data that must be targeted to under

data that must be targeted to understand, plan and act in a
predictive way. This perspective raises new questions about
the quality of the data. In this context, people do not agree
with the definition of quality. The quality of the data may
be its high processing level or its relevance according to the
reality they represent. In fact, since Big Data is big and messy,
challenges can be classified into engineering tasks (managing
data at an unimaginable scale) and semantics (finding and
meaningfully combining information that is relevant to your
needs) [36] have identified each a relevant challenge for Big
Data:
1. the meaningful data integration challenge which can be
seen as a five-step challenge: (1) define the problem to
solve, (2) identify relevant pieces of data in Big Data, (3) ETL
it into appropriate formats and store it for processing, (4)
disambiguate it and (5) solve the problem.
2. the Billion Triple Challenge which aims to process largescale
RDF to provide a full description of each entity of the
triple in a single target vocabulary and to link that entity
to the corresponding sources.
3. the Linked Open Data (LOD) Ripper for providing good use
cases for LOD and to able to link them with non LOD
efficiently.
4. the value of the use of semantics in data integration and
in the design of future DBMS.
Similar challenges have been identified by S. Auer and J.
Lehmann [37]. Unlike [36], [37] proposes solutions for some of
these challenges (data integration, scalable reasoning, etc.).
Semantics could be considered as a magical world to bridge
the gap of the hétérogénéity of data. Moreover, semantics can
be used in a decidable system which makes possible to detect
inconsistency of data, generates new knowledge using inference
engine or simply links more accurately specific data
not relevant for machine learning based techniques. In the
literature, we can find work whose purpose is about the challenges
mentioned before. Before presenting them, we must
note that the relation between Big Data and semantics is bidirectional.
As it is true for Big Data leverages on semantics,

ผลลัพธ์ (ไทย) 1:

ข้อมูลที่ต้องมีการกำหนดเป้าหมายเพื่อทำความเข้าใจ การวางแผน และดำเนินการคาดการณ์ได้ มุมมองนี้ทำให้เกิดคำถามใหม่เกี่ยวกับคุณภาพของข้อมูล ในบริบทนี้ คนที่ไม่ยอมรับมีการกำหนดคุณภาพ คุณภาพของข้อมูลอาจระดับการประมวลผลสูงหรือที่เกี่ยวข้องตามความจริงที่พวกเขาแสดง ในความเป็นจริง เนื่องจากข้อมูลมีขนาดใหญ่ และ ยุ่งความท้าทายสามารถแบ่งได้ (การจัดการงานวิศวกรรมข้อมูลในระดับเป็นไปไม่) และความหมาย (การค้นหา และมีการรวมข้อมูลที่เกี่ยวข้องกับการต้อง) [36] ได้ระบุแต่ละความท้าทายที่เกี่ยวข้องสำหรับขนาดใหญ่ข้อมูล:1. ข้อมูลที่มีความหมายรวมความท้าทายซึ่งสามารถเห็นเป็นความท้าทายที่ห้าขั้นตอน: (1) กำหนดปัญหาที่จะแก้ปัญหา, (2) ระบุชิ้นส่วนที่เกี่ยวข้องของข้อมูลในข้อมูล ETL (3)มันเป็นรูปแบบที่เหมาะสม และเก็บไว้สำหรับการประมวลผล, (4)disambiguate และ (5) แก้ปัญหา2.พันสามท้าทายซึ่งการประมวลผล largescaleRDF ในการให้คำอธิบายเต็มของแต่ละเอนทิตีของการสำหรับศัพท์เป้าหมายเดี่ยว และ การเชื่อมโยงเอนทิตีนั้นการสอดคล้องกัน3.เชื่อมโยง Ripper เปิดข้อมูล (LOD) ให้ใช้กรณี สำหรับลอด และสามารถเชื่อมโยงกับไม่ลอดอย่างมีประสิทธิภาพ4. ค่าของการใช้ความหมายในการรวมข้อมูล และในการออกแบบของ DBMS ในอนาคตความท้าทายในลักษณะได้รับการระบุโดย S. โด่งดังรวมทั้งเจลีแมนน์ [37] ซึ่งแตกต่างจาก [36], [37] เสนอวิธีแก้ไขปัญหาของท้าทายเหล่านี้ (รวมข้อมูล เหตุผลที่ปรับขนาดได้ ฯลฯ)ความหมายอาจเป็นโลกมหัศจรรย์สะพานช่องว่างของ hétérogénéity ของข้อมูล นอกจากนี้ ความหมายของสามารถใช้ในระบบ decidable ซึ่งสามารถตรวจจับไม่สอดคล้องกันของข้อมูล สร้างความรู้ใหม่ที่ใช้การอ้างอิงเครื่องยนต์ หรือเพียงแค่การเชื่อมโยงข้อมูลเฉพาะอย่างถูกต้องไม่เกี่ยวข้องสำหรับเทคนิคการเรียนรู้ของเครื่องใช้ ในวรรณกรรม เราสามารถหางานที่มีวัตถุประสงค์คือประมาณกล่าวก่อน ก่อนนำเสนอพวกเขา เราต้องโปรดสังเกตว่า ความสัมพันธ์ระหว่างข้อมูลและความหมายเป็นสองทิศทางมันเป็นจริงสำหรับ ข้อมูลกับไดรฟ์ในความหมายของ

