CPDA数据分析师：为什么我们称文本为“非结构化”？

来源：CPDA数据分析师网 / 作者：数据君

---

文字真的是非结构化的吗？

非结构化的真正含义是什么？通常非结构化是指缺乏结构，如果文本真的是非结构化的，我们将无法进行对话，但是我们在讲话时会互相理解，人们在阅读书籍时就会理解。这里发生了什么？文本背后肯定有结构，有适当的拼写，标点符号，适当的句子结构和适当的思想发展，询问任何英语老师，您就会发现我们写和说的文字背后是多少结构，当然文本背后的结构非常复杂。从一年级开始在学校教授语言，父母从很小的时候就开始教孩子语言，一个人要花很长时间才能学会正确的说话方式，也要学会理解语音，而且您对语言的了解越深，它就变得越神秘和复杂，确实您可以获得博士学位，语言使之成为您一生的工作。

有非结构化的字典含义和有计算机专业人员的含义，这两个定义非常不同

文本背后确实存在结构，但是这不允许在计算机的角度将文本视为结构化的，这种结构是如此巨大，如此复杂，如此神秘以至于计算机无法理解，计算机仅能理解最简单的结构，而语言简直就是苍白无力，因此在计算机看来，文本是非结构化的，更复杂的是，非结构化数据（从计算机的角度来看）包含的内容远远超过文本，非结构化数据包括各种其他数据-图像数据，声音数据，记录磁带数据和气象数据，仅举几例。

CPDA数据分析师

为什么计算机对结构化和非结构化的定义会有所不同？

该计算机可以处理结构化数据，而非非结构化数据，计算机希望数据整齐，整齐地堆在一起，称为记录，每个记录都有一个键和其他属性，一旦将数据组织成结构化格式，计算机就会加快速度，就像子弹穿过机枪一样，如果没有子弹则机枪卡住。

在计算机内部进行高效处理时，数据的结构和组织有很大的不同

有趣的问题之一是：如果计算机不能有效地处理非结构化数据，那么非结构化数据可以转换为结构化格式吗？您可以使用文本歧义消除来摄取原始的非结构化文本，并将非结构化文本的重要部分转换为结构化格式，同时保持非结构化数据的本质，这就像骑着自行车穿过横跨尼亚加拉大瀑布的钢丝，而杂耍的猴子飞奔而过，不是为了胆小的人。

文本歧义消除的战略价值在于，它可以将文本放入标准数据库中，从而可用于公司决策

如果您不掌握基于文本做出决策的战略重要性，请考虑一下，估计企业中80％到90％的数据是文本，但是大多数公司决策是在读取和分析公司结构化数据的10％到20％的基础上做出的，这有意义吗？