Cara Cari Data Analytics Predictive Anda - dummies

Untuk menggunakan data analitik ramalan anda, anda perlu tahu bagaimana mencari maklumat yang anda ingin cari. Terdapat dua konsep utama mencari data anda sebagai persediaan untuk menggunakannya dalam analisis ramalan:

• Bersiap-siap untuk melampaui carian kata kunci asas

• Membuat data anda semantik dicari

Cara menggunakan carian berdasarkan kata kunci dalam ramalan analisis

Bayangkan jika anda ditugaskan dengan mencari sejumlah besar data. Salah satu cara untuk mendekati masalahnya ialah mengeluarkan pertanyaan carian yang mengandungi (jelas) kata-kata. Alat carian mencari perkataan yang hampir sama dalam pangkalan data, gudang data, atau berjalan mengomel melalui mana-mana teks yang data anda tinggal.

Anggapkan anda mengeluarkan pertanyaan carian berikut: Presiden Amerika Syarikat melawat Afrika . Hasil carian akan terdiri daripada teks yang mengandungi satu atau gabungan perkataan Presiden, Amerika Syarikat, lawatan, Afrika . Anda mungkin mendapatkan maklumat yang tepat yang anda cari tetapi tidak selalu.

Bagaimana dengan dokumen yang tidak mengandungi kata-kata yang telah disebutkan sebelumnya, tetapi beberapa kombinasi yang berikut: Perjalanan ke Kenya ke Kenya .

Tiada perkataan yang anda cari pada mulanya berada di sana - tetapi hasil carian secara semantik (bermakna) berguna. Bagaimanakah anda dapat mempersiapkan data anda secara semantik dapat diperoleh semula? Bagaimanakah anda boleh melangkaui carian kata kunci tradisional? Jawapan anda boleh dijumpai jika anda terus membaca.

Cara menggunakan carian berasaskan semantik dalam analisis ramalan

Sebuah ilustrasi bagaimana kerja pencarian berasaskan semantik adalah sebuah projek yang Anasse Bari dipimpin di World Bank Group, sebuah organisasi antarabangsa yang misi utama adalah untuk memerangi kemiskinan di seluruh dunia.

Projek ini bertujuan untuk menyiasat carian dan analisis perusahaan skala besar sedia ada di pasaran dan membina prototaip untuk kerangka canggih yang akan mengaturkan data Bank Dunia - yang kebanyakannya merupakan koleksi dokumen, penerbitan, laporan projek yang tidak tersusun, seluar dan kajian kes.

Pengetahuan berharga besar ini merupakan sumber yang digunakan untuk misi utama Bank untuk mengurangkan kemiskinan dunia. Tetapi hakikat bahawa ia tidak tersusun menjadikannya mencabar untuk mengakses, menangkap, berkongsi, memahami, mencari, meminjam data, dan memvisualisasikan.

Bank Dunia adalah organisasi yang besar, dengan banyak bahagian di seluruh dunia. Salah satu bahagian utama sedang berusaha untuk mempunyai rangka kerja dan bersedia untuk memperuntukkan sumber untuk membantu pasukan Bari adalah Rangkaian Pembangunan Manusia dalam Bank Dunia.

Naib Presiden Rangkaian Pembangunan Manusia menggariskan satu masalah yang timbul dari kekaburan: Bahagiannya menggunakan beberapa istilah dan konsep yang mempunyai makna keseluruhan yang sama tetapi nuansa yang berbeza.

Sebagai contoh, istilah seperti klimatologi, perubahan iklim, pengurangan ozon gas, dan pelepasan rumah hijau semuanya sama semantik tetapi tidak sama dengan makna. Dia mahukan keupayaan carian pintar untuk mengeluarkan dokumen yang mengandungi konsep yang berkaitan apabila seseorang mencari mana-mana istilah ini.

Rangka prototaip untuk keupayaan bahawa pasukan Bari dipilih adalah Arsitektur Pengurusan Maklumat yang Tidak Terstruktur (UIMA), penyelesaian berasaskan perisian. Didahulukan dengan IBM Research, UIMA tersedia dalam perisian IBM seperti IBM Content Analytics, salah satu alat yang menguasai IBM Watson, komputer terkenal yang memenangi permainan Jeopardy.

Pasukan Bari bergabung dengan pasukan yang sangat berbakat dari IBM Content Management dan Enterprise Search, dan kemudian dengan pasukan IBM Watson, untuk bekerjasama dalam projek ini. Solusi Pengurusan Maklumat yang Tidak Terstruktur (UIM)

adalah sistem perisian yang menganalisis sejumlah besar maklumat tidak terstruktur (teks, audio, video, imej, dan sebagainya) untuk mengetahui, menyusun dan menyampaikan pengetahuan yang relevan kepada pelanggan atau pengguna akhir permohonan. Ontologi

domain adalah pelbagai konsep dan istilah yang berkaitan dengan domain tertentu. Penyelesaian berasaskan UIMA menggunakan ontologi untuk memberikan penandaan semantik, yang membolehkan carian diperkaya bebas daripada format data (teks, ucapan, persembahan PowerPoint, e-mel, video, dan sebagainya). UIMA menambah lapisan lain ke data yang ditangkap, dan kemudian menambahkan metadata untuk mengenal pasti data yang boleh distrukturkan dan semantik dicari. Semantik carian didasarkan pada arti kontekstual istilah carian kerana ia muncul dalam ruang data yang dapat dicari yang dibangun oleh UIMA. Carian semantik lebih tepat daripada carian berasaskan kata kunci yang biasa kerana pertanyaan pengguna mengembalikan hasil carian bukan sahaja dokumen yang mengandungi istilah carian, tetapi juga dokumen yang semantik relevan dengan pertanyaan.

Jika anda mencari kepelbagaian biologi di Afrika, carian tipikal (berdasarkan kata kunci) akan mengembalikan dokumen yang mempunyai kata-kata yang tepat kepelbagaian biologi dan Afrika . Carian semantik berasaskan UIMA akan mengembalikan bukan sahaja dokumen yang mempunyai dua perkataan itu, tetapi juga apa-apa yang bersamaan relevan dengan dokumen "biodiversiti di Afrika" yang mengandungi gabungan kata-kata sebagai "sumber tumbuhan di Afrika", "sumber haiwan dalam Maghribi, "atau" sumber genetik di Zimbabwe. " Melalui penandaan semantik dan penggunaan ontologi, maklumat menjadi dapat diperoleh secara semantik, bebas dari bahasa atau medium di mana maklumat itu dicipta (Word, PowerPoint, e-mel, video, dan sebagainya). Penyelesaian ini menyediakan hub tunggal di mana data boleh ditangkap, diorganisasikan, ditukar, dan diberikan semula secara semantik. Kamus sinonim dan istilah yang berkaitan adalah sumber terbuka (tersedia secara bebas) - atau anda boleh mengembangkan kamus anda sendiri khusus untuk domain anda atau data anda. Anda boleh membina spreadsheet dengan perkataan akar dan kata-kata yang berkaitan, sinonim, dan istilah yang lebih luas. Hamparan ini boleh dimuat naik ke alat carian seperti IBM Content Analytics (ICA) untuk menguasai carian perusahaan dan analisis kandungan.