ผลลัพธ์ (ไทย) 2:

ข้อมูลที่จะต้องมีการกำหนดเป้าหมายที่จะเข้าใจในการวางแผนและกระทำใน
วิธีการทำนาย มุมมองนี้ก่อให้เกิดคำถามใหม่ ๆ เกี่ยวกับ
คุณภาพของข้อมูล ในบริบทนี้คนไม่เห็นด้วย
กับความหมายของคุณภาพ คุณภาพของข้อมูลอาจ
จะมีการประมวลผลระดับสูงหรือความเกี่ยวข้องให้เป็นไปตาม
ความเป็นจริงพวกเขาเป็นตัวแทน ในความเป็นจริงตั้งแต่ข้อมูลขนาดใหญ่ที่มีขนาดใหญ่และยุ่ง
กับความท้าทายสามารถแบ่งได้เป็นงานวิศวกรรม (การจัดการ
ข้อมูลในระดับเป็นไปไม่ได้) และความหมาย (ค้นหาและ
ข้อมูลมีความหมายรวมที่เกี่ยวข้องกับของคุณ
ความต้องการ) [36] ได้ระบุแต่ละความท้าทายที่เกี่ยวข้อง สำหรับบิ๊ก
ข้อมูล:
1 ความท้าทายในการรวมข้อมูลที่มีความหมายซึ่งสามารถ
มองเห็นเป็นความท้าทายขั้นตอนที่ห้า: (1) กำหนดปัญหาในการ
แก้ปัญหา (2) ระบุชิ้นส่วนที่เกี่ยวข้องของข้อมูลในฐานข้อมูลขนาดใหญ่ (3) ETL
มันเป็นรูปแบบที่เหมาะสมและเก็บไว้สำหรับการประมวลผล (4)
กระจ่างและ (5) การแก้ปัญหา.
2 พันล้านริปเปิลท้าทายซึ่งมีจุดมุ่งหมายในการประมวลผล largescale
RDF ที่จะให้คำอธิบายแบบเต็มของกิจการของแต่ละ
สามในคำศัพท์ที่เป้าหมายเดียวและจะเชื่อมโยงหน่วยงานที่
ไปยังแหล่งที่สอดคล้องกัน.
3 เชื่อมโยงข้อมูลเปิด (LOD) Ripper สำหรับการให้บริการใช้งานที่ดี
สำหรับกรณีล็อดและสามารถเชื่อมโยงพวกเขาด้วยไม่ใช่ล็อด
ได้อย่างมีประสิทธิภาพ.
4 คุ้มค่าของการใช้ความหมายในการบูรณาการข้อมูลและที่
ในการออกแบบของ DBMS อนาคต.
ความท้าทายที่คล้ายกันได้รับการยืนยันจากเอส Auer เจ
มาห์ [37] ซึ่งแตกต่างจาก [36] [37] เสนอโซลูชั่นสำหรับบางส่วนของ
ความท้าทายเหล่านี้ (บูรณาการข้อมูลการให้เหตุผลที่ปรับขนาดได้และอื่น ๆ ).
ความหมายอาจจะถือได้ว่าเป็นโลกมหัศจรรย์จะสร้างสะพานเชื่อม
ช่องว่างของความแตกต่างของข้อมูล นอกจากนี้ยังมีความหมายที่สามารถ
นำมาใช้ในระบบ decidable ซึ่งทำให้เป็นไปได้ในการตรวจสอบ
ความไม่สอดคล้องกันของข้อมูลสร้างความรู้ใหม่โดยใช้การอนุมาน
เครื่องยนต์หรือเพียงแค่การเชื่อมโยงมากขึ้นได้อย่างถูกต้องข้อมูลที่เฉพาะเจาะจง
ไม่เกี่ยวข้องกับเทคนิคการเรียนรู้เครื่องตาม ใน
วรรณคดีที่เราสามารถหางานที่มีวัตถุประสงค์เกี่ยวกับความท้าทาย
กล่าวก่อน ก่อนที่จะนำเสนอให้เราต้อง
ทราบว่าความสัมพันธ์ระหว่างข้อมูลขนาดใหญ่และความหมายเป็นแบบสองทิศทาง.
ในฐานะที่มันเป็นความจริงสำหรับข้อมูลขนาดใหญ่ในการใช้ประโยชน์จากความหมาย

