fbpx

ระบบจัดการฐานข้อมูล & DBMS

ระบบอภิปรัชญา

เมื่อระบบมีความเข้มงวดมากขึ้น เราจะดำเนินการได้อย่างไร สามารถทำได้หากเราเลือกการรวมแสง

การตอบคำถามต้องค้นหาจากแหล่งข้อมูลที่มีอยู่ทั้งหมด การดำเนินการนี้สามารถทำได้ทางออนไลน์ (ในแง่ที่เวลาตอบสนองอนุญาต) หรือออฟไลน์ (โดยกรอก a ฐานข้อมูล ของคำตอบ)

หากคำถามของเราไม่มีคำตอบใน ข้อมูล ที่เก็บรวบรวมโดยการขุดข้อมูล เราต้องการทราบว่ามีวิธีอื่นในการรวบรวมหรือไม่ ข้อมูล เพื่อให้ได้คำตอบ

มาเผชิญหน้ากัน เช่น กรณีที่บริษัทสนใจแยกบริษัทเหล่านั้นหรือบุคคลเหล่านั้นที่เป็นทั้งคู่ ลูกค้า ซัพพลายเออร์อะไร พวกเขามีรหัสภาษีหรือหมายเลข VAT เป็นตัวระบุ ดังนั้นรหัสเดียวจะระบุเอนทิตีเดียว โดยบูรณาการ i ข้อมูล และโดยการใช้ประโยชน์จากความซ้ำซ้อน เป็นไปได้ที่จะจัดระเบียบข้อมูลในรูปแบบใหม่และค่อนข้างง่ายในการระบุหน่วยงานที่เป็นทั้งลูกค้าและซัพพลายเออร์

มูลค่าเพิ่มจะเกิดขึ้นเมื่อแทนที่จะแบ่งย่อย ลูกค้า และซัพพลายเออร์ เรากำลังพูดถึงหมวดหมู่ทั่วไป คู่สนทนา ซึ่งรวมถึงหัวข้ออื่นๆ (เช่น PA เช่น เทศบาลที่จ่ายภาษี) แนวคิดในกรณีนี้คือการพิจารณาแนวคิด ไม่ใช่ไวยากรณ์ เป็นเสาของการรวมกลุ่ม ซึ่งช่วยให้เราไม่ต้องบูรณาการพื้นฐาน ข้อมูล และดำเนินการรวมแสง

ลูกค้าและซัพพลายเออร์เป็นคำสำคัญที่ช่วยให้ฉันสามารถระบุหน่วยงานบางแห่งที่ฉันมีความสัมพันธ์ด้วย

ณ จุดนี้ เป็นไปได้ที่จะสร้างโครงสร้างสำหรับคู่สนทนาของเรา ซึ่งเป็นบุคคลหรือนิติบุคคล ซึ่งอาจเป็นบริษัทใหม่ที่มีความสัมพันธ์ด้วย แต่ใครไม่ใช่ ลูกค้า หรือซัพพลายเออร์ (เช่น เทศบาล เพื่อนบ้าน) ดังนั้นเราจึงพบว่าเรามีปฏิสัมพันธ์กับกลุ่มบุคคลและชุดนิติบุคคล

มีวิธีการเข้าถึง ฐานข้อมูล ผ่านความสัมพันธ์ที่ไม่คาดคิด: เราพบว่า i ลูกค้า ซึ่งเป็นซัพพลายเออร์ด้วยเพราะเราอ้างถึงโครงสร้างของ ข้อมูลแต่การเข้าร่วม ข้อมูล และค้นหาความสัมพันธ์ เราไม่ได้ขึ้นอยู่กับค่านิยมที่เราพบเท่านั้น แต่ยังรวมถึงความซ้ำซ้อนและโครงสร้างด้วย (เช่น ฉันจะเข้าใจได้อย่างไรว่า Mac Donalds และ McDonalds เป็นบริษัทเดียวกัน)

เพื่อหลีกเลี่ยงการใช้คีย์เวิร์ด นั่นคือเพื่อหลีกเลี่ยงการกำหนดลักษณะเอนทิตีด้วยแอททริบิวต์คำศัพท์ เราต้องใช้ระบบออนโทโลยี: เราไม่สนใจคำพ้องความหมายสำหรับเอนทิตีบางประเภท แต่เราสนใจที่จะเข้าใจโครงสร้างของโลกหรือภววิทยา

Ontology เป็นสิ่งที่แตกต่างจากความหมาย: อย่างหลังเกี่ยวข้องกับภาษา ในขณะที่ Ontology เกี่ยวข้องกับโลก Ontology คือการศึกษาความเป็นอยู่หรือ "วิธีที่เราอยู่ในโลก" ในขณะที่ความหมายเชื่อมโยงกับภาษา: เพื่อที่จะมีความหมาย ภาษาจะต้องมีอยู่ โลกถูกสร้างขึ้นโดยภาษา ซึ่งช่วยให้เราก้าวไปไกลกว่าสิ่งที่เราเห็นและภววิทยาอยู่เสมอ ปาร์ลา ของโลกที่เฉพาะเจาะจง

