सिमेंटिक क्वेरी: Difference between revisions
No edit summary |
No edit summary |
||
| Line 1: | Line 1: | ||
शब्दार्थ संबंधी प्रश्न साहचर्य और [[प्रासंगिकता (कंप्यूटर विज्ञान)]] प्रकृति के प्रश्नों और विश्लेषणों की अनुमति देते हैं। सिमेंटिक क्वेरीज़ डेटा में निहित [[ वाक्य - विन्यास ]], [[अर्थ विज्ञान]] और [[संरचनात्मक सूचना सिद्धांत]] के आधार पर स्पष्ट और निहित रूप से प्राप्त जानकारी दोनों की पुनर्प्राप्ति को सक्षम करती हैं। वे सटीक परिणाम देने के लिए डिज़ाइन किए गए हैं (संभवतः जानकारी के | शब्दार्थ संबंधी प्रश्न साहचर्य और [[प्रासंगिकता (कंप्यूटर विज्ञान)]] प्रकृति के प्रश्नों और विश्लेषणों की अनुमति देते हैं। सिमेंटिक क्वेरीज़ डेटा में निहित [[ वाक्य - विन्यास ]], [[अर्थ विज्ञान]] और [[संरचनात्मक सूचना सिद्धांत]] के आधार पर स्पष्ट और निहित रूप से प्राप्त जानकारी दोनों की पुनर्प्राप्ति को सक्षम करती हैं। वे सटीक परिणाम देने के लिए डिज़ाइन किए गए हैं (संभवतः जानकारी के टुकड़े का विशिष्ट चयन) या [[पैटर्न मिलान]] और [[तर्क प्रणाली]] के माध्यम से अधिक [[फजी लॉजिक]] और विस्तृत खुले प्रश्नों का उत्तर देने के लिए। | ||
सिमेंटिक क्वेरी नामांकित ग्राफ़, [[लिंक्ड डेटा]] या [[सिमेंटिक ट्रिपल]] पर काम करती हैं। यह क्वेरी को सूचना के बीच वास्तविक इकाई-संबंध मॉडल को संसाधित करने और 'डेटा के नेटवर्क' से उत्तरों का अनुमान लगाने में सक्षम बनाता है। यह [[शब्दार्थ खोज]] के विपरीत है, जो बेहतर खोज परिणाम उत्पन्न करने के लिए [[असंरचित डेटा]] में शब्दार्थ (भाषा निर्माण का अर्थ) का उपयोग करता है। ([[प्राकृतिक भाषा प्रसंस्करण]] देखें।) | सिमेंटिक क्वेरी नामांकित ग्राफ़, [[लिंक्ड डेटा]] या [[सिमेंटिक ट्रिपल]] पर काम करती हैं। यह क्वेरी को सूचना के बीच वास्तविक इकाई-संबंध मॉडल को संसाधित करने और 'डेटा के नेटवर्क' से उत्तरों का अनुमान लगाने में सक्षम बनाता है। यह [[शब्दार्थ खोज]] के विपरीत है, जो बेहतर खोज परिणाम उत्पन्न करने के लिए [[असंरचित डेटा]] में शब्दार्थ (भाषा निर्माण का अर्थ) का उपयोग करता है। ([[प्राकृतिक भाषा प्रसंस्करण]] देखें।) | ||
| Line 5: | Line 5: | ||
तकनीकी दृष्टिकोण से, सिमेंटिक क्वेरी [[SQL]] की तरह सटीक रिलेशनल-टाइप ऑपरेशंस हैं। वे संरचित डेटा पर काम करते हैं और इसलिए ऑपरेटरों (जैसे>, <और =), नाम स्थान, पैटर्न मिलान, प्रकार विरासत, [[सकर्मक संबंध]], [[सेमांटिक वेब]] नियम भाषा और प्रासंगिक पूर्ण-पाठ खोज जैसी व्यापक सुविधाओं का उपयोग करने की संभावना है। [[W3C]] का सिमेंटिक वेब टेक्नोलॉजी स्टैक [[SPARQL]] की पेशकश कर रहा है<ref name="XML.com">{{cite web|url=http://www.xml.com/pub/a/2005/11/16/introducing-sparql-querying-semantic-web-tutorial.html |title=Introducing SPARQL: Querying the Semantic Web |publisher=XML.com|date=2005}}</ref><ref name="W3C">{{cite web|url=http://www.w3.org/TR/rdf-sparql-query |title=RDF के लिए SPARQL क्वेरी