సెమాంటిక్ డేటా మోడల్

రచయిత: Eugene Taylor
సృష్టి తేదీ: 12 ఆగస్టు 2021
నవీకరణ తేదీ: 22 జూన్ 2024
Anonim
అర్థ నమూనాలను ఎలా అర్థం చేసుకోవాలి, నిర్మించాలి మరియు పని చేయాలి
వీడియో: అర్థ నమూనాలను ఎలా అర్థం చేసుకోవాలి, నిర్మించాలి మరియు పని చేయాలి

విషయము

నిర్వచనం - సెమాంటిక్ డేటా మోడల్ అంటే ఏమిటి?

సెమాంటిక్ డేటా మోడల్ అనేది డేటాను ఒక నిర్దిష్ట తార్కిక మార్గంలో సూచించడానికి దానిని రూపొందించే పద్ధతి. ఇది ఒక సంభావిత డేటా మోడల్, ఇది డేటాకు మరియు వాటి మధ్య ఉన్న సంబంధాలకు ప్రాథమిక అర్థాన్ని జోడించే అర్థ సమాచారాన్ని కలిగి ఉంటుంది. డేటా మోడలింగ్ మరియు డేటా ఆర్గనైజేషన్‌కు ఈ విధానం అప్లికేషన్ ప్రోగ్రామ్‌లను సులభంగా అభివృద్ధి చేయడానికి మరియు డేటా అప్‌డేట్ అయినప్పుడు డేటా అనుగుణ్యతను సులభంగా నిర్వహించడానికి అనుమతిస్తుంది.

మైక్రోసాఫ్ట్ అజూర్ మరియు మైక్రోసాఫ్ట్ క్లౌడ్‌కు పరిచయం | ఈ గైడ్ మొత్తంలో, క్లౌడ్ కంప్యూటింగ్ అంటే ఏమిటి మరియు క్లౌడ్ నుండి మీ వ్యాపారాన్ని తరలించడానికి మరియు అమలు చేయడానికి మైక్రోసాఫ్ట్ అజూర్ మీకు ఎలా సహాయపడుతుందో మీరు నేర్చుకుంటారు.

టెకోపీడియా సెమాంటిక్ డేటా మోడల్‌ను వివరిస్తుంది

సెమాంటిక్ డేటా మోడల్ అనేది సాపేక్షంగా క్రొత్త విధానం, ఇది అర్థ సూత్రాలపై ఆధారపడి ఉంటుంది, దీని ఫలితంగా అంతర్గతంగా పేర్కొన్న డేటా నిర్మాణాలతో డేటా సెట్ అవుతుంది. సాధారణంగా, ఏక డేటా లేదా ఒక పదం మానవులకు ఏ అర్ధాన్ని తెలియజేయదు, కానీ ఒక కాన్ తో జతచేయబడిన ఈ పదం మరింత అర్ధాన్ని పొందుతుంది.

డేటాబేస్ వాతావరణంలో, డేటా యొక్క కాన్ తరచుగా దాని నిర్మాణం మరియు ఇతర వస్తువులతో సంబంధాలు వంటి దాని నిర్మాణం ద్వారా నిర్వచించబడుతుంది. కాబట్టి, రిలేషనల్ విధానంలో, డేటా యొక్క నిలువు నిర్మాణం స్పష్టమైన రెఫరెన్షియల్ అడ్డంకుల ద్వారా నిర్వచించబడుతుంది, కానీ సెమాంటిక్ మోడలింగ్‌లో ఈ నిర్మాణం ఒక స్వాభావిక మార్గంలో నిర్వచించబడింది, అంటే డేటా యొక్క ఆస్తి కూడా సూచనతో సమానంగా ఉండవచ్చు మరొక వస్తువు.

ఒక సెమాంటిక్ డేటా మోడల్‌ను సంగ్రహణ సోపానక్రమం రేఖాచిత్రం ద్వారా గ్రాఫికల్‌గా వివరించవచ్చు, ఇది డేటా రకాలను బాక్స్‌లుగా మరియు వాటి సంబంధాలను పంక్తులుగా చూపిస్తుంది. ఇది క్రమానుగతంగా జరుగుతుంది, తద్వారా ఇతర రకాలను సూచించే రకాలు అవి సూచించే రకముల పైన ఎల్లప్పుడూ జాబితా చేయబడతాయి, ఇది చదవడం మరియు అర్థం చేసుకోవడం సులభం చేస్తుంది.

సెమాంటిక్ డేటా మోడల్‌లో ఉపయోగించిన సంగ్రహణలు:
  • వర్గీకరణ - "instance_of" సంబంధాలు
  • సంకలనం - "has_a" సంబంధాలు
  • సాధారణీకరణ - "is_a" సంబంధాలు