Objev metadat - Metadata discovery

v metadata, objev metadat (taky sběr metadat) je proces používání automatizovaných nástrojů k objevování sémantika a datový prvek v souborech dat. Tento proces obvykle končí sadou mapování mezi prvky zdroje dat a centralizovaným registr metadat. Zjišťování metadat se také nazývá skenování metadat.

Formáty zdrojů dat pro zjišťování metadat

Soubory dat mohou mít různé formy, včetně:

  1. Relační databáze
  2. NoSQL databáze
  3. Tabulky
  4. XML soubory
  5. webové služby
  6. Software zdrojový kód jako jsou Fortran, Jovial, COBOL, Assembler, RPG, PL / 1, EasyTrieve, Java, C # nebo C ++ třídy a tisíce dalších softwarových jazyků
  7. Nestrukturované textové dokumenty, jako jsou Microsoft Word nebo PDF soubory

Taxonomie algoritmů shody metadat

Existují odlišné kategorie automatického zjišťování metadat:

Lexikální shoda

  1. Přesná shoda - kde jsou propojení datových prvků prováděna na základě přesného názvu sloupce v databázi, názvu prvku XML nebo štítku na obrazovce. Například pokud má sloupec databáze název „PersonBirthDate“ a datový prvek v registru metadat má také název „PersonBirthDate“, mohou automatické nástroje odvodit, že sloupec databáze má stejnou sémantiku (význam) jako datový prvek. v registru metadat.
  2. Synonymní shoda - kde nástroj pro zjišťování nedostává jen jedno jméno, ale sadu synonym.
  3. Shoda vzoru - v tomto případě je nástrojům dána sada lexikálních vzorů, které mohou odpovídat. Nástroje mohou například vyhledávat „* pohlaví *“ nebo „* pohlaví *“

Sémantická shoda

Sémantická shoda pokusy o použití sémantika přidružit cílová data k registrovaným datové prvky.

  1. Sémantická podobnost - V tomto algoritmu, který se opírá o databázi konceptuální blízkosti slova, se používá. Například WordNet systém může vyhodnotit, jak blízko jsou si slova koncepčně blízká. Například výrazy „Osoba“, „Jednotlivec“ a „Člověk“ mohou být velmi podobné pojmy.

Statistické párování

Statistická shoda využívá statistiky o samotných datech datových zdrojů k odvození podobností se zaregistrovanými datovými prvky.

  1. Zřetelná analýza hodnoty - Analýzou všech odlišných hodnot ve sloupci lze dosáhnout podobnosti s registrovaným datovým prvkem. Například pokud má sloupec pouze dvě odlišné hodnoty „male“ a „female“, mohlo by to být namapováno na „PersonGenderCode“.
  2. Analýza distribuce dat - Analýzou distribuce hodnot v jednom sloupci a porovnáním této distribuce se známými datovými prvky lze odvodit sémantickou vazbu.

Prodejci

Následující dodavatelé (uvedení v abecedním pořadí) poskytují software a řešení pro zjišťování a mapování metadat

Výzkum

Viz také

Reference

Citace

  1. ^ Devarakonda, R., Palanisamy, G., Wilson, B. a Green, J. (2010), „Merkur: opakovaně použitelná správa metadat, systém zjišťování a přístupu k datům“, Informatika o ZemiSpringer Berlin / Heidelberg, 3 (1): 87–94, Bibcode:2010ES V .... 3 ... 87D, doi:10.1007 / s12145-010-0050-7CS1 maint: více jmen: seznam autorů (odkaz)

Zdroje