भाषा|publisher=W3C|date=2008}}</ref> SQL के समान सिंटैक्स में सिमेंटिक क्वेरी तैयार करने के लिए। सिमेंटिक प्रश्नों का उपयोग [[ tiktor ]]्स, [[ग्राफ डेटाबेस]], [[सिमेंटिक विकी]], प्राकृतिक भाषा और [[ कृत्रिम होशियारी ]] सिस्टम में किया जाता है। | तकनीकी दृष्टिकोण से, सिमेंटिक क्वेरी [[SQL]] की तरह सटीक रिलेशनल-टाइप ऑपरेशंस हैं। वे संरचित डेटा पर काम करते हैं और इसलिए ऑपरेटरों (जैसे>, <और =), नाम स्थान, पैटर्न मिलान, प्रकार विरासत, [[सकर्मक संबंध]], [[सेमांटिक वेब]] नियम भाषा और प्रासंगिक पूर्ण-पाठ खोज जैसी व्यापक सुविधाओं का उपयोग करने की संभावना है। [[W3C]] का सिमेंटिक वेब टेक्नोलॉजी स्टैक [[SPARQL]] की पेशकश कर रहा है<ref name="XML.com">{{cite web|url=http://www.xml.com/pub/a/2005/11/16/introducing-sparql-querying-semantic-web-tutorial.html |title=Introducing SPARQL: Querying the Semantic Web |publisher=XML.com|date=2005}}</ref><ref name="W3C">{{cite web|url=http://www.w3.org/TR/rdf-sparql-query |title=RDF के लिए SPARQL क्वेरी भाषा|publisher=W3C|date=2008}}</ref> SQL के समान सिंटैक्स में सिमेंटिक क्वेरी तैयार करने के लिए। सिमेंटिक प्रश्नों का उपयोग [[ tiktor ]]्स, [[ग्राफ डेटाबेस]], [[सिमेंटिक विकी]], प्राकृतिक भाषा और [[ कृत्रिम होशियारी ]] सिस्टम में किया जाता है। | ||
'''इस प्रक्रिया को अनुमान या तर्क कहा जाता है और यह सॉफ़्टवेयर की क्षमता | '''इस प्रक्रिया को अनुमान या तर्क कहा जाता है और यह सॉफ़्टवेयर की क्षमता''' | ||
== पृष्ठभूमि == | == पृष्ठभूमि == | ||
संबंधपरक डेटाबेस डेटा के बीच सभी संबंधों को केवल | संबंधपरक डेटाबेस डेटा के बीच सभी संबंधों को केवल अंतर्निहित तरीके से दर्शाते हैं।<ref name="ACM-DL">{{cite book|url=http://portal.acm.org/citation.cfm?id=1646157 |title=Semantic queries in databases: problems and challenges |publisher=ACM Digital Library|date=2009|pages=1505–1508 |doi=10.1145/1645953.1646157 |isbn=9781605585123 |s2cid=1578867 }}</ref><ref name="ESWC">{{cite web|url=http://2012.eswc-conferences.org/sites/default/files/eswc2012_submission_357.pdf |title=Karma: A System for Mapping Structured Sources into the Semantic Web |publisher=eswc-conferences.org|date=2012}}</ref> उदाहरण के लिए, ग्राहकों और उत्पादों के बीच संबंध (दो सामग्री-तालिकाओं में संग्रहीत और अतिरिक्त लिंक-तालिका से जुड़े) केवल डेवलपर द्वारा लिखे गए क्वेरी स्टेटमेंट (एसक्यूएल संबंधपरक डेटाबेस के मामले में) में अस्तित्व में आते हैं। क्वेरी लिखने के लिए [[डेटाबेस स्कीमा]] के सटीक ज्ञान की आवश्यकता होती है।<ref name="IEEE">{{cite web|url=http://www-scf.usc.edu/~taheriya/papers/taheriyan14-icsc-paper.pdf |title=संरचित स्रोतों के सिमेंटिक मॉडल सीखने के लिए एक स्केलेबल दृष्टिकोण|publisher=8th IEEE International Conference on Semantic Computing|date=2014}}</ref><ref name="AAAI">{{cite web|url=http://www.isi.edu/integration/papers/knoblock13-sbd.pdf |title=बड़े डेटा एकीकरण और विश्लेषण के लिए शब्दार्थ|publisher=AAAI Fall Symposium on Semantics for Big Data|date=2013}}</ref> | ||