ตัวอย่างเช่น หากเรานิยามคำว่า “ตึกระฟ้า” เป็น “ตึกสูงกว่า X เมตร” ประโยคจาก

เช่น "ฉันกลับบ้านพร้อมกับตึกระฟ้าในกระเป๋า" ไม่สมเหตุสมผลใน ontology ที่เราได้กำหนดไว้ ในขณะที่ถ้า ontology กำหนดไว้สำหรับคำว่า "skyscraper" ก็หมายถึง "รูปปั้น-ของที่ระลึกที่สร้างอาคาร" วลีนั้น จะถือว่ามีความหมายที่แน่นอน

การสร้างความสัมพันธ์ระหว่าง ฐานข้อมูลเราอธิบายโลก: เป็นโลกที่บอกว่ามันกำหนดคำที่เราใช้ โลกนี้มีขอบเขตจำกัดเสมอ: ข้อเท็จจริงในชีวิตขององค์กรมีจำกัด โลกที่เกิดจากภาษานั้นไม่มีที่สิ้นสุดและด้วยภาษาเราสามารถเป็นตัวแทนของโลกที่เป็นไปได้เนื่องจากภาษาเกี่ยวข้องกับศักยภาพไม่ใช่แค่สิ่งที่มีอยู่ ไม่ว่าในกรณีใด มันเป็นตรรกะที่ช่วยให้เราเข้าถึงแก่นแท้ของความหมาย และตรรกะที่บอกว่าถ้ามีคนให้บริการ เขาก็คือซัพพลายเออร์ เนื่องจากเรารู้ว่าบริการนั้นเป็นประเภทของอุปทาน

Ontology ช่วยให้เราสามารถแยกสองขั้นตอน: การรวมและการบูรณาการในที่สุด การรวมเป็นการรวบรวมสิ่งที่เราสนใจและเป็นส่วนสำคัญของการรวม: ถ้าฉันมีสองเอกสารที่เหมือนกัน ข้อมูล และฉันเพิ่มความหมายของพวกเขา ความพยายามที่ยิ่งใหญ่ที่สุดได้เกิดขึ้นแล้ว การรวมไฟล์จริง (ผสานหรือแก้ไข) เป็นส่วนย่อย

คุณสามารถเชื่อมโยงข้อมูลที่มีอยู่ใน ฐานข้อมูลแต่ยังรวมถึงเอกสารและวิดีโอโดยใช้ความหมาย ข้อดีของการมีมากขึ้น ฐานข้อมูลแทนที่จะเป็นเพียงหนึ่งเดียว คือ เราสามารถเก็บไว้ใน ฐานข้อมูล ข้อมูลวิเคราะห์ในระดับอะตอม

จากนั้นเราต้องสามารถเชื่อมโยงข้อมูลเพื่อให้ได้การตอบสนองที่เป็นมาตรฐานที่ช่วยให้เราสามารถปรับต้นทุนให้เหมาะสมและรับรองความสัมพันธ์ที่ถูกต้องกับทุกคน ลูกค้า (สามารถตอบได้เหมือนกัน)

เพื่อทำความเข้าใจว่าเกี่ยวข้องกับอะไร ลองพิจารณาตัวอย่างที่มาจากแนวคิดของเว็บ: เราสามารถใช้แท็กกับทรัพยากรเพื่อรับรู้ข้อมูลที่เกี่ยวข้องทั้งหมด ปัญหาของแนวทางนี้คือ เราสามารถใช้แท็กที่มีรูปร่างต่างกันเพื่อแสดงสิ่งเดียวกันได้ (แท็กถูกผูกไว้ตามไวยากรณ์) วิธีที่สองคือการอ้างถึงมิติทางความหมาย โดยส่งผ่านจากศัพท์ (นั่นคือ การใช้คำเพื่อรับแท็ก) ไปยังมิติทางความหมาย (แนวคิดและเอนทิตีที่ขัดขวาง)

อย่างไรก็ตาม ความหมายที่เราสนใจนั้นมีลักษณะที่แตกต่างจากภาษาธรรมชาติ ซึ่งโดยทั่วไปแล้วมีวัตถุประสงค์ที่กว้างกว่าที่เสนอ ต้องขอบคุณความหมายที่ทำให้เราสามารถอธิบายลักษณะของภาษาซึ่งเราสามารถอธิบายโลกที่เราสนใจ นั่นคือภววิทยา

ออนโทโลยีสามารถอธิบายได้โดยใช้ภาษาโลจิคัล หนึ่งในภาษาที่พบมากที่สุดคือ OWL (Ontology Web Language)

