تتزايد أهمية [تقييم](/tag/تقييم) [جودة البيانات](/tag/جودة-[البيانات](/tag/البيانات)) الضخمة ([Big Data](/tag/big-data) [Quality Assessment](/tag/quality-assessment)) بشكل كبير في ظل الثورة الرقمية التي نعيشها. لكن، تواجه الحلول الحالية [تحديات](/tag/تحديات) كبيرة في [تحقيق](/tag/تحقيق) [تقييم دقيق](/tag/[تقييم](/tag/تقييم)-دقيق) يعتمد على [السياق](/tag/السياق). هنا تظهر أهمية [الدراسة](/tag/الدراسة) الجديدة التي تقدم نهجاً مبتكراً معتمداً على [الرسوم البيانية للمعرفة](/tag/الرسوم-البيانية-للمعرفة) (Knowledge Graph Embeddings).
هذا [البحث](/tag/البحث) يستعرض طريقة تعتمد على [الرسوم البيانية للمعرفة](/tag/الرسوم-البيانية-للمعرفة) لتعزيز [تقييم](/tag/تقييم) [جودة البيانات](/tag/جودة-[البيانات](/tag/البيانات)) بشكل تلقائي. تكمن الفكرة في استخدام هذه الرسوم للتنبؤ بالاتصالات المفقودة بين تمثيل سياق [مجموعة البيانات](/tag/مجموعة-[البيانات](/tag/البيانات)) المدخلة والقواعد والمعايير المهنية لجودة [البيانات](/tag/البيانات) الممثلة في [الرسم البياني](/tag/الرسم-البياني).
لأننا ندمج [تمثيلات](/tag/تمثيلات) متنوعة ضمن الرسم البياني، نستفيد من [المعلومات](/tag/المعلومات) [السياقية](/tag/السياقية) التي تم الحصول عليها من [دراسة](/tag/دراسة) الأدبيات الموثوقة. هذه [العملية](/tag/العملية) توفر لنا خطة متكاملة لتقييم [جودة البيانات](/tag/جودة-[البيانات](/tag/البيانات)) تتناسب مع كل سياق على حدة. وبذلك، تساعد [الرسوم البيانية](/tag/الرسوم-البيانية) في [تحسين](/tag/تحسين) فهمنا للسياق المتعلق بمجموعة [البيانات](/tag/البيانات) المدخلة، متجاوزة عيوب الطرق التقليدية التي تعتمد فقط على المطابقة الصارمة.
ينطوي هذا [البحث](/tag/البحث) على إضافة [خصائص](/tag/خصائص) عددية للحواف المتوقعة، مما يُعطي أوزاناً معينة لكل [قياس](/tag/قياس) نوعية متوقع، وبهذا نوفر خطة شاملة لتقييم [جودة البيانات](/tag/جودة-[البيانات](/tag/البيانات)) المدخلة. لتقييم فعالية هذا النهج، استخدمنا **AmpliGraph**، وهو إطار [عمل](/tag/عمل) تم تطويره من قبل **AccentureLabs** وتم اختباره بشكل موثوق.
أظهرت النتائج المستخلصة من [تقييم](/tag/تقييم) [مجموعة بيانات](/tag/مجموعة-[بيانات](/tag/بيانات)) حساسات [الإشعاع](/tag/الإشعاع) المقدمة من **المفوضية اللبنانية للطاقة النووية (LAEC-CNRS)** قدرة هذا الحل على [توليد](/tag/توليد) خطة شاملة لتقييم [جودة البيانات](/tag/جودة-[البيانات](/tag/البيانات)) لمجموعة [البيانات](/tag/البيانات) المعطاة.
باختصار، هذه [الدراسة](/tag/الدراسة) تفتح آفاق جديدة لدراسات [جودة البيانات](/tag/جودة-[البيانات](/tag/البيانات)) من خلال تقديم نهج يمتزج فيه [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي) مع المعرفة، مما يعزز [فرص](/tag/فرص) النجاح في [إدارة](/tag/إدارة) [البيانات الضخمة](/tag/[البيانات](/tag/البيانات)-الضخمة) بشكل أكثر فاعلية.
تحسين تقييم جودة البيانات الضخمة باستخدام الرسوم البيانية للمعرفة!
تستعرض دراسة جديدة طريقة مبتكرة لتحسين تقييم جودة البيانات الضخمة من خلال دمج الرسوم البيانية للمعرفة، متجاوزة طرق التقييم التقليدية. توفر هذه الطريقة آلية شاملة وفعالة لتقييم جودة البيانات في السياقات المختلفة.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