लिंक्ड डेटा | लिंक्ड-डेटा | लिंक्ड डेटा | लिंक्ड-डेटा स्पष्ट तरीके से डेटा के बीच सभी संबंधों का प्रतिनिधित्व करता है। उपरोक्त उदाहरण में, कोई क्वेरी कोड लिखने की आवश्यकता नहीं है। प्रत्येक ग्राहक के लिए सही उत्पाद स्वचालित रूप से प्राप्त किया जा सकता है। जबकि यह सरल उदाहरण तुच्छ है, लिंक्ड-डेटा की वास्तविक शक्ति तब काम आती है जब सूचना का नेटवर्क बनाया जाता है (ग्राहक अपनी भू-स्थानिक जानकारी जैसे शहर, राज्य और देश; उप- और सुपर-श्रेणियों के भीतर अपनी श्रेणियों के साथ उत्पाद) ). अब सिस्टम स्वचालित रूप से अधिक जटिल प्रश्नों और विश्लेषणों का उत्तर दे सकता है जो किसी उत्पाद श्रेणी के साथ किसी विशेष स्थान के कनेक्शन की तलाश करते हैं। इस क्वेरी के विकास के प्रयास को छोड़ दिया गया है। सूचना के नेटवर्क पर चलने और मिलान खोजने (जिसे डेटा ग्राफ़ ट्रैवर्सल भी कहा जाता है) द्वारा सिमेंटिक क्वेरी को निष्पादित किया जाता है। | ||
सिमेंटिक प्रश्नों का | सिमेंटिक प्रश्नों का अन्य महत्वपूर्ण पहलू यह है कि सिस्टम में इंटेलिजेंस को शामिल करने के लिए रिश्ते के प्रकार का उपयोग किया जा सकता है। ग्राहक और उत्पाद के बीच के संबंध में पड़ोस और उसके शहर के बीच के रिश्ते की तुलना में मौलिक रूप से भिन्न प्रकृति होती है। उत्तरार्द्ध सिमेंटिक क्वेरी इंजन को यह अनुमान लगाने में सक्षम बनाता है कि मैनहट्टन में रहने वाला ग्राहक भी न्यूयॉर्क शहर में रह रहा है जबकि अन्य रिश्तों में अधिक जटिल पैटर्न और प्रासंगिक विश्लेषण हो सकते हैं। इस प्रक्रिया को अनुमान या तर्क कहा जाता है और यह सॉफ़्टवेयर की क्षमता है कि वह दिए गए तथ्यों के आधार पर नई जानकारी प्राप्त कर सके। | ||
== लेख == | == लेख == | ||
Revision as of 16:59, 15 May 2023
शब्दार्थ संबंधी प्रश्न साहचर्य और प्रासंगिकता (कंप्यूटर विज्ञान) प्रकृति के प्रश्नों और विश्लेषणों की अनुमति देते हैं। सिमेंटिक क्वेरीज़ डेटा में निहित वाक्य - विन्यास , अर्थ विज्ञान और संरचनात्मक सूचना सिद्धांत के आधार पर स्पष्ट और निहित रूप से प्राप्त जानकारी दोनों की पुनर्प्राप्ति को सक्षम करती हैं। वे सटीक परिणाम देने के लिए डिज़ाइन किए गए हैं (संभवतः जानकारी के टुकड़े का विशिष्ट चयन) या पैटर्न मिलान और तर्क प्रणाली के माध्यम से अधिक फजी लॉजिक और विस्तृत खुले प्रश्नों का उत्तर देने के लिए।
सिमेंटिक क्वेरी नामांकित ग्राफ़, लिंक्ड डेटा या सिमेंटिक ट्रिपल पर काम करती हैं। यह क्वेरी को सूचना के बीच वास्तविक इकाई-संबंध मॉडल को संसाधित करने और 'डेटा के नेटवर्क' से उत्तरों का अनुमान लगाने में सक्षम बनाता है। यह शब्दार्थ खोज के विपरीत है, जो बेहतर खोज परिणाम उत्पन्न करने के लिए असंरचित डेटा में शब्दार्थ (भाषा निर्माण का अर्थ) का उपयोग करता है। (प्राकृतिक भाषा प्रसंस्करण देखें।)
