In addition, Shvaiko and Euzenat [9

In addition, Shvaiko and Euzenat [90] mention the lack of

evaluation of scalability as a challenge. Likewise, all these

remarks could be made ours, after we have presented main

aspects of Big Data semantic management. Surely, all the

techniques and tools aforementioned can be improved by

various parameters or heuristics, but in Big Data era, a

significant place must be made to optimization. Tools must

handle exabytes of data, streaming data, fast changing ones,

very informal data, etc.

ผลลัพธ์ (ไทย) 1:

นอกจากนี้ Shvaiko และ Euzenat [90] กล่าวถึงการขาดประเมินการปรับขนาดเป็นความท้าทาย ในทำนองเดียวกัน ทั้งหมดเหล่านี้หมายเหตุอาจจะทำเรา หลังจากที่เราได้นำเสนอหลักด้านการจัดการข้อมูลทางตรรก แน่นอน ทุกเทคนิคและเครื่องมือดังกล่าวสามารถแก้ไขได้โดยพารามิเตอร์ต่าง ๆ หรือรุก แต่ ใน ยุคของข้อมูล การสถานที่สำคัญต้องมีการปรับให้เหมาะสม เครื่องมือต้องจัดการ exabytes ของข้อมูล การสตรีมข้อมูล เปลี่ยนแปลง คนข้อมูลไม่เป็นทางการมาก ฯลฯ

ผลลัพธ์ (ไทย) 2:

นอกจากนี้ Shvaiko และ Euzenat [90] พูดถึงการขาดการประเมินผลของการขยายขนาดเป็นความท้าทาย ในทำนองเดียวกันทั้งหมดเหล่านี้คำพูดอาจจะทำให้เราหลังจากที่เราได้นำเสนอหลักด้านของการจัดการความหมายของข้อมูลขนาดใหญ่ แท้จริงทุกเทคนิคและเครื่องมือดังกล่าวสามารถปรับปรุงโดยพารามิเตอร์ต่างๆหรือการวิเคราะห์พฤติกรรม แต่ในยุคข้อมูลขนาดใหญ่ซึ่งเป็นสถานที่ที่สำคัญต้องทำเพื่อเพิ่มประสิทธิภาพ เครื่องมือจะต้องจัดการกับเอ็กซาไบต์ของข้อมูลสตรีมมิ่งข้อมูลการเปลี่ยนแปลงอย่างรวดเร็วคนข้อมูลที่เป็นทางการมาก ฯลฯ

ผลลัพธ์ (ไทย) 3:

นอกจากนี้ shvaiko และ euzenat [ 90 ] พูดถึงขาดการประเมินผลการทำงานที่ท้าทาย อนึ่ง ทั้งหมดนี้หมายเหตุ อาจจะทำให้เรา หลังจากที่เราได้นำเสนอหลักด้านใหญ่ข้อมูลความหมายการจัดการ แน่นอน , ทั้งหมดเทคนิคและเครื่องมือดังกล่าวสามารถปรับปรุงโดยพารามิเตอร์ต่าง ๆ หรืออักษร แต่ในยุคข้อมูลใหญ่ที่สำคัญที่ต้องทำเพื่อเพิ่มประสิทธิภาพ เครื่องมือต้องจัดการเอ็กซาไบท์ข้อมูลสตรีมข้อมูลที่เปลี่ยนแปลงอย่างรวดเร็วที่ข้อมูลอย่างไม่เป็นทางการ ฯลฯ