เราสามารถเดินทางไปทั่วโลกและตีความข้อเท็จจริงได้ เป็นคำอธิบายที่เป็นนามธรรมมาก มีประโยชน์เกี่ยวกับการกระทำที่เราต้องการทำ

ใน ontology ความสัมพันธ์ระหว่างโหนดกำหนดสิ่งที่เป็นไปได้และสิ่งที่เกี่ยวข้องกับ ontology ที่เป็นปัญหา ไม่ใช่ภายนอก และสมบูรณ์ด้วยความเคารพต่อการกระทำที่เราสามารถทำได้

นอกจากนี้ยังใช้เพื่อเชื่อมโยงสิ่งต่าง ๆ เช่นเมื่อบริษัทต้องการทราบบางอย่างเกี่ยวกับบริษัทอื่น ในกรณีนี้ฉันต้องหาวิธีเชื่อมโยงข้อมูลต่างๆ การใช้นามธรรมเป็นเทคนิคที่ใช้มากที่สุด:

  • การวินิจฉัยองค์กร
  • การวินิจฉัยของมนุษย์
  • การวินิจฉัยเครื่อง

ประเภทของสิ่งที่เป็นนามธรรมขึ้นอยู่กับคำตอบที่เราต้องการให้: การวินิจฉัยทั้งสามนั้นสัมพันธ์กัน แม้ว่าจะเห็นได้ชัดว่าแนวคิดเหล่านี้อยู่ในหมวดหมู่ที่ต่างกัน

แต่ละหมวดหมู่เหล่านี้จะกำหนดชุดของสิทธิ-หน้าที่ในความสัมพันธ์ระหว่างบุคคลกับองค์กร

0/5 (0 รีวิว)
0/5 (0 รีวิว)
0/5 (0 รีวิว)

ค้นหาข้อมูลเพิ่มเติมได้จาก Online Web Agency

สมัครสมาชิกเพื่อรับบทความล่าสุดทางอีเมล

อวตารของผู้เขียน
ผู้ดูแลระบบ CEO
👍เว็บเอเจนซี่ออนไลน์ | ผู้เชี่ยวชาญด้านเว็บเอเจนซี่ในด้านการตลาดดิจิทัลและ SEO เว็บเอเจนซี่ออนไลน์คือเว็บเอเจนซี่ สำหรับ Agenzia Web Online ความสำเร็จในการเปลี่ยนแปลงทางดิจิทัลนั้นขึ้นอยู่กับรากฐานของ Iron SEO เวอร์ชัน 3 ความเชี่ยวชาญ: การรวมระบบ, การรวมแอปพลิเคชันระดับองค์กร, สถาปัตยกรรมเชิงบริการ, การประมวลผลแบบคลาวด์, คลังข้อมูล, ระบบธุรกิจอัจฉริยะ, Big Data, พอร์ทัล, อินทราเน็ต, เว็บแอปพลิเคชัน การออกแบบและการจัดการฐานข้อมูลเชิงสัมพันธ์และหลายมิติ การออกแบบส่วนต่อประสานสำหรับสื่อดิจิทัล: การใช้งานและกราฟิก Online Web Agency เสนอบริการต่อไปนี้แก่บริษัทต่างๆ: -SEO บน Google, Amazon, Bing, Yandex; -การวิเคราะห์เว็บ: Google Analytics, Google เครื่องจัดการแท็ก, Yandex Metrica; - การแปลงผู้ใช้: Google Analytics, Microsoft Clarity, Yandex Metrica; -SEM บน Google, Bing, โฆษณา Amazon; - การตลาดผ่านโซเชียลมีเดีย (Facebook, Linkedin, Youtube, Instagram)
ความเป็นส่วนตัวที่ว่องไวของฉัน
ไซต์นี้ใช้คุกกี้ทางเทคนิคและโปรไฟล์ เมื่อคลิกที่ยอมรับ คุณอนุญาตคุกกี้การทำโปรไฟล์ทั้งหมด เมื่อคลิกที่ปฏิเสธหรือ X คุกกี้โปรไฟล์ทั้งหมดจะถูกปฏิเสธ เมื่อคลิกที่ปรับแต่ง คุณจะสามารถเลือกได้ว่าคุกกี้โปรไฟล์ใดที่จะเปิดใช้งาน
ไซต์นี้ปฏิบัติตามกฎหมายคุ้มครองข้อมูล (LPD) กฎหมายของรัฐบาลกลางสวิสลงวันที่ 25 กันยายน 2020 และ GDPR ระเบียบข้อบังคับของสหภาพยุโรป 2016/679 ที่เกี่ยวข้องกับการปกป้องข้อมูลส่วนบุคคลตลอดจนการเคลื่อนย้ายข้อมูลดังกล่าวอย่างเสรี