1. the meaningful data integration

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,
some semantics tasks are optimized by using tools designed
for large dataset processing, especially MapReduce framework.
More, in the articles cited in the following lines, the term Big
Data is rarely explicitly mentioned; it could be hidden behind
terms like “web scale/web-scale” or “large scale/large-scale”
[21,38–41] to express the volume feature, “real-time” or “dynamic”
[42,43] to express velocity and “informal/informality”,
“natural language”, “unstructured” or “data streams” [44–47]
to state the variety/variability feature. In another way, Big Data
can be experienced through Linked Data: it has volume, variety,
and veracity features and we can thus assume that other
characteristics are under control [13].

ผลลัพธ์ (ไทย) 1:

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 ข้อมูลกับไดรฟ์ในความหมายของเหมาะงานบางอย่างความหมาย โดยใช้เครื่องมือที่ออกแบบมาสำหรับการประมวลผลชุดข้อมูลขนาดใหญ่ โดยเฉพาะอย่างยิ่ง MapReduce กรอบในบทความที่อ้างถึงในบรรทัดต่อไปนี้ คำใหญ่มากข้อมูลไม่ค่อยชัดเจนกล่าวถึง มันสามารถซ่อนอยู่เบื้องหลังเงื่อนไขเช่น "เว็บขนาด/เว็บขนาด" หรือ "ใหญ่ขนาด/ใหญ่สเกล"21,38-41 แสดงคุณลักษณะเสียง "เวลาจริง" หรือ "แบบไดนามิก"[42,43] ความเร็วและ "ไม่เป็นทาง การ/informality""ภาษาธรรมชาติ" "ทั้ง" หรือ "กระแสข้อมูล" [44 – 47]ให้ระบุคุณลักษณะความหลากหลาย/ความแปรปรวน วิธีอื่น ข้อมูลสามารถมีประสบการณ์ผ่านการเชื่อมโยงข้อมูล: มีเสียง ความหลากหลายและลักษณะการทำงานจริงและเราสามารถจึงสมมติที่อื่นลักษณะที่อยู่ภายใต้การควบคุม [13]

ผลลัพธ์ (ไทย) 2:

1. ความท้าทายที่บูรณาการข้อมูลที่มีความหมายซึ่งสามารถ
มองเห็นเป็นความท้าทายขั้นตอนที่ห้า: (1) กำหนดปัญหาในการ
แก้ปัญหา (2) ระบุชิ้นส่วนที่เกี่ยวข้องของข้อมูลในฐานข้อมูลขนาดใหญ่ (3) ETL
มันเป็นรูปแบบที่เหมาะสมและเก็บไว้ สำหรับการประมวลผล (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.
ในฐานะที่มันเป็นความจริงสำหรับข้อมูลขนาดใหญ่ยกระดับความหมาย
ความหมายบางงานที่มีประสิทธิภาพสูงสุดโดยใช้เครื่องมือที่ออกแบบมา
สำหรับการประมวลผลข้อมูลขนาดใหญ่โดยเฉพาะอย่างยิ่งกรอบ MapReduce.
เพิ่มเติมใน บทความที่อ้างถึงในบรรทัดต่อไปนี้คำว่าบิ๊ก
ข้อมูลจะไม่ค่อยแน่ชัด; มันอาจจะซ่อนอยู่หลัง
คำเช่น "โยเว็บไซต์ / Web ขนาด" หรือ "ขนาด / ขนาดใหญ่ใหญ่"
[21,38-41] เพื่อแสดงคุณลักษณะไดรฟ์ "เวลาจริง" หรือ "พลัง"
[42,43 ] เพื่อแสดงความเร็วและ "ไม่เป็นทางการ / กันเอง",
"ภาษาธรรมชาติ", "ไม่มีโครงสร้าง" หรือ "กระแสข้อมูล" [44-47]
ที่จะระบุความหลากหลายคุณลักษณะ / แปรปรวน ในอีกทางหนึ่งข้อมูลขนาดใหญ่
สามารถมีประสบการณ์ผ่านการเชื่อมโยงข้อมูล: มันมีปริมาณความหลากหลาย
และคุณสมบัติความจริงและเราจึงสามารถสรุปได้ว่าคนอื่น ๆ
ลักษณะที่อยู่ภายใต้การควบคุม [13]