第二章大数据

大数据是结构化的还是非机构化的？答案取决于如何定义结构化和非结构化。目前对于“结构化”的最广泛的定义是：所有通过标准DBMS管理的数据都是结构化的。要将数据装载到DBMS中，就需要对系统的逻辑特征和物理特征进行仔细定义。所有数据（包括属性、键和索引）都需要装载到系统之前进行定义。

如果结构化指的是包含带有可预见语境的重复型数据，那么可以大数据中的重复型数据是结构化的。

重复型非结构化数据容易进行分析的原因如下：a. 记录的表现形式是统一的； b. 记录通常短小而紧凑； c. 容易找到记录中的语境信息，因而容易解析。

非重复型非结构化数据较难分析的原因如下：a. 在表现形式上非常不统一； b. 有时小，有时大，有时非常大； c. 记录的解析非常困难，很多记录是文本组成的。文本处理比较复杂。

一个本体（ontology）可简单定义为一个分类法，且在这个分类法中的元素存在着相互关联的关系。

ITPub博客