의미론적 기술 및 통합 101: 정의 및 중요한 이유

플라톤에 의해 재발행

팔로워 : 0

ChatGPT와 같은 새로운 기술은 질문에 답하고 우리의 삶을 더 쉽게 만드는 정보를 제공하는 것을 목표로 하기 때문에 대세입니다. 그러나 생성된 결과의 타당성은 면밀히 조사되었으며, 그 결과 조직이 관련성 있고 신뢰할 수 있는 데이터를 사용자에게 제공하는 방법이 많이 강조되었습니다. 사용 가능한 방대한 양의 정보가 있더라도 사용된 플랫폼이 질문을 이해하고, 질문의 추론을 이해하고, 정보가 있는 위치를 식별하고, 질문에 답하는 데 필요한 데이터를 제공할 수 없다면 통찰력을 얻기가 어렵습니다.

데이터 패브릭 Gartner는 유연하고 재사용 가능하며 강화된 데이터 통합 파이프라인, 서비스 및 시맨틱을 달성하기 위한 새로운 데이터 관리 설계로서 비즈니스 및 기술 사용자 모두가 데이터에 액세스할 수 있도록 지원하고 있습니다. 기업은 여러 배포 및 오케스트레이션 플랫폼과 프로세스에서 제공되는 운영 및 분석 사용 사례를 모두 지원하기 위해 데이터 패브릭을 적용하고 있지만 효과적이려면 다양한 기술과 설계 개념이 필요합니다. 다음과 같은 조합이 필요합니다. 활성 메타데이터, 지식 그래프, 시맨틱 및 기계 학습을 통해 데이터 통합 설계 및 제공을 강화합니다. 이 중 시맨틱을 채택 및 설정하고 (지식 그래프 구현을 통해) 컨텍스트와 의미를 생성하는 시맨틱 표준을 설정하는 것은 퍼즐에서 가장 중요하고 혼란스러운 부분 중 일부이며 설명이 필요합니다.

시맨틱 기술 정의

시맨틱 기술 용도 형식적 의미론 우리를 둘러싼 이질적이고 원시 데이터에 의미를 부여합니다. 시맨틱 기술은 Linked Data 기술과 함께 World Wide Web의 발명가인 Tim Berners-Lee 경이 구상한 대로 한 문자열에서 다른 문자열로 다양한 형식과 소스의 데이터 간의 관계를 구축하여 컨텍스트를 구축하고 외부에서 링크를 만드는 데 도움을 줍니다. 이러한 관계. 의미, 참조, 함축 및 논리적 형식과 같은 의미의 논리적 측면을 연구하는 형식적 의미론과 함께 사용하면 AI 시스템이 언어를 이해하고 인간이 하는 방식으로 정보를 처리하여 저장, 관리 및 의미와 논리적 관계를 기반으로 정보를 검색합니다.

시맨틱 기술은 기계가 처리할 수 있는 형식으로 데이터의 풍부하고 자기 설명적인 상호 관계를 표현하는 언어를 개발하여 웹 또는 기업 내에서 데이터를 정의하고 연결합니다. 결과적으로 이러한 기계는 긴 문자열을 처리하고 수많은 데이터를 색인화한 다음 의미와 논리적 관계를 기반으로 정보를 저장, 관리 및 검색할 수 있습니다. 더 중요한 것은 기업이 더 스마트한 데이터를 발견하기 위해 관계를 추론하고 다양한 형식과 다양한 소스에서 방대한 원시 데이터 세트에서 지식을 추출하는 데 도움이 되는 단어를 일치시키는 대신 관련 사실을 표시하는 데 도움이 된다는 것입니다.

에 따르면 이것은 특히 중요합니다. 또 다른 가트너 보고서, 증가하는 수준의 데이터 볼륨 및 배포로 인해 조직은 데이터 자산을 효율적이고 효과적으로 활용하기가 어렵습니다. 데이터 및 분석 리더는 엔터프라이즈 데이터에 대한 의미론적 접근 방식을 고려해야 합니다. 그렇지 않으면 데이터 사일로와의 끝없는 싸움에 직면하게 될 것입니다. 시맨틱 기술과 관계형 데이터베이스와 같은 다른 데이터 기술의 핵심 차이점은 데이터 구조보다는 의미를 다룬다는 것입니다. W3C(월드 와이드 웹 컨소시엄)의 시맨틱 웹 이니셔티브 시맨틱 웹의 맥락에서 이 기술의 목적은 모든 종류의 개인, 상업, 과학 및 문화 데이터의 글로벌 공유를 원활하게 상호 연결하여 "데이터 교환을 위한 범용 매체"를 만드는 것이라고 설명합니다.

W3C는 개발자를 위한 시맨틱 기술에 대한 개방형 사양을 개발했으며 오픈 소스 개발을 통해 웹 및 다른 곳에서 확장하는 데 필요한 인프라를 식별했으며 다음을 포함합니다.

