AI 101 թ
Structured vs Unstructured Data
Չկառուցված տվյալներ տվյալներ են, որոնք կազմակերպված չեն նախապես սահմանված ձևով կամ չունեն հատուկ տվյալների մոդել: Միեւնույն ժամանակ, կառուցվածքային տվյալներ այն տվյալներն են, որոնք ունեն հստակ, սահմանելի հարաբերություններ տվյալների կետերի միջև՝ այն պարունակող նախապես սահմանված մոդելով: Դա կարճ պատասխանն է կառուցվածքային և չկառուցված տվյալների տարբերության վերաբերյալ, բայց եկեք ավելի սերտ նայենք երկու տեսակի տվյալների միջև եղած տարբերություններին:
Ի՞նչ է կառուցվածքային տվյալները:
Երբ խոսքը վերաբերում է համակարգչային գիտությանը, տվյալների կառուցվածքները վերաբերում են տվյալների պահպանման և կազմակերպման հատուկ եղանակներին: Տվյալների տարբեր կառուցվածքներ ունեն տարբեր հարաբերություններ տվյալների կետերի միջև, բայց տվյալները կարող են նաև չկառուցված լինել: Ի՞նչ է նշանակում ասել, որ տվյալները կառուցվածքային են: Այս սահմանումը ավելի պարզ դարձնելու համար եկեք դիտարկենք տվյալների կառուցվածքի տարբեր եղանակներից մի քանիսը:
Կառուցվածքային տվյալները հաճախ պահվում են աղյուսակներում, ինչպիսիք են Excel ֆայլերը կամ SQL տվյալների բազաներ. Այս դեպքերում տվյալների տողերն ու սյունակները պարունակում են տարբեր փոփոխականներ կամ առանձնահատկություններ, և հաճախ հնարավոր է տարբերակել տվյալների կետերի միջև կապը՝ ստուգելով, թե որտեղ են հատվում տվյալների տողերն ու սյունակները: Կառուցվածքային տվյալները կարող են հեշտությամբ տեղավորվել հարաբերական տվյալների բազայում, և կառուցվածքային տվյալների բազայի տարբեր հատկանիշների օրինակները կարող են ներառել այնպիսի տարրեր, ինչպիսիք են անունները, հասցեները, ամսաթվերը, եղանակի վիճակագրությունը, վարկային քարտերի համարները և այլն: Մինչ կառուցվածքային տվյալները առավել հաճախ տեքստային տվյալներ են, այն հնարավոր է պահել այնպիսի բաներ, ինչպիսիք են պատկերները և աուդիոները որպես կառուցվածքային տվյալներ:
Կառուցվածքային տվյալների ընդհանուր աղբյուրները ներառում են այնպիսի բաներ, ինչպիսիք են սենսորներից հավաքագրված տվյալները, վեբլոգները, ցանցային տվյալները և մանրածախ կամ էլեկտրոնային առևտրի տվյալները: Կառուցվածքային տվյալներ կարող են ստեղծվել նաև այն մարդկանց կողմից, ովքեր լրացնում են աղյուսակները կամ տվյալների շտեմարանները համակարգչից և այլ սարքերից հավաքագրված տվյալներով: Օրինակ, առցանց ձևերի միջոցով հավաքված տվյալները հաճախ անմիջապես սնվում են տվյալների կառուցվածքում:
Կառուցվածքային տվյալները պահպանվելու երկար պատմություն ունեն հարաբերական տվյալների բազաներ և SQL. Պահպանման այս մեթոդները տարածված են այս ձևաչափերով կարդալու և գրելու հեշտության պատճառով, քանի որ հարթակների և լեզուների մեծ մասը կարող է մեկնաբանել տվյալների այս ձևաչափերը:
Մեքենայական ուսուցման համատեքստում կառուցվածքային տվյալների վրա ավելի հեշտ է վարժեցնել մեքենայական ուսուցման համակարգը, քանի որ տվյալների ներսում օրինաչափությունները ավելի հստակ են: Որոշ առանձնահատկություններ կարող են սնվել մեքենայական ուսուցման դասակարգչի մեջ և օգտագործվել տվյալ ընտրված հատկանիշների հիման վրա այլ տվյալների օրինակներ պիտակավորելու համար: Ի հակադրություն, մեքենայական ուսուցման համակարգի վերապատրաստումը չկառուցված տվյալների վրա ավելի դժվար է, պարզ կդառնան պատճառներով:
Ի՞նչ է չկառուցված տվյալները:
Չկառուցված տվյալները այն տվյալներն են, որոնք կազմակերպված չեն ըստ նախապես սահմանված տվյալների մոդելի կամ կառուցվածքի: Չկառուցված տվյալները հաճախ կոչվում են որակական տվյալներ, քանի որ դրանք չեն կարող վերլուծվել կամ մշակվել ավանդական եղանակներով՝ օգտագործելով կառուցվածքային տվյալների համար օգտագործվող կանոնավոր մեթոդները:
Քանի որ չկառուցված տվյալները չունեն որոշակի հարաբերություններ տվյալների կետերի միջև, դրանք չեն կարող կազմակերպվել հարաբերական տվյալների բազաներում: Ի հակադրություն, չկառուցված տվյալների պահպանման եղանակը սովորաբար նման է NoSQL տվյալների բազա, կամ ոչ հարաբերական տվյալների բազա։ Եթե տվյալների բազայի կառուցվածքը քիչ մտահոգություն է առաջացնում, տվյալների լիճը կամ չկառուցված տվյալների մեծ լողավազան կարող է օգտագործվել տվյալների պահպանման համար NoSQL տվյալների բազայի փոխարեն:
Չկառուցված տվյալները դժվար է վերլուծել, և չկառուցված տվյալների իմաստավորումը հաճախ ներառում է տվյալների առանձին մասերի ուսումնասիրություն՝ հնարավոր հատկանիշները պարզելու համար, և այնուհետև փնտրել, թե արդյոք այդ հատկանիշները տեղի են ունենում ավազանի այլ տվյալների մեջ:
Տվյալների ճնշող մեծամասնությունը չկառուցված ձևաչափերով է, ըստ հաշվարկների, որ չկառուցված տվյալները կազմում են բոլոր տվյալների մոտ 80%-ը: Տվյալների արդյունահանման տեխնիկան կարող է օգտագործվել տվյալների կառուցման համար:
Մեքենայական ուսուցման առումով որոշ տեխնիկա կարող է օգնել պատվիրել չկառուցված տվյալներ և դրանք վերածել կառուցվածքային տվյալների: Չկառուցված տվյալները կառուցվածքային տվյալների վերածելու հանրաճանաչ գործիքը ավտոմատ կոդավորիչ կոչվող համակարգն է:
