data-structures - 非结构化数据方法和解决方案
问题描述
我有很多非结构化/半结构化数据，想想，电子邮件有基本的收件人/发件人/主题，但有很多正文包含各种其他类型的数据。如果包含地理数据，我希望挖掘这一点以告知某些自动化、见解甚至热图。
不过，我正在尝试以正确的方式解决问题。从系统架构到设计系统和流程，是否有人有“操作顺序”？
尽我所能：第 1 步是定义存放数据的“桶”第 2 步是在 to/from/subject 数据周围应用图表或一般结构，例如。第 3 步可能是应用 NLP 或 Watson 来挖掘特定关键字或情绪的非结构化数据。围绕重要发现的用例将推动所有这一切。然后，第 4 步可以应用“找到”的结构并从那里构建功能、自动化和流程。
这有任何意义吗？希望我走在正确的轨道上，但很想听听想法。
解决方案
推荐阅读
- reactjs - 使用 Digital Ocean 将 React 源代码投入生产
- python - 我的程序中有一个 python 检测到的错误。另外，我确定还有更多错误。请修复^-^
- javascript - 从 AJAX 请求返回的 JS 代码字符串创建和加载 JS 文件
- reactjs - API 请求无穷大。为什么？
- ios - 在 UISlider 上获取值的 X、Y 位置
- java - 有没有办法将数组转换为地图？
- python - requirements.txt 中的 `-e .` 有什么作用？
- c# - .NET Core 和完整 .NET 之间的共享 DbContext
- sql - 求每件商品所有数量的总和
- google-apps-script - 如何使用 GAS 中的高级 Gmail 服务发送 Gmail 邮件？