Метадеректерді табу: деректердегі элементтердің мағынасын автоматты түрде анықтау. Дерек көздерін тіркеуге көмектеседі, деректерді іздеуді жеңілдетеді.
Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Мазмұны
Кіріспе
Метадеректерде метадеректерді табу (сондай-ақ метадеректерді жинау) – дерек жиынтықтарындағы дерек элементінің мағынасын анықтау үшін автоматтандырылған құралдарды пайдалану процесі. Бұл процесс көбінесе дерек көзі элементтері мен орталықтандырылған метадеректер тізілімі арасындағы байланыстар жиынтығымен аяқталады. Метадеректерді табуды метадеректерді сканерлеу деп те атайды.
In metadata, metadata discovery (also metadata harvesting) is the process of using automated tools to discover the semantics of a data element in data sets. This process usually ends with a set of mappings between the data source elements and a centralized metadata registry. Metadata discovery is also known as metadata scanning.
Лексикалық сәйкестік
Дерек элементтерінің байланысы деректер қорындағы бағананың нақты атауы, XML элементінің атауы немесе экрандағы таңба негізінде жасалатын нақты сәйкестік болып табылады. Мысалы, егер деректер қорындағы бағана "PersonBirthDate" деп аталса және метадеректер тізіліміндегі дерек элементі де "PersonBirthDate" деп аталса, автоматтандырылған құралдар деректер қорының бағаны метадеректер тізіліміндегі дерек элементімен бірдей семантикаға (мағынаға) ие екенін анықтай алады. Синонимдер сәйкестігі – іздеу құралына бір атаудың ғана емес, сонымен қатар синонимдер жиынтығы беріледі. Үлгі сәйкестігі – мұндай жағдайда құралға сәйкес келетін лексикалық үлгілер жиынтығы беріледі. Мысалы, құрал "*гендер*" немесе "*секс*" іздеуі мүмкін.
Exact match where data element linkages are made based on the exact name of a column in a database, the name of an XML element or a label on a screen. For example, if a database column has the name "PersonBirthDate" and a data element in a metadata registry also has the name "PersonBirthDate", automated tools can infer that the column of a database has the same semantics (meaning) as the data element in the metadata registry. Synonym match where the discovery tool is not just given a single name but a set of synonym. Pattern match in this case the tools is given a set of lexical patterns that it can match. For example, the tools may search for "*gender*" or "*sex*"
Семантикалық сәйкестік
Семантикалық сәйкестендіру мақсатты деректерді тіркелген дерек элементтерімен байланыстыру үшін семантиканы қолдануға тырысады. Семантикалық ұқсастық Осы алгоритмде сөздердің тұжырымдық жақындығы туралы деректер базасы пайдаланылады. Мысалы, WordNet жүйесі сөздердің бір-біріне тұжырымдық жағынан қаншалықты жақын екенін анықтай алады. Мысалы, "Адам", "Жеке тұлға" және "Импульс" терминдері өте ұқсас ұғымдар болуы мүмкін.
Semantic matching attempts to use semantics to associate target data with registered data elements. Semantic similarity In this algorithm that relies on a database of word conceptual nearness is used. For example, the WordNet system can rank how close words are conceptually to each other. For example, the terms "Person", "Individual" and "Human" may be highly similar concepts.
Статистикалық сәйкестендіру
Статистикалық сәйкестендіру тіркелген дерек элементтерімен ұқсастықтарды анықтау үшін дереккөздердегі деректердің өзі туралы статистиканы пайдаланады. Ерекше мәндерді талдау Бағандағы барлық ерекше мәндерді талдау арқылы тіркелген дерек элементімен ұқсастық табуға болады. Мысалы, егер бағанда "ер" және "әйел" деген екі ғана ерекше мән болса, оны "PersonGenderCode" дерек элементіне сәйкестендіруге болады. Дерек үлестірілімін талдау Бір бағандағы мәндердің үлестірілімін талдау және осы үлестіруді белгілі дерек элементтерімен салыстыру арқылы семантикалық байланыс жасауға болады.
Statistical matching uses statistics about data sources data itself to derive similarities with registered data elements. Distinct value analysis By analyzing all the distinct values in a column the similarity to a registered data element may be made. For example, if a column only has two distinct values of 'male' and 'female' this could be mapped to 'PersonGenderCode'. Data distribution analysis By analyzing the distribution of values within a single column and comparing this distribution with known data elements a semantic linkage could be inferred.