book

Modélisation sémantique des données

by Panos Alexopoulos

November 2024

Intermediate to advanced

330 pages

11h 13m

French

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

Qui devrait lire ce livre ?À quoi s'attendre dans ce livrePlan du livreConventions utilisées dans ce livreApprentissage en ligne O'ReillyComment nous contacterRemerciements
Qu'est-ce que la modélisation sémantique des données ?Pourquoi développer et utiliser un modèle de données sémantiques ?Mauvaise modélisation sémantiqueÉviter les piègesBriser les dilemmes
Éléments générauxEntitésRelationsClasses et individusAttributsAxiomes, contraintes et règles complexesConditionsÉléments communs et normalisésLexicalisation et synonymieInstanciationInclusion de sens et subsomption de classe ou de relationRelation entre la partie et le toutLien sémantiqueCartographie et relations d'interconnexionÉléments de documentationRésumé
AmbiguïtéIncertitudeL'imprécisionRigidité, identité, unité et dépendance.Symétrie, inversion et transitivitéHypothèses sur le monde fermé et le monde ouvertChangement sémantiqueRésumé
Précision sémantiqueComplétudeCohérenceConcisionRapidité d'exécutionPertinenceCompréhensibilitéFiabilitéDisponibilité, polyvalence et performanceRésumé
Activités de développementPréparer le terrainDécider de ce qu'il faut construireLe construireS'assurer qu'il est bonRendre l'information utilePour que ça dureVocabulaires, schémas et modèles exemplairesOntologies supérieuresModèles de conceptionModèles standard et de référenceModèles et ensembles de données publicsExtraction de modèles sémantiquesTâches minièresMéthodes et techniques d'exploitation minièreRésumé
Donner de mauvais nomsDonner le mauvais exemplePourquoi nous donnons de mauvais nomsPour plus de clartéOmettre des définitions ou en donner de mauvaisesQuand tu as besoin de définitionsPourquoi nous omettons les définitionsBonnes et mauvaises définitionsComment obtenir des définitionsIgnorer l'imprécisionL'imprécision est une caractéristique, pas un bogueDétecter et décrire l'imprécisionNe pas documenter les préjugés et les hypothèsesGarde tes ennemis près de toiRésumé
Mauvaise identitéMauvaise synonymieMauvaise cartographie et mauvais liensMauvaises sous-classesL'instanciation comme sous-classeLes parties en tant que sous-classesLes classes rigides comme sous-classes des classes non rigidesSuperclasses communes avec des critères d'identité incompatiblesMauvais axiomes et mauvaises règlesDéfinir les relations hiérarchiques comme transitivesDéfinir les relations vagues comme transitivesCours complémentaires vaguesConfondre les règles d'inférence et les contraintesRésumé

Construire la mauvaise chosePourquoi nous avons de mauvaises spécificationsComment obtenir les bonnes spécificationsMauvaise acquisition des connaissancesMauvaises sources de connaissancesMéthodes et outils d'acquisition erronésUne histoire de spécification et d'acquisition de connaissancesSpécification et conception du modèleModèle de populationRésumé
Ne pas traiter la qualité comme un ensemble de compromisPrécision sémantique versus exhaustivitéConcision ou exhaustivitéConcision et compréhensibilitéPertinence du contexte A par rapport au contexte BNe pas relier la qualité aux risques et aux avantagesNe pas utiliser les bons indicateursUtiliser des mesures avec des interprétations trompeusesUtilisation de mesures ayant peu de valeur comparativeUtilisation de mesures avec des seuils de valeur arbitrairesUtiliser des mesures qui sont en fait des signaux de qualitéMesurer l'exactitude des affirmations vagues de façon claire et netteAssimiler la qualité du modèle à la qualité de l'extraction de l'informationRésumé
Résolution des mauvaises entitésComment les systèmes de résolution d'entités utilisent-ils les modèles sémantiques ?Quand la connaissance peut te nuireComment sélectionner les connaissances utiles à la désambiguïsation ?Deux histoires de résolution d'entitésMauvaise relation sémantiquePourquoi la parenté sémantique n'est pas simpleComment obtenir la parenté sémantique dont tu as vraiment besoin ?Une histoire de parenté sémantiqueRésumé
Mauvaise stratégieQu'est-ce qu'une stratégie de modèle sémantique ?Acheter des mythes et des demi-véritésSous-estimer la complexité et le coûtNe pas connaître ou appliquer ton contexteMauvaise organisationNe pas former la bonne équipeSous-estimer le besoin de gouvernanceRésumé
Classe ou individu ?Sous-classer ou ne pas sous-classer ?Attribut ou relation ?Fuzzifier ou ne pas fuzzifier ?Ce qu'implique la fuzzificationQuand FuzzifierDeux histoires de fuzzificationRésumé
Quelles lexicalisations adopter ?Quelle est la granularité nécessaire ?Comment être général ?Comment être négatif ?Combien de vérités à gérer ?Quel est le degré d'interdépendance ?Résumé
Evolution du modèleSe souvenir ou oublier ?Courir ou accélérer ?Réagir ou prévenir ?Connaître et agir sur ta dérive sémantiqueModèle de gouvernanceDémocratie, oligarchie ou dictature ?Une histoire de centralisationRésumé
La carte n'est pas le territoireÊtre optimiste, mais pas naïfÉviter la vision en tunnelÉviter les débats qui détournent l'attentionCadres sémantiques et non sémantiquesReprésentation symbolique des connaissances et apprentissage automatiqueNe pas nuireCombler le fossé sémantique

Overview

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com

Quelle valeur offre la modélisation sémantique des données ? En tant qu'architecte de l'information ou professionnel de la science des données, disons que tu as une abondance de bonnes données et la technologie pour en extraire l'or commercial - mais tu échoues toujours. La raison ? Une mauvaise sémantique des données.

Dans ce guide de terrain pratique et complet, l'auteur Panos Alexopoulos t'emmène dans un voyage révélateur à travers la modélisation sémantique des données telle qu'elle est appliquée dans le monde réel. Tu apprendras à maîtriser cet art pour augmenter la convivialité et la valeur de tes données et de tes applications. Tu exploreras également les pièges à éviter et les dilemmes à surmonter pour construire des représentations sémantiques de données de haute qualité et de grande valeur.

Comprendre les concepts fondamentaux, les phénomènes et les processus liés à la modélisation sémantique des données.
Examiner les bizarreries et les défis de la modélisation sémantique des données et apprendre à exploiter efficacement les cadres et les outils disponibles.
Éviter les erreurs et les mauvaises pratiques qui peuvent saper tes efforts pour créer de bons modèles de données.
Apprendre les dilemmes du développement de modèles, y compris la représentation, l'expressivité et le contenu, le développement et la gouvernance.
Organise et exécute des initiatives de données sémantiques dans ton organisation, en relevant les défis techniques, stratégiques et organisationnels.