5.4  非結(jié)構(gòu)化數(shù)據(jù)的元數(shù)據(jù)管理

由于非結(jié)構(gòu)化數(shù)據(jù)的類型和表現(xiàn)形式多樣，其元數(shù)據(jù)管理辦法很難統(tǒng)一，并且非結(jié)構(gòu)化數(shù)據(jù)的內(nèi)容不確定、不易獲取（如影音、視頻），因此其元數(shù)據(jù)的提取和管理在業(yè)界還是一個新領(lǐng)域。在此，僅就幾類非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行元數(shù)據(jù)管理方法的初步探討。

1)對于影音、視頻、圖片等形式的非結(jié)構(gòu)化數(shù)據(jù)，其內(nèi)容一般較難獲取，因此根據(jù)前面介紹的四面體模型來管理這類非結(jié)構(gòu)化數(shù)據(jù)的元數(shù)據(jù)。數(shù)據(jù)生成或獲取時明確其語義特征、基本屬性、底層特征三方面屬性，可以將其抽離出來作為結(jié)構(gòu)化數(shù)據(jù)存儲，那么就可以按照結(jié)構(gòu)化數(shù)據(jù)的元數(shù)據(jù)管理方法進(jìn)行管理。

2)對于網(wǎng)頁、文檔等，不僅可以獲取語義特征、基本屬性、底層特征等屬性作為元數(shù)據(jù)，還可以從其中對其內(nèi)容進(jìn)行讀取解析，抽取出關(guān)鍵字，作為非結(jié)構(gòu)化數(shù)據(jù)的標(biāo)簽。主要分為三種類別：

第一種是提取文章里的關(guān)鍵詞，作為主題詞標(biāo)簽元數(shù)據(jù)。

第二種是對文章進(jìn)行多個維度的分類，打上分類標(biāo)簽，如在輿情分析過程中，會打上文章所涉及的銀行、產(chǎn)品及業(yè)務(wù)、風(fēng)險點(diǎn)、正負(fù)面情感等。

第三種是文章本身的結(jié)構(gòu)化標(biāo)簽元數(shù)據(jù)，如時間、作者、來源、大小等。

在實(shí)現(xiàn)過程中，只有通過分詞、文本去重、各類分析模型（如主題分析模型、分類模型、情感分析模型）處理，并輔以各種自動化訓(xùn)練手段，才能獲取網(wǎng)頁、文檔等各類文本的非結(jié)構(gòu)化數(shù)據(jù)的標(biāo)簽元數(shù)據(jù)。

3)對于具有加密方式的非結(jié)構(gòu)化數(shù)據(jù)，要獲取其內(nèi)容，一般需要比較高級的權(quán)限，因此在對其進(jìn)行管理時只能獲取基本的語義特征、基本屬性，即可以知道文檔的名稱、時間等，而對于其內(nèi)容則無法獲知，一般和影音、視頻、圖片的相關(guān)元數(shù)據(jù)管理方法類似。