Semantic web data quality control

Data quality is a growing concern on the Semantic Web. The amount of data available is growing faster than ever, and the emphasis thus far has been on creating and interlinking data without much regard to how good the data actually is. The trend is shifting from creating new data to refining what already exists. Data quality is a subjective concept and a formal representation for it is often troublesome. First, we must define what is meant by data quality -what are the different facets of the concept. Second, a way for representing this quality must be found. Third, actual processes to refine data and improve its quality and ways to take data quality into account on the Semantic Web must be developed. This work presents some solutions to the problem. Many ways to annotate quality metadata as RDF are first discovered, along with their pros and cons. A framework for managing RDF-based quality metadata is presented, with a set of tools for specifically managing the quality annotations. Additionally, an automatic annotation system and a schema validation system, within the restraints of the open world assumption, have been designed, implemented and integrated into the framework. The system has been tested using real life datasets with promising first results.Datan laatu on kasvava ongelma semanttisessa webissä. Saatavilla olevan datan määrä kasvaa nopeammin kuin koskaan, ja pääpaino on tähän asti ollut datan luonnissa ja yhdistelyssä sen laadun sijaan. Nyt huomio on siirtymässä uuden datan luonnista olemassa olevan datan laadun jalostamiseen. Datan laatu on subjektiivinen käsite, ja sen formaali esittäminen on usein mutkikasta. Ensiksi täytyy määritellä se, mitä tarkoitetaan datan laadulla, ja mitkä ovat käsitteen eri puolet. Tämän lisäksi täytyy löytää sopiva tapa laadun esittämiseen. Lopulta tulee my6s kehittää varsinaisia prosesseja datan jalostamiseen ja laadun parantamiseen, ja tapoja ottaa tämä laatutieto huomioon semanttisessa webissä. Tämä työ esittää joitain ratkaisuja näihin ongelmiin. Monia tapoja merkitä laatutietoa on esitetty, hyvine ja huonoine puolineen. On kehitetty järjestelmä RDF-pohjaisen laatutiedon hallintaan, ja joukko ty6kaluja jotka on räätälöity tämän tiedon hyödyntämiseen. Lisäksi on kehitetty yleinen automaattisen annotaation rajapinta ja skeemavalidaatiojärjestelmä avoimen maailman oletuksen asettamien rajoitusten puitteissa. Nämä on toteutettu ja integroitu yleisempään hallintajärjestelmään. Järjestelmää on testattu käyttäen reaalimaailman käyttötapauksia ja aineistoja ja ensimmäiset tulokset ovat lupaavia