ผลลัพธ์ (ไทย) 3:

ข้อมูลที่ต้องมีเป้าหมายเพื่อเข้าใจ วางแผน และทำในวิธีพยากรณ์ . มุมมองนี้เพิ่มคำถามใหม่เกี่ยวกับคุณภาพของข้อมูล ในบริบทนี้ คนไม่ยอมรับกับนิยามของคำว่าคุณภาพ คุณภาพของข้อมูลที่อาจจะสูงระดับความเกี่ยวข้องกับการประมวลผลหรือไปตามความเป็นจริงที่พวกเขาแสดง ในความเป็นจริงเนื่องจากข้อมูลใหญ่มีขนาดใหญ่และยุ่งความท้าทายสามารถแบ่งออกเป็นงานวิศวกรรมงานข้อมูลที่ชั่งไม่ได้ ) และอรรถศาสตร์ ( ค้นหาและมีความหมายรวมข้อมูลที่เกี่ยวข้องกับของคุณต้องการ ) [ 36 ] ได้ระบุแต่ละที่เกี่ยวข้อง ความท้าทายใหญ่ข้อมูล :1 . การบูรณาการข้อมูลความท้าทายซึ่งสามารถเห็นเป็นห้าขั้นตอนที่ท้าทาย : ( 1 ) กำหนดปัญหาแก้ ( 2 ) ระบุชิ้นส่วนที่เกี่ยวข้องของข้อมูลในฐานข้อมูลขนาดใหญ่ ( 3 ) ,เป็นรูปแบบที่เหมาะสมและเก็บไว้สำหรับการประมวลผล ( 1 )ทำให้กระจ่าง และ ( 5 ) แก้ไขปัญหา2 . พันสามท้าทายซึ่งมีขั้นตอนมากกว่าขยะ เพื่อให้รายละเอียดของแต่ละกิจการของสามในเป้าหมายคำศัพท์เดียวและการเชื่อมโยงที่นิติบุคคลกับแหล่งที่มาที่สอดคล้องกัน3 . เปิดการเชื่อมโยงข้อมูล ( LOD ) Ripper เพื่อให้ใช้กรณีโลด และสามารถเชื่อมโยงพวกเขากับไม่ลอดได้อย่างมีประสิทธิภาพ4 . คุณค่าของการใช้ความหมายในการบูรณาการข้อมูลในการออกแบบระบบจัดการฐานข้อมูลในอนาคตความท้าทายที่คล้ายกันได้รับการระบุโดย เ เ ร์ และ เจเลห์มันน์ [ 37 ] ซึ่งแตกต่างจาก [ 36 ] [ 37 ] เสนอโซลูชั่นสำหรับบางส่วนของความท้าทายเหล่านี้ ( รวมข้อมูลด้านการใช้เหตุผล ฯลฯ )ความหมายอาจจะถือว่าเป็นโลกมหัศจรรย์ที่สะพานช่องว่างของ H é t éร็อก . kgm ity ของข้อมูล นอกจากนี้ความหมายสามารถใช้ในระบบ decidable ซึ่งทำให้เป็นไปได้ในการตรวจสอบความไม่สอดคล้องกันของข้อมูล สร้างความรู้ใหม่ โดยการอนุมานเครื่องยนต์หรือเพียงแค่การเชื่อมโยงข้อมูลที่เฉพาะเจาะจงได้อย่างถูกต้องมากขึ้นไม่เกี่ยวข้องกับการใช้เทคนิคการเรียนรู้ด้วยเครื่องจักร . ในวรรณกรรม เราสามารถหางานที่มีวัตถุประสงค์เกี่ยวกับความท้าทายที่กล่าวถึงมาก่อน ก่อนที่จะนำเสนอ เราต้องทราบว่า ความสัมพันธ์ระหว่างข้อมูลใหญ่และอรรถศาสตร์เป็นลำดับชั้น .มันเป็นความจริงสำหรับข้อมูลใหญ่ใช้ในความหมาย