[发明专利]由知识数据库大规模地驱动的基于元数据的科学数据表征

说明书

一种基于元数据的科学数据表征方法、系统和计算机程序产品包括：请求任务的用户输入以指定用于基于与数据文件数据库中的数据文件相关联的元数据来确定数据文件的质量和关系的任务的规则，使用在数据文件数据库上运行的规则来处理结果的用户反馈，并且跟踪结果的用户反馈以便从用户反馈中学习，以及基于该学习来创建用于确定第二数据文件的质量和关系的已修改规则。

背景技术

本发明总体上涉及基于元数据的科学数据表征方法，并且更具体地但非限制性地涉及一种用于交互地和迭代地系统化用户使用相关联的元数据来表征一些文件的方式并且大规模地应用它的系统、方法和计算机程序产品。

大型的领域特定的科学数据文件具有相关联的元数据，这些元数据对于科学实验过程至关重要。但是，这些文件通常是异构的。一些文件具有比其他文件更多或更好的相关联的元数据，并且一些文件与其他文件相关。

传统上，当用户(例如，科学家，诸如地质领域的地球物理学家、农业领域的农艺师等)获取大量数据文件时，他们首先需要通过以下方式来表征文件：确定文件的质量等级并且找出它们之间的关系(例如，文件是从另一文件中得到的，或者等于另一文件，或者与另一文件中的区域在地理上相交)，使得他们可以开始其实验过程。当从公共数据提供者获取数据文件时，这一点显得尤为重要。尽管单个文件中的数据内容通常很大(数百GB)，但是这些文件中的相关联的元数据通常很小(例如，几兆字节)。如果基于数据而不是基于元数据来进行，则这样的数据表征非常昂贵。因此，它们通常是通过基于元数据的手动检查来完成的。而且，手动检查无法针对跨若干数据文件分布的大量数据进行扩展。

但是，即使传统技术可以利用从原始数据文件中提取的元数据来在数据管理生命周期中表示它们，传统技术也没有考虑到让用户基于元数据来迭代地和交互地改变规则以应用于多个数据文件的技术、以及收集用户交互以改进规则定义的学习系统。

发明内容

在示例性实施例中，本发明提供了一种计算机实现的基于元数据的科学数据表征方法，该方法包括：请求用户输入以指定用于基于与科学数据文件相关联的元数据来确定科学数据文件的质量和关系的规则，处理用户反馈以分析结果并且跟踪结果的用户反馈以便从用户反馈中学习，以及基于该学习来创建用于确定科学数据文件的质量和关系的规则。

基于上述方法，一个或多个其他示例性实施例包括一种计算机程序产品和一种系统。

下面描述本发明的其他细节和实施例，以便可以更好地理解对本领域的当前贡献。然而，本发明在其应用方面不限于说明书中阐述或在附图中示出的这些细节、措辞、术语、图示和/或布置。而是，本发明能够具有除了所描述的实施例之外的其他实施例，并且能够以各种方式来实践和执行，并且不应当被认为是限制性的。

这样，本领域技术人员将认识到，本公开所基于的概念可以容易地用作设计用于实现本发明的若干目的的其他结构、方法和系统的基础。因此，重要的是，在不背离本发明的精神和范围的前提下，权利要求被认为包括这样的等同构造。

附图说明

通过以下参考附图对本发明的示例性实施例的详细描述，将会更好地理解本发明的各方面，在附图中：

图1示例性地示出了根据本发明的实施例的基于元数据的科学数据表征方法100的高级流程图；

图2示例性地描绘了根据本发明的实施例的基于元数据的科学数据表征的示例流程；

图3示例性地描绘了根据本发明的实施例的基于元数据的科学数据表征的示例系统300；

图4描绘了根据本发明的实施例的云计算节点10；

图5描绘了根据本发明的实施例的云计算环境50；

图6描绘了根据本发明的实施例的抽象模型层；以及

图7-9示例性地描绘了本发明的一般用例以及根据本发明的实施例而解决的问题。