in these paragraphs, we have a clea

in these paragraphs, we have a clean knowledge base or
ontology. But what if our ontology has to be queried, merged
or linked with another one? Answer to this question is
ontology alignment (a.k.a. ontology matching) and it has to
be done in agreement to Big Data requirements (a recent and
relevant review of schema alignment with structured data in
Big Data era is presented in [9]). A deep and recent review of
ontology matching is presented in [90]. Aspects of ontology
matching which present an interest for us are mentioned
there in terms of challenge. Some of those aspects like the
use of external resources have a direct impact on ontology
matching in the context of Big Data. It is the case of (i) matcher
selection, combination and tuning and (ii) user involvement.
Challenge (i) is relevant to us because matcher uses different
techniques and to combine/tune them can improve results.
Moreover, the improvements of these techniques can focus on
specific aspects (volume, uncertainty) of ontologies. But these
combinations can have a negative impact on processing time.
The same remark can be done in the second “challenge” since
the user can resolve matching errors but it is difficult to rely
on users in large ontologies alignment.
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:

ในย่อหน้าเหล่านี้ เรามีฐานความรู้สะอาด หรือภววิทยา แต่ถ้าภววิทยาของเราได้ที่จะสอบถาม ผสานหรือเชื่อมโยงกับคนอื่น ตอบคำถามนี้จัดตำแหน่งภววิทยา (หรือภววิทยาที่ตรงกัน) และมีการทำตกลงข้อมูลความต้องการ (การล่า และรีวิวที่เกี่ยวข้องของแผนสอดคล้องกับข้อมูลในยุคข้อมูลการนำเสนอใน [9]) เห็นลึก และล่าสุดภววิทยาที่ตรงกันจะแสดงใน [90] ลักษณะของภววิทยาจับคู่ที่แสดงความสนใจที่เรากล่าวถึงมีในแง่ของความท้าทาย บางส่วนของลักษณะเหล่านั้นเช่นการการใช้ทรัพยากรภายนอกมีผลโดยตรงในภววิทยาการจับคู่ในบริบทของข้อมูลขนาดใหญ่ จะจับคู่กรณีของ (i)เลือก การผสม และมีส่วนร่วมของผู้ใช้ปรับแต่งและ (ii)ท้าทาย (i) ที่เกี่ยวข้องกับเราเนื่องจากว่าจับคู่ใช้แตกต่างกันเทคนิค และการรวม/ปรับแต่งพวกเขาสามารถปรับปรุงผลลัพธ์นอกจากนี้ การปรับปรุงของเทคนิคเหล่านี้สามารถโฟกัสเฉพาะด้าน (ปริมาณ ความไม่แน่นอน) ontologies แต่เหล่านี้ชุดสามารถมีผลกระทบเชิงลบในระยะเวลาหมายเหตุเดียวกันสามารถทำได้ในสอง "ความท้าทาย" ตั้งแต่ผู้ใช้สามารถแก้ไขข้อผิดพลาดตรงกัน แต่มันยากที่ต้องอาศัยผู้ใช้ในแนว ontologies ใหญ่นอกจากนี้ 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:

ในย่อหน้านี้เรามีฐานความรู้ที่สะอาดหรือ
อภิปรัชญา แต่สิ่งที่ถ้าอภิปรัชญาของเราจะต้องมีการสอบถามรวม
หรือเชื่อมโยงกับอีกคนหนึ่ง? คำตอบสำหรับคำถามนี้คือ
การจัดตำแหน่งอภิปรัชญา (aka จับคู่อภิปรัชญา) และมันจะ
ทำได้ในข้อตกลงความต้องการข้อมูลขนาดใหญ่ (เมื่อเร็ว ๆ นี้และ
การตรวจสอบความเกี่ยวข้องของการจัดตำแหน่งสคีกับข้อมูลที่มีโครงสร้างใน
ยุคข้อมูลขนาดใหญ่จะนำเสนอใน [9]) ทบทวนลึกและที่ผ่านมาของ
การจับคู่อภิปรัชญาจะนำเสนอใน [90] ด้านของอภิปรัชญา
ที่ตรงกันซึ่งแสดงความสนใจสำหรับเราที่จะกล่าวถึง
ที่นั่นในแง่ของความท้าทาย บางส่วนของด้านที่เหมือน
การใช้ทรัพยากรภายนอกมีผลกระทบโดยตรงต่ออภิปรัชญา
ที่ตรงกันในบริบทของข้อมูลขนาดใหญ่ มันเป็นกรณีของ (i) การจับคู่
เลือกการรวมและการปรับแต่งและ (ii) การมีส่วนร่วมของผู้ใช้.
ที่ท้าทาย (i) มีความเกี่ยวข้องกับเราเพราะจับคู่ใช้ที่แตกต่างกัน
และเทคนิคที่จะรวม / ปรับแต่งพวกเขาสามารถปรับปรุงผลลัพธ์.
นอกจากนี้ยังมีการปรับปรุงเหล่านี้ เทคนิคสามารถมุ่งเน้น
ลักษณะเฉพาะ (ปริมาณไม่แน่นอน) ของจีส์ แต่เหล่านี้
รวมกันจะมีผลกระทบในทางลบต่อเวลาการประมวลผล.
คำพูดเดียวกันสามารถทำได้ใน "ความท้าทาย" สองตั้งแต่
ผู้ใช้สามารถแก้ไขข้อผิดพลาดการจับคู่ แต่มันเป็นเรื่องยากที่จะพึ่งพา
ผู้ใช้ในจีส์ขนาดใหญ่การจัดตำแหน่ง.
นอกจากนี้ Shvaiko และ Euzenat [90] พูดถึงการขาด
การประเมินผลของการขยายขนาดเป็นความท้าทาย ในทำนองเดียวกันทั้งหมดเหล่านี้
คำพูดอาจจะทำให้เราหลังจากที่เราได้นำเสนอหลัก
ด้านของการจัดการความหมายของข้อมูลขนาดใหญ่ แท้จริงทุก
เทคนิคและเครื่องมือดังกล่าวสามารถปรับปรุงโดย
พารามิเตอร์ต่างๆหรือการวิเคราะห์พฤติกรรม แต่ในยุคข้อมูลขนาดใหญ่ซึ่งเป็น
สถานที่ที่สำคัญต้องทำเพื่อเพิ่มประสิทธิภาพ เครื่องมือจะต้อง
จัดการกับเอ็กซาไบต์ของข้อมูลสตรีมมิ่งข้อมูลการเปลี่ยนแปลงอย่างรวดเร็วคน
ข้อมูลที่เป็นทางการมาก ฯลฯ

ผลลัพธ์ (ไทย) 3:

在这些知识，我们有一个paragraphs base或清洁如果我们什么ontology。但是，merged queried ontology has与一个或另一个？答：联，这是保持ontology对齐（即匹配到它有ontology）和大数据是在协议的要求，做了一个最近的和相关评论在网络的架构与数据对齐在大数据时代，是presented [ A ]）。9深和最近的评论在ontology匹配是presented [（ontology称90 ] .目前，这一被我们所感兴趣的是在一些有挑战的方式的aspects喜欢的那些。利用外部资源，有一个直接的影响，在ontology在大数据的匹配（context）。它是（我）matcher情况tuning组合和选择，和（ii）involvement user。（i）相关的挑战是不同的，因为我们使用matcher他们对技术和tune可以提高combine /结果。此外，这些技术可以在improvements焦点aspects SPECIFIC（不确定性）的容量，但这些ontologies。有一个负的影响combinations可以在处理时间。同时remark），二是可以在“挑战”做了自resolve可以被配置为一个，但它是困难的rely在对用户ontologies对齐）。此外，Shvaiko ]和[ 90 Euzenat mention的缺乏数据表明，作为一个扩展的Likewise，所有这些挑战。remarks ours后做，我们可能是有presented main大数据的管理aspects semantic Surely，所有。技术和工具可以是由aforementioned improved的各种参数，但在heuristics或大数据的时代，一个地方一定做到最小显著优化工具必须。数据流数据的处理，exabytes不断变化，ones，快很informal数据，等。