https://www.gate-ai.eu Big Data for Smart Society Mon, 12 Apr 2021 14:42:11 +0000 bg-BG hourly 1 https://www.gate-ai.eu/bg/research/%d1%83%d0%bf%d1%80%d0%b0%d0%b2%d0%bb%d0%b5%d0%bd%d0%b8%d0%b5-%d0%bd%d0%b0-%d0%b4%d0%b0%d0%bd%d0%bd%d0%b8/ Mon, 25 May 2020 19:53:22 +0000 https://gate-ai.eu/?post_type=research&p=1462 Изследователският фокус в управлението обхваща шест насоки:

• FAIR (Findability/Откриваемост, Accessibility/Достъпност, Interoperability/Оперативна съвместимост and Reusability/Преизползваемост) метаданни: Решения, които добавят семантичен слой към общата рамка за управление на данни, който е свързан с техните метаданни. Основната им цел е да хармонизират различни схеми за данни и метаданни, както и различни речници и онтологии. По този начин и данните, и метаданните придобиват експлицитно семантично значение.
• Данни в контекст: Методи и инструменти, които многократно използват обща база от знания, контексти за обогатяване на данни и по този начин подобряват качеството на данните. Например обогатяването на данните на компанията с контекст от външни източници, като новини и социални медии, осигурява допълнителна информация за идентифициране на фактори, които влияят на нейния успех. На следващ етап изследваните данни в контекст позволяват да се идентифицират външни фактори, които могат да се използват за взимане на бъдещи решения.
• „Фабрика“ за данни: Методологии и инструменти за разработване на „фабрика“ за интегриране и свързване на данни. „Фабриките“ за данни генерират федерирани данни и позволяват трансформация на съществуващите модели на данни в семантични модели на знания като онтологии и таксономии. Те могат да бъдат реализирани с помощта на графи на знанието, в които се съхраняват всички правила за смисленото и динамично свързване на бизнес обекти. По този начин предимствата на Data Lakes и Data Warehouses се допълват с усъвършенствани методи от семантичните граф технологии.
• Експлицитна семантика: Методи и инструменти, които правят семантиката на данните явна, което от своя страна я прави достъпна, машинно четима и преносима.
• Съхранение и управление на данни като знание: Изследване и приложение на графите на знанията като мощна система за управление на знание.
• Качество на данни: Методи и инструменти, които валидират консистентността на данните и осигуряват механизми за тяхното възстановяване при например липсващи данни, както и извършват проверка на тяхното качество след обогатяване от други източници по начин, при който качеството и целостта могат да се оценят.

]]>