แชร์ผ่าน

ลิงก์เชิงความหมายคืออะไร

  • บทความ

การเชื่อมโยงเชิงความหมายเป็นคุณลักษณะที่ช่วยให้คุณสามารถสร้างการเชื่อมต่อระหว่าง แบบจําลอง ความหมายและ Synapse Data Science ใน Microsoft Fabric ใช้การเชื่อมโยงความหมายได้รับการสนับสนุนใน Microsoft Fabric เท่านั้น

  • สําหรับ Spark 3.4 และสูงกว่า ลิงก์เชิงความหมายจะพร้อมใช้งานในรันไทม์เริ่มต้นเมื่อใช้ Fabric และไม่จําเป็นต้องติดตั้ง

  • สําหรับ Spark 3.3 หรือด้านล่าง หรือเมื่อต้องการอัปเดตเป็นลิงก์เชิงความหมายเวอร์ชันล่าสุด ให้เรียกใช้คําสั่งต่อไปนี้:

    %pip install -U semantic-link

เป้าหมายหลักของการเชื่อมโยงความหมายคือ:

  • อํานวยความสะดวกในการเชื่อมต่อข้อมูล
  • เปิดใช้งานการเผยแพร่ข้อมูลความหมาย
  • รวมเข้ากับการใช้ข้อมูลเครื่องมือที่สร้างขึ้นอย่างราบรื่น เช่น สมุดบันทึก

ลิงก์เชิงความหมายช่วยให้คุณเก็บรักษาความรู้โดเมนเกี่ยวกับตรรกะข้อมูลในลักษณะที่เป็นมาตรฐานซึ่งสามารถเร่งการวิเคราะห์ข้อมูลให้เร็วขึ้นและลดข้อผิดพลาดได้

โฟลว์ข้อมูลลิงก์ความหมายเริ่มต้นด้วยแบบจําลองความหมายที่ประกอบด้วยข้อมูลและข้อมูลเชิงความหมาย การเชื่อมโยงเชิงความหมายจะเชื่อมโยงช่องว่างระหว่าง Power BI และประสบการณ์วิทยาศาสตร์ข้อมูล Synapse

ไดอะแกรมที่แสดงโฟลว์ข้อมูลจาก Power BI ไปยังสมุดบันทึกใน Synapse Data Science และกลับไปยัง Power BI

ลิงก์เชิงความหมายช่วยให้คุณสามารถใช้แบบจําลองความหมายจาก Power BI ในประสบการณ์วิทยาศาสตร์ข้อมูล Synapse เพื่อทํางานต่าง ๆ เช่น การวิเคราะห์เชิงลึกและการสร้างแบบจําลองเชิงทํานายด้วยเทคนิคการเรียนรู้ของเครื่อง คุณสามารถจัดเก็บผลลัพธ์ของวิทยาศาสตร์ข้อมูลของคุณลงใน OneLake ได้โดยใช้ Apache Spark และนําเข้าเอาต์พุตที่จัดเก็บไว้ใน Power BI โดยใช้ Direct Lake

การเชื่อมต่อ Power BI

แบบจําลองความหมายทําหน้าที่เป็นแบบจําลองวัตถุตารางเดียวที่มีแหล่งข้อมูลที่เชื่อถือได้สําหรับข้อกําหนดเชิงความหมาย เช่น หน่วยวัด Power BI การเชื่อมโยงเชิงความหมายเชื่อมต่อกับแบบจําลองเชิงความหมายในระบบนิเวศต่อไปนี้ ทําให้ง่ายสําหรับนักวิทยาศาสตร์ข้อมูลในการทํางานในระบบที่พวกเขาคุ้นเคยมากที่สุด

  • ระบบนิเวศของ Python pandas ผ่าน ไลบรารี SemPy Python
  • ระบบนิเวศ Apache Spark ผ่านตัว เชื่อมต่อ Spark แบบเนทีฟ การใช้งานนี้สนับสนุนภาษาต่างๆ รวมถึง PySpark, Spark SQL, R และ Scala

แอปพลิเคชันของข้อมูลความหมาย

ข้อมูลเชิงความหมายในข้อมูลประกอบด้วยประเภทข้อมูล Power BI เช่น ที่อยู่และรหัสไปรษณีย์ ความสัมพันธ์ระหว่างตาราง และข้อมูลแบบลําดับชั้น

หมวดหมู่ข้อมูลเหล่านี้ประกอบด้วยเมตาดาต้าที่ลิงก์ความหมายเผยแพร่ไปยังสภาพแวดล้อมวิทยาศาสตร์ข้อมูล Synapse เพื่อเปิดใช้งานประสบการณ์ใหม่และรักษาสายข้อมูล

ตัวอย่างแอปพลิเคชันของลิงก์ความหมายประกอบด้วย:

  • คําแนะนําอัจฉริยะของฟังก์ชันความหมายในตัว
  • การรวมนวัตกรรมสําหรับการเพิ่มข้อมูลด้วยหน่วยวัด Power BI โดยใช้ หน่วยวัดเพิ่มเติม
  • เครื่องมือสําหรับ การตรวจสอบ คุณภาพข้อมูลตามความสัมพันธ์ระหว่างตารางและการขึ้นต่อกันของฟังก์ชันการทํางานภายในตาราง

ลิงก์เชิงความหมายเป็นเครื่องมือที่มีประสิทธิภาพซึ่งช่วยให้นักวิเคราะห์ธุรกิจสามารถใช้ข้อมูลได้อย่างมีประสิทธิภาพในสภาพแวดล้อมทางวิทยาศาสตร์ข้อมูลที่ครอบคลุม

การเชื่อมโยงเชิงความหมายช่วยอํานวยความสะดวกในการทํางานร่วมกันอย่างราบรื่นระหว่างนักวิทยาศาสตร์ข้อมูลและนักวิเคราะห์ธุรกิจ โดยไม่จําเป็นต้องเติมตรรกะทางธุรกิจที่ฝังอยู่ใน หน่วยวัด Power BI วิธีนี้ช่วยให้มั่นใจว่าทั้งสองฝ่ายสามารถทํางานได้อย่างมีประสิทธิภาพและมีประสิทธิภาพ เพิ่มศักยภาพของข้อมูลเชิงลึกที่ขับเคลื่อนด้วยข้อมูลของพวกเขา

โครงสร้างข้อมูล FabricDataFrame

FabricDataFrame เป็นโครงสร้างข้อมูลหลักที่ลิงก์เชิงความหมายใช้เพื่อเผยแพร่ข้อมูลความหมายจากแบบจําลองความหมายลงในสภาพแวดล้อมของวิทยาศาสตร์ข้อมูล Synapse

ไดอะแกรมที่แสดงโฟลว์ข้อมูลจากตัวเชื่อมต่อไปยังแบบจําลองความหมายไปยัง FabricDataