지식 추출이란 무엇입니까?

지식 추출은 다양한 정보 소스를 활용하여 응집력있는 지식 은행을 만드는 프로세스입니다. 이 접근법의 일부로, 추출은 종종 구조화 된 소스와 구조화되지 않은 소스 모두를 사용합니다. 성공하면 지식 추출을 통해 주어진 프로그램에서 쉽게 읽고 해석 할 수있는 견고한 데이터가 생성되므로 최종 사용자는 원하는 목적에 관계없이 공식 지식을 활용할 수 있습니다.

지식 추출 과정에서 여러 가지 다른 출처가 활용 될 수 있습니다. 구조화 된 소스의 범위 내에서 다양한 유형의 관계형 데이터베이스 또는 일부 유형의 확장 가능한 마크 업 언어 또는 XML 소스에서 데이터를 추출 할 수 있습니다. 이미지, 상이한 형태의 워드 프로세싱 문서, 스프레드 시트 및 심지어 메모장 스타일 프로그램에서 캡처 된 텍스트와 같은 구조화되지 않은 소스가 추출 프로세스의 일부로서 이용 될 수있다. 지식 추출 프로세스를 관리하는 데 사용되는 프로그램에서 소스를 읽을 수있는 한, 추출을 통해 진행중인 프로젝트의 잠재력을 확장하고 생성 된 최종 지식을 사용할 수있는 소스로 사용할 수 있습니다. .

지식 추출과 함께 발생하는 몇 가지 일반적인 응용 프로그램이 있습니다. 하나의 빈번한 예는 비정형 소스에서 데이터를 캡처하고 일부 유형의 구조화 된 지식 소스에 통합하는 기능입니다. 관계형 데이터베이스에서 발견 된 데이터를 추출하고이를 사용하여 새 문서를 작성하거나 전자 문서를 사용하여 관계형 데이터베이스로 데이터를 가져 오는 것은 이러한 유형의 추출이 수동으로 데이터를 입력하지 않고도 공식 지식을 공유하는 방법을 보여주는 또 다른 예입니다. 다른 소스에서 이미 사용 가능합니다. 새로운 형식으로 기존 지식을 재사용하는 것은 많은 시나리오에서 종종 도움이되므로 기존 소스로는 불가능했던 방식으로 해당 지식을 활용할 수 있습니다. 이러한 방식으로, 사용자는 공식 지식의 원래 홈과 관련된 것보다는 여러 가지 다른 애플리케이션에 이상적인 소스를 만들 수 있습니다.

데이터 추출을 사용하면 방대한 데이터웨어 하우스를 사용하여 특정 목적에 사용할 수있는 새로운 소스를 만드는 방법으로 데이터를 쉽게 가져오고 내보낼 수 있습니다. 이렇게 새로 생성 된 소스는 데이터웨어 하우스에서 위치를 찾아 결국에는 새로운 사용 요구를 충족시키는 데 사용되는 새로운 추출 생성에 사용될 수 있습니다. 이를 염두에두고 지식 추출은 현재 진행중인 모든 리소스를 최대한 활용하는 데 도움이되는 유용한 도구로 볼 수 있으며 공식 지식 공유와 관련된 많은 작업을 단순화합니다.