리소스 설명 프레임워크(RDF): 형식 시맨틱 기술은 시맨틱 웹 또는 시맨틱 그래프 데이터베이스에 데이터를 저장하는 데 사용합니다.

SPARQL(SPARQL 프로토콜 및 RDF 쿼리 언어): 다양한 시스템과 데이터베이스에서 데이터를 쿼리하고 RDF 형식으로 저장된 데이터를 검색 및 처리하도록 특별히 설계된 시맨틱 쿼리 언어입니다.

OWL(웹 온톨로지 언어): 선택적으로 사용되는 계산 논리 기반 언어는 데이터 스키마를 표시하도록 설계되었으며 사물의 계층 구조 및 사물 간의 관계에 대한 풍부하고 복잡한 지식을 나타냅니다. 이는 RDF를 보완하며 데이터와 별도로 주어진 도메인에서 데이터 스키마/온톨로지를 공식화할 수 있습니다.

간단히 말해서, 데이터와 독립적으로 의미를 형식화함으로써 시맨틱 기술은 기계가 데이터를 "이해"하고 공유하고 추론하여 인간을 위해 더 많은 가치를 창출할 수 있도록 합니다. 시맨틱 기술은 기업이 더 스마트한 데이터를 발견하고, 관계를 추론하고, 다양한 형식과 다양한 출처의 방대한 원시 데이터 세트에서 지식을 추출하도록 도와줍니다. 시맨틱 웹의 비전을 기반으로 하는 시맨틱 그래프 데이터베이스는 기계가 데이터를 더 쉽게 통합, 처리 및 검색할 수 있도록 합니다.

이를 통해 조직은 의미 있고 정확한 데이터에 보다 빠르고 비용 효율적으로 액세스하고, 해당 데이터를 분석하고, 비즈니스 통찰력을 얻고, 예측 모델을 적용하고, 데이터 기반 의사 결정을 내릴 수 있는 지식으로 전환할 수 있습니다. 2007년 초 Berners-Lee 경은 Bloomberg에 “시맨틱 기술은 본질적으로 복잡하지 않습니다. 시맨틱 기술 언어의 핵심은 매우 간단합니다. 사물 간의 관계에 관한 것입니다. '사물 간의 관계'가 조직에서 데이터를 보다 효율적으로 관리하는 데 도움이 될 가능성이 있습니다.”

시맨틱 데이터 통합 정의

시맨틱 데이터 통합은 이질적인 소스의 데이터를 결합하고 시맨틱 기술을 사용하여 의미 있고 가치 있는 정보로 통합하는 프로세스입니다. 조직의 규모가 커지면 데이터도 커집니다. 올바른 데이터 관리 전략이 없으면 부서 내 및/또는 애플리케이션별 데이터 사일로가 빠르게 발생하여 생산성과 협력을 방해합니다. 시맨틱 데이터 통합은 데이터 게시 및 교환을 위한 표준화된 모델, 즉 RDF를 기반으로 구축된 데이터 중심 아키텍처를 사용하여 표준 엔터프라이즈 애플리케이션 통합 솔루션을 능가하는 솔루션을 제공합니다.

이 프레임워크에서 조직의 모든 이기종 데이터(정형, 반정형 및/또는 비정형)는 동일한 방식으로 표현, 저장 및 액세스됩니다. 데이터 구조는 데이터 자체 내 링크를 통해 표현되므로 데이터베이스가 부과하는 구조에 구속되지 않으며 데이터의 진화와 함께 쓸모 없게 되지 않습니다. 데이터 구조의 변경이 발생하면 데이터 내 링크의 변경을 통해 데이터베이스에 반영됩니다. 또한 시맨틱 기술의 근간인 RDF는 LOD(Linked Open Data) 리소스에 액세스하여 기존 데이터에서 새로운 사실을 추론할 수 있을 뿐만 아니라 사용 가능한 지식을 강화할 수 있습니다.

시맨틱 데이터 실행: 360도 보기 달성

완벽한 가시성, 정확한 분석 및 데이터 복잡성 문제 해결이 비즈니스 환경을 지배하는 세상에서 서로 다른 데이터를 동기화된 360도 관점으로 통합하는 것이 무엇보다 중요합니다. ChatGPT와 마찬가지로 오늘날의 조직은 모든 데이터를 관리하고 의사 결정 및 다양한 비즈니스 사용 사례에 사용할 수 있는 솔루션을 찾고 있습니다.

데이터베이스가 독립 실행형으로 작동하든 데이터 패브릭과 같은 더 큰 엔터프라이즈 에코시스템에 통합되든 회사에는 복잡한 작업을 수행할 수 있고 사용하기 쉬운 완전한 데이터 통합 도구 세트가 필요합니다. 여러 소스에서 이기종 데이터를 쉽게 가져오고 변환하고, 데이터를 RDF 문으로 통합 및 상호 연결하고, 둘 이상의 그래프 데이터베이스를 병합하는 기능은 모두 세계적 수준의 시맨틱 솔루션을 지원하는 필수 기능입니다.