2023學年完整公開課版數(shù)據(jù)溯源

數(shù)據(jù)溯源概念和定義0102數(shù)據(jù)溯源模型Content目錄03幾種主要的數(shù)據(jù)溯源模型01

概念和定義概念和定義Conceptanddefinition概念與定義

數(shù)據(jù)溯源（dataprovenance）是一個新興的研究領域，誕生于20世紀90年代。當初，某些文獻將其稱為數(shù)據(jù)志或數(shù)據(jù)檔案，后來，大部分文獻將其命名為數(shù)據(jù)起源，有追蹤數(shù)據(jù)的起源和重現(xiàn)數(shù)據(jù)的歷史狀態(tài)之意。本文稱其為數(shù)據(jù)溯源，從應用的角度出發(fā)，強調追蹤的過程和方法。目前，數(shù)據(jù)溯源還沒有公認的定義，因應用領域不同而定義各異。參考一些學者給出的定義：1將數(shù)據(jù)溯源定義為從源數(shù)據(jù)到數(shù)據(jù)產品的衍生過程信息2在數(shù)據(jù)庫領域將其定義為“數(shù)據(jù)及其在數(shù)據(jù)庫間運動的起源”3數(shù)據(jù)溯源是對目標數(shù)據(jù)衍生前的原始數(shù)據(jù)以及演變過程的描述4數(shù)據(jù)溯源是一種元數(shù)據(jù)，用來記錄工作流演變過程、標注信息以及實驗過程等信息概念和定義

在其它一些領域中還有其它一些叫法:如數(shù)據(jù)族系(DataLineage)、數(shù)據(jù)系譜(DataPedigree)、數(shù)據(jù)來源(DataOrigin)、數(shù)據(jù)世系等。

數(shù)據(jù)溯源定義為記錄原始數(shù)據(jù)在整個生命周期內(從產生、傳播到消亡)的演變信息和演變處理內容。DataProvenance應該翻譯成“數(shù)據(jù)溯源”，強調的是一種溯本追源的技術，根據(jù)追蹤路徑重現(xiàn)數(shù)據(jù)的歷史狀態(tài)和演變過程，實現(xiàn)數(shù)據(jù)歷史檔案的追溯。

Conceptanddefinition概念與定義概念和定義

在其它一些領域中還有其它一些叫法:如數(shù)據(jù)族系(DataLineage)、數(shù)據(jù)系譜(DataPedigree)、數(shù)據(jù)來源(DataOrigin)、數(shù)據(jù)世系等。

Conceptanddefinition概念與定義數(shù)據(jù)溯源定義為記錄原始數(shù)據(jù)在整個生命周期內(從產生、傳播到消亡)的演變信息和演變處理內容。DataProvenance應該翻譯成“數(shù)據(jù)溯源”，強調的是一種溯本追源的技術，根據(jù)追蹤路徑重現(xiàn)數(shù)據(jù)的歷史狀態(tài)和演變過程，實現(xiàn)數(shù)據(jù)歷史檔案的追溯。02

數(shù)據(jù)溯源模型數(shù)據(jù)溯源模型

建立一個數(shù)據(jù)模型是數(shù)據(jù)溯源的關鍵技術。根據(jù)模型可以初步確定數(shù)據(jù)溯源的大體步驟和基本思路。從數(shù)據(jù)溯源信息管理的角度出發(fā)，提出異構數(shù)據(jù)的數(shù)據(jù)溯源概念。即采用橫軸表示時間（t）、縱軸表示過程（p）、z軸表示數(shù)據(jù)的異構分布特性。將數(shù)據(jù)溯源信息保存到不同的數(shù)據(jù)庫中，形成攜帶溯源信息的異構數(shù)據(jù)庫。通過數(shù)據(jù)庫接口以及數(shù)據(jù)轉換工具匯聚成目標數(shù)據(jù)庫。這個過程的逆過程所經(jīng)歷的路徑能夠實現(xiàn)數(shù)據(jù)溯源的各種操作，如：數(shù)據(jù)追蹤、信息評估、過程重現(xiàn)等，從而完成數(shù)據(jù)溯源任務。

Datatraceabilitymodel數(shù)據(jù)溯源模型Datatraceabilitymodel數(shù)據(jù)溯源模型03

幾種主要的數(shù)據(jù)溯源模型幾種主要的數(shù)據(jù)溯源模型

數(shù)據(jù)溯源模型主要有：流溯源信息模型、時間-值中心溯源模型、四維溯源模型、開放的數(shù)據(jù)溯源模型、Provenir數(shù)據(jù)溯源模型、數(shù)據(jù)溯源安全模型，PrInt數(shù)據(jù)溯源模型等，這些模型都建立在不同領域、不同行業(yè)。1、流溯源信息模型由6個相關實體構成，主要包括流實體(變化事件實體、元數(shù)據(jù)實體和查詢輸入實體)和查詢實體(變化事件實體、接收查詢輸入實體，包括元數(shù)據(jù)實體)。實體間關系密切，通過這種密切的關系可以根據(jù)數(shù)據(jù)的溯源時間來推斷數(shù)據(jù)溯源。2、BowersS提出的Time-ValueCentric(TVC)模型又稱時間-值中心溯源模型，是一種簡單有效的溯源模型。由于過去的溯源模型無論是基于標注的還是基于過程的溯源模型都用于面向交易的系統(tǒng)中，并不適合高容量特定需求以及連續(xù)的醫(yī)療流。于是，提出支持醫(yī)療領域數(shù)據(jù)源特點的TVC模型專門處理醫(yī)療事件流的溯源信息。根據(jù)數(shù)據(jù)中的時間戳和流ID號來推斷醫(yī)療事件的序列和原始數(shù)據(jù)的痕跡。Severalmaindatatraceabilitymodels幾種主要的數(shù)據(jù)溯源模型

幾種主要的數(shù)據(jù)溯源模型

3、四維溯源模型是由YogeshL．Simmhan等人提出。此模型將溯源看成一系列離散的活動集，這些活動發(fā)生在整個工作流生命周期中，并由四個維度(時間、空間、層和數(shù)據(jù)流分布)組成。四維溯源模型通過時間維區(qū)分標注鏈中處于不同活動層中的多個活動，進而通過追蹤發(fā)生在不同工作流組件中的活動，捕獲工作流溯源和支持工作流執(zhí)行的數(shù)據(jù)溯源。Severalmaindatatraceabilitymodels幾種主要的數(shù)據(jù)溯源模型4、開放的數(shù)據(jù)溯源模型OPM，在首屆InternationalProvenanceandAnnotationWorkshop(IPAW)會議中，與會者對數(shù)據(jù)溯源的描述產生了一些共同的觀念，并提出了一種原始的數(shù)據(jù)模型。后來，南安普頓大學等組織整理了會議