌｅ３ 將ｅｘ：Ｉｔａｌｙ 劃分為ｅｘ：Ｐｌａｃｅ， 則用ｅｘ：Ｃｏｕｎ?ｔｒｙ 的實(shí)例來表述更符合真實(shí)狀態(tài)。

例１：三元組集

４.１語義準(zhǔn)確性概念建模

語義準(zhǔn)確性定義為數(shù)據(jù)值表示一個(gè)對象正確狀態(tài)的程度， 根據(jù)例１ 存在不準(zhǔn)確的注釋和虛假的注釋的語義不準(zhǔn)確的質(zhì)量問題， 可判定其違背了語義準(zhǔn)確性維度／ 固有質(zhì)量類別。語義準(zhǔn)確性概念建模的具體步驟如表３ 所示， 由自底向上的方法完成概念建模階段。

固有質(zhì)量類別下包含語義準(zhǔn)確性維度， 語義準(zhǔn)確性維度通過定量的４ 個(gè)質(zhì)量指標(biāo)進(jìn)行度量并得到相應(yīng)的度量結(jié)果。

４.２語義準(zhǔn)確性詞表映射

針對固有質(zhì)量類別、語義準(zhǔn)確性維度、質(zhì)量指標(biāo)等概念分別對應(yīng)ＤＱＶ 中的ｄｑｖ：Ｃａｔｅｇｏｒｙ、ｄｑｖ：Ｄｉｍｅｎｓｉｏｎ、ｄｑｖ：Ｍｅｔｒｉｃ組件， 類間的關(guān)系由ｄｑｖ：ｉｎＣａｔｅｇｏｒｙ、ｄｑｖ：ｃｏｍｐｕｔｅｄＯｎ 等屬性進(jìn)行關(guān)聯(lián)。如表４所示， 詳細(xì)描述了語義準(zhǔn)確性的對象缺失比率（ｄｑｖ：ｍｉｓｓＯｂｊｅｃｔＲａｔｅ）指標(biāo)， 并用Ｗ３Ｃ 推薦的語言來表述該質(zhì)量模型。

４.３語義準(zhǔn)確性模型構(gòu)建

質(zhì)量模型最終要以人機(jī)可讀的本體形式進(jìn)行質(zhì)量評估、質(zhì)量信息描述等任務(wù)， 本文選用Ｐｒｏｔéｇé工具對質(zhì)量模型本體進(jìn)行構(gòu)建。圖９ 為語義準(zhǔn)確性（ｄｑｖ：ｓｅｍａｎｔｉｃＡｃｃｕｒａｃｙ）維度的質(zhì)量模型構(gòu)建的可視化過程。其中包含以下的內(nèi)容： ｄｑｖ：Ｃａｔｅｇｏｒｙ、ｄｑｖ： Ｄｉｍｅｎｓｉｏｎ、ｄｑｖ： Ｍｅｔｒｉｃ、ｑｂ： Ｏｂｓｅｒｖａｔｉｏｎ 是ＤＱＶ 元模型提供的組件； ｄｑｖ：ｓｅｍａｎｔｉｃＡｃｃｕｒａｃｙ存在于（ｄｑｖ：ｉｎＣａｔｅｇｏｒｙ）固有類別下（ｄｑｖ：ｉｎｔｒｉｎｓｉｃＤｉ?ｍｅｎｓｉｏｎｓ）、ｄｑｖ：ｓｅｍａｎｔｉｃＡｃｃｕｒａｃｙ 下包含（ｄｑｖ：ｉｎ?Ｄｉｍｅｎｓｕｏｎ）對象丟失率指標(biāo)（ｄｑｖ：ｍｉｓｓＯｂｊｅｃｔＲａｔｅ）、ｄｑｖ：ｍｉｓｓＯｂｊｅｃｔＲａｔｅ 可度量為（ｄｑｖ：ｉｓＭｅａｓｕｒｅｍｅｎｔ?Ｏｆ）統(tǒng)計(jì)對象丟失率的方法（ｍｉｓｓＯｂｊｅｃｔＦｕｎｃｔｉｏｎ）。

５總結(jié)與展望

本文圍繞如何構(gòu)建一套標(biāo)準(zhǔn)的、一致的以及適用的數(shù)據(jù)質(zhì)量知識表示模型為核心， 采用溯源法對其開展研究。首先， 筆者在文獻(xiàn)調(diào)研和對比分析以往的質(zhì)量模型的基礎(chǔ)上， 提出并構(gòu)建了數(shù)據(jù)質(zhì)量知識概念模型； 其次， 筆者將Ｗ３Ｃ 推薦的ＤＱＶ 詞表作為數(shù)據(jù)質(zhì)量頂層本體并開展詞表映射（數(shù)據(jù)質(zhì)量知識概念模型向數(shù)據(jù)質(zhì)量頂層本體進(jìn)行映射）以及模型構(gòu)建的研究； 最后， 以ＧＱＭ 思想為指導(dǎo)提出一個(gè)三階段六步驟的質(zhì)量建模方法， 即概念建模、詞表映射以及模型構(gòu)建的３ 個(gè)階段。該方法可根據(jù)用戶業(yè)務(wù)的特定需求自底向上地構(gòu)建標(biāo)準(zhǔn)的、一致的以及適用的質(zhì)量模型。為了驗(yàn)證該方法的可行性， 本文以“語義準(zhǔn)確性” 為例構(gòu)建了相應(yīng)的質(zhì)量本體。結(jié)果表明， 該方法可以用來解決領(lǐng)域數(shù)據(jù)質(zhì)量知識表示模型的構(gòu)建， 并且以該方法構(gòu)建的質(zhì)量模型具有良好的擴(kuò)展性和互操作性。本文的下一步工作是收集動態(tài)性語義質(zhì)量的問題并確立其質(zhì)量維度、質(zhì)量指標(biāo)以及度量方法等核心要素， 以本文提出的建模方法進(jìn)一步細(xì)化和擴(kuò)建適合特定領(lǐng)域的語義質(zhì)量模型。