Tech Meridian ← К ЛЕНТЕ
PROМОЙ MERIDIAN EN

ИССЛЕДОВАНИЕ · RESEARCH · #1782

Объяснимая фреймворк, ориентированный на заголовки, для метаданных-only аннотации типов столбцов и оценки качества данных

В статье (arXiv:2610.10541v1) предложен объяснимый фреймворк, ориентированный на заголовки, для метаданных-only аннотации типов столбцов (CTA) и оценки качества данных (DQA): заголовки сопоставляются с 39 интерпретируемыми типами FinalFormat через курированные лексические ресурсы и сохраняется покомпонентная прослеживаемость (SourceKeywords). Каждый тип активирует правиловую детекцию проблем качества данных (DQI), аггрегируемую в HeadersIQ — лёгкую метрику качества источника; метод оценили на ~120000 заголовков по разным бенчмаркам (UCI, Prague, Kaggle, VizNet/Sato, SOTAB, T2Dv2, SemTab 2024), официальная GT-strict метрика SemTab оказалась скромной, но слепой диагностический аудит связывает многие несовпадения с детализацией бенчмарка, алиасингом и выбором онтологий.

КЛЮЧЕВЫЕ ТЕЗИСЫ

  1. В статье (arXiv:2610.10541v1) предложен объяснимый фреймворк, ориентированный на заголовки, для метаданных-only аннотации типов столбцов (CTA) и оценки качества данных (DQA): заголовки сопоставляются с 39 интерпретируемыми типами FinalFormat через курированные лексические ресурсы и сохраняется покомпонентная прослеживаемость (SourceKeywords).
  2. Каждый тип активирует правиловую детекцию проблем качества данных (DQI), аггрегируемую в HeadersIQ — лёгкую метрику качества источника; метод оценили на ~120000 заголовков по разным бенчмаркам (UCI, Prague, Kaggle, VizNet/Sato, SOTAB, T2Dv2, SemTab 2024), официальная GT-strict метрика SemTab оказалась скромной, но слепой диагностический аудит связывает многие несовпадения с детализацией бенчмарка, алиасингом и выбором онтологий.
  3. Предоставляет повторяемый объяснимый рабочий процесс и лёгкую метрику HeadersIQ для семантической аннотации по метаданным и контроля качества источников перед интеграцией в KG.

ПОЧЕМУ ЭТО ВАЖНО

Предоставляет повторяемый объяснимый рабочий процесс и лёгкую метрику HeadersIQ для семантической аннотации по метаданным и контроля качества источников перед интеграцией в KG.

ИСТОЧНИКИ И ХРОНОЛОГИЯ

1
01
ARXIV CS.AI ИССЛЕДОВАНИЕ
An Explainable Header-Centric Framework for Large-Scale Semantic Table Interpretation and Data Quality Assessment

arXiv:2610.10541v1 Announce Type: new Abstract: Knowledge Graph (KG) quality depends not only on downstream graph validation, but also on the quality of tabular metadata used before integration. In metadata-only Semantic Table Interpretation (STI), where cell values are unavailable, noisy, or unsuitable, column headers become a critical source of semantic evidence for traceable KG preparation. We present an explainab…

↗