使用 RO-Crate 记录工作流运行的溯源信息
数字图书馆
2024-09-12 v2
摘要
记录科学计算结果的溯源信息是支持数据产品的可追溯性、可复现性和质量评估的关键。为了满足这一需求，已经探索了多种数据模型，它们提供了工作流计划及其执行的表示，以及打包结果信息用于存档和共享的方法。然而，现有方法往往缺乏跨工作流管理系统的互操作性采用。在这项工作中，我们提出了 Workflow Run RO-Crate，它是 RO-Crate（研究对象箱）和 Schema.org 的扩展，旨在捕获不同粒度级别的计算工作流执行的溯源信息，并将其所有关联对象（输入、输出、代码等）捆绑在一起。该模型由一个多元化的开放社区支持，该社区定期举行会议，讨论开发、维护和采用等方面。Workflow Run RO-Crate 已被多个工作流管理系统实现，允许对来自异构系统的工作流运行进行可互操作的比较。我们描述了该模型、其与 W3C PROV 等标准的对齐，及其在六个工作流系统中的实现。最后，我们通过数字图像分析领域中机器学习的两个用例，说明了 Workflow Run RO-Crate 的应用。本文对应的 RO-Crate 位于 https://w3id.org/ro/doi/10.5281/zenodo.10368989。
引用
@article{arxiv.2312.07852,
title = {Recording provenance of workflow runs with RO-Crate},
author = {Simone Leo and Michael R. Crusoe and Laura Rodríguez-Navas and Raül Sirvent and Alexander Kanitz and Paul De Geest and Rudolf Wittner and Luca Pireddu and Daniel Garijo and José M. Fernández and Iacopo Colonnelli and Matej Gallo and Tazro Ohta and Hirotaka Suetake and Salvador Capella-Gutierrez and Renske de Wit and Bruno P. Kinoshita and Stian Soiland-Reyes},
journal= {arXiv preprint arXiv:2312.07852},
year = {2024}
}
备注
38 pages, 5 figures, 3 tables. Resubmitted to PLOS ONE following peer review