| comment
| - Extração de conhecimento (também conhecido como processo KDD, do inglês knowledge-discovery in databases) é um processo de extração de informações de base de dados, que cria relações de interesse que não são observadas pelo especialista no assunto, bem como auxilia a validação de conhecimento extraído. O produto esperado da extração de conhecimento é uma informação relevante para ser utilizada pelos tomadores de decisão. Alguns autores, porém, defendem o ponto de vista de que o conhecimento descoberto não precisa necessariamente ser incorporado a um sistema de apoio à decisão (SAD). (pt)
- L'extraction de connaissances est le processus de création de connaissances à partir d'informations structurées (bases de données relationnelles, XML) ou non structurées (textes, documents, images). Le résultat doit être dans un format lisible par les ordinateurs. Le groupe RDB2RDF W3C est en cours de standardisation d'un langage d'extraction de connaissances au format RDF à partir de bases de données. En français on parle d'« extraction de connaissances à partir des données » (ECD). (fr)
- Knowledge extraction is the creation of knowledge from structured (relational databases, XML) and unstructured (text, documents, images) sources. The resulting knowledge needs to be in a machine-readable and machine-interpretable format and must represent knowledge in a manner that facilitates inferencing. Although it is methodically similar to information extraction (NLP) and ETL (data warehouse), the main criteria is that the extraction result goes beyond the creation of structured information or the transformation into a relational schema. It requires either the reuse of existing formal knowledge (reusing identifiers or ontologies) or the generation of a schema based on the source data. (en)
- Knowledge Discovery in Databases (KDD), auf Deutsch Wissensentdeckung in Datenbanken, ergänzt das oft synonym gebrauchte Data-Mining um vorbereitende Untersuchungen und . Ziel des KDD ist die Erkennung bislang unbekannter fachlicher Zusammenhänge aus vorhandenen, meist großen Datenbeständen. In Abgrenzung zum Data-Mining umfasst KDD als Gesamtprozess auch die Vorbereitung der Daten sowie die Bewertung der Resultate. Die Teilschritte des KDD-Prozesses sind: (de)
- استخراج المعرفة هو إنشاء المعرفة من مصادر ( قواعد البيانات العلائقية ، XML ) ومصادر ( نص ، وثائق ، صور ) غير منظمة. يجب أن تكون المعرفة الناتجة بتنسيق يمكن قراءته آليًا وتفسيره آليًا ويجب أن تمثل المعرفة بطريقة تسهل الاستنتاج. على الرغم من أنها تشبه بشكل منهجي استخراج المعلومات ( NLP ) و ETL (مستودع البيانات) ، إلا أن المعيار الرئيسي هو أن نتيجة الاستخراج تتجاوز إنشاء المعلومات المهيكلة أو التحول إلى مخطط علائقي . يتطلب إما إعادة استخدام المعرفة الرسمية الحالية (إعادة استخدام المعرفات أو الأنطولوجيات ) أو إنشاء مخطط بناءً على البيانات المصدر. ويمكن لكل شخص استخراج البيانات ومعرفة قيمتها من خلال دراسة المحتوى العميق. (ar)
- Выделение знаний (англ. Knowledge extraction) — это создание знаний из структурированных (реляционных баз данных, XML) и неструктурированных источников (тексты, документы, изображения). Полученное знание должно иметь формат, позволяющий компьютерный ввод, и должно представлять знания так, чтобы облегчить логические выводы. Хотя по методике процесс подобен извлечению информации (обработке естественного языка, англ. Natural language processing, NLP) и процессу «Извлечения, Преобразования, Загрузки» (англ. Extract, Transform, Load, ETL, для хранилищ данных), главный критерий результата — создание структурированной информации или преобразование в реляционную схему. Это требует либо преобразования существующего формального знания (повторного использования идентификаторов или онтологий), либо ге (ru)
- Видобуток знань є створення знань зі структурованих (реляційних баз даних, XML) і неструктурованих (тексти, документи, зображення) джерел. Отримане знання повинно бути збережене у форматі придатному для автоматичного читання та інтерпретації, також знання повинні бути представлені таким чином, щоб полегшити логічний висновок. Попри те, що це методично схоже на видобуток інформації (NLP) і ETL (зберігання даних), основними критеріями є те, що результат видобутку виходить за рамки створення структурованої інформації або перетворення її в реляційну схему. Це вимагає або повторного використання наявних формальних знань (повторне використання ідентифікаторів або онтологій) або генерацію схеми на основі вихідних даних. (uk)
- 지식 추출은 구조화된 자료에서 지식을 생성하는 것을 의미한다. (ko)
- Dobývání znalostí z databází (KDD, Knowledge Discovery in Databases). Tento pojem definovat Usama Fayyad jako proces netriviálního objevování implicitních, dopředu neznámých a potenciálně použitelných znalostí v datech. Podle této definice se někteří jedinci mohou mylně domnívat, že KDD je synonymum pro Data mining ovšem není tomu tak. Data mining je pouze jedním krokem z celkového procesu dobývání znalostí z databází. (cs)
|
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)