Des tableaux interprétés à partir de leurs en-têtes

LLéna

Des chercheurs présentent sur arXiv un cadre explicable pour interpréter sémantiquement des tableaux et évaluer la qualité de leurs données, même lorsque les valeurs des cellules sont indisponibles, bruitées ou inadaptées. Le cadre attribue des types aux colonnes en s’appuyant sur leurs en-têtes : l’objectif est de pouvoir réaliser cette interprétation sans dépendre des valeurs, qui peuvent manquer ou ne pas convenir à l’analyse. Les auteurs associent les en-têtes à 39 types interprétables, à l’aide de ressources lexicales qu’ils ont élaborées. Le cadre conserve aussi la traçabilité au niveau des mots-clés sources, afin que les indices lexicaux utilisés pour associer un en-tête à un type restent identifiables. Une fois les types attribués, des règles de validation s’appliquent selon une taxonomie des problèmes de qualité des données. Les contrôles cités comprennent notamment la détection de données manquantes et de doublons : l’interprétation des colonnes sert donc aussi à déclencher des vérifications adaptées à ces problèmes. L’approche réunit ainsi l’annotation des types et des contrôles de qualité, y compris dans les cas où les valeurs des cellules sont absentes, bruitées ou inadaptées.