तकनीकी दृष्टिकोण से, सिमेंटिक क्वेरी SQL की तरह सटीक रिलेशनल-टाइप ऑपरेशंस हैं। वे संरचित डेटा पर काम करते हैं और इसलिए ऑपरेटरों (जैसे>, <और =), नाम स्थान, पैटर्न मिलान, प्रकार विरासत, सकर्मक संबंध, सेमांटिक वेब नियम भाषा और प्रासंगिक पूर्ण-पाठ खोज जैसी व्यापक सुविधाओं का उपयोग करने की संभावना है। W3C का सिमेंटिक वेब टेक्नोलॉजी स्टैक SPARQL की पेशकश कर रहा है[1][2] SQL के समान सिंटैक्स में सिमेंटिक क्वेरी तैयार करने के लिए। सिमेंटिक प्रश्नों का उपयोग tiktor ्स, ग्राफ डेटाबेस, सिमेंटिक विकी, प्राकृतिक भाषा और कृत्रिम होशियारी सिस्टम में किया जाता है।
इस प्रक्रिया को अनुमान या तर्क कहा जाता है और यह सॉफ़्टवेयर की क्षमता
पृष्ठभूमि
संबंधपरक डेटाबेस डेटा के बीच सभी संबंधों को केवल अंतर्निहित तरीके से दर्शाते हैं।[3][4] उदाहरण के लिए, ग्राहकों और उत्पादों के बीच संबंध (दो सामग्री-तालिकाओं में संग्रहीत और अतिरिक्त लिंक-तालिका से जुड़े) केवल डेवलपर द्वारा लिखे गए क्वेरी स्टेटमेंट (एसक्यूएल संबंधपरक डेटाबेस के मामले में) में अस्तित्व में आते हैं। क्वेरी लिखने के लिए डेटाबेस स्कीमा के सटीक ज्ञान की आवश्यकता होती है।[5][6] लिंक्ड डेटा | लिंक्ड-डेटा स्पष्ट तरीके से डेटा के बीच सभी संबंधों का प्रतिनिधित्व करता है। उपरोक्त उदाहरण में, कोई क्वेरी कोड लिखने की आवश्यकता नहीं है। प्रत्येक ग्राहक के लिए सही उत्पाद स्वचालित रूप से प्राप्त किया जा सकता है। जबकि यह सरल उदाहरण तुच्छ है, लिंक्ड-डेटा की वास्तविक शक्ति तब काम आती है जब सूचना का नेटवर्क बनाया जाता है (ग्राहक अपनी भू-स्थानिक जानकारी जैसे शहर, राज्य और देश; उप- और सुपर-श्रेणियों के भीतर अपनी श्रेणियों के साथ उत्पाद) ). अब सिस्टम स्वचालित रूप से अधिक जटिल प्रश्नों और विश्लेषणों का उत्तर दे सकता है जो किसी उत्पाद श्रेणी के साथ किसी विशेष स्थान के कनेक्शन की तलाश करते हैं। इस क्वेरी के विकास के प्रयास को छोड़ दिया गया है। सूचना के नेटवर्क पर चलने और मिलान खोजने (जिसे डेटा ग्राफ़ ट्रैवर्सल भी कहा जाता है) द्वारा सिमेंटिक क्वेरी को निष्पादित किया जाता है।
सिमेंटिक प्रश्नों का अन्य महत्वपूर्ण पहलू यह है कि सिस्टम में इंटेलिजेंस को शामिल करने के लिए रिश्ते के प्रकार का उपयोग किया जा सकता है। ग्राहक और उत्पाद के बीच के संबंध में पड़ोस और उसके शहर के बीच के रिश्ते की तुलना में मौलिक रूप से भिन्न प्रकृति होती है। उत्तरार्द्ध सिमेंटिक क्वेरी इंजन को यह अनुमान लगाने में सक्षम बनाता है कि मैनहट्टन में रहने वाला ग्राहक भी न्यूयॉर्क शहर में रह रहा है जबकि अन्य रिश्तों में अधिक जटिल पैटर्न और प्रासंगिक विश्लेषण हो सकते हैं। इस प्रक्रिया को अनुमान या तर्क कहा जाता है और यह सॉफ़्टवेयर की क्षमता है कि वह दिए गए तथ्यों के आधार पर नई जानकारी प्राप्त कर सके।
लेख
- Velez, Golda (2008). "सिमेंटिक्स वॉल स्ट्रीट को डेटा ओवरलोड से निपटने में मदद करता है". wallstreetandtech.com.
- Zhifeng, Xiao (2009). "SPARQL पर आधारित स्थानिक सूचना सिमेंटिक क्वेरी". In Liu, Yaolin; Tang, Xinming (eds.). International Symposium on Spatial Analysis, Spatial-Temporal Data Modeling, and Data Mining. Vol. 7492. SPIE. pp. 74921P. Bibcode:2009SPIE.7492E..60X. doi:10.1117/12.838556. S2CID 62191842.
- Aquin, Mathieu (2010). "वाटसन, सिमेंटिक वेब सर्च इंजन से कहीं अधिक" (PDF). Semantic Web Journal.
- Dworetzky, Tom (2011). "सिरी कैसे काम करता है: आईफोन का 'ब्रेन' नेचुरल लैंग्वेज प्रोसेसिंग से आता है". International Business Times.
- Horwitt, Elisabeth (2011). "सिमेंटिक वेब व्यवसाय में उतर जाता है". computerworld.com.
- Rodriguez, Marko (2011). "ग्रेमलिन के साथ ग्राफ पैटर्न मिलान". markorodriguez.com on Graph Computing.
- Sequeda, Juan (2011). "SPARQL नट और बोल्ट". Cambridge Semantics.
- Freitas, Andre (2012). "लिंक किए गए डेटा वेब पर विषम डेटासेट को क्वेरी करना" (PDF). IEEE Internet Computing.
- Kauppinen, Tomi (2012). "स्थानिक लिंक्ड डेटा को संभालने के लिए R में SPARQL पैकेज का उपयोग करना". linkedscience.org.
- Lorentz, Alissa (2013). "बड़े डेटा के साथ संदर्भ एक बड़ा मुद्दा है". Wired.
यह भी देखें
- ध्यान
- डेटास्पेस
- ज्ञान निरूपण
- जुड़ा हुआ डेटा
- सत्तामीमांसा संरेखण
- दर्शन
- सिमेंटिक इंटीग्रेशन
- शब्दार्थ प्रकाशन
- व्यापार शब्दावली और व्यापार नियमों के शब्दार्थ
- स्पार्कल
संदर्भ
- ↑ "Introducing SPARQL: Querying the Semantic Web". XML.com. 2005.
- ↑ "RDF के लिए SPARQL क्वेरी भाषा". W3C. 2008.
- ↑ Semantic queries in databases: problems and challenges. ACM Digital Library. 2009. pp. 1505–1508. doi:10.1145/1645953.1646157. ISBN 9781605585123. S2CID 1578867.
- ↑ "Karma: A System for Mapping Structured Sources into the Semantic Web" (PDF). eswc-conferences.org. 2012.
- ↑ "संरचित स्रोतों के सिमेंटिक मॉडल सीखने के लिए एक स्केलेबल दृष्टिकोण" (PDF). 8th IEEE International Conference on Semantic Computing. 2014.
- ↑ "बड़े डेटा एकीकरण और विश्लेषण के लिए शब्दार्थ" (PDF). AAAI Fall Symposium on Semantics for Big Data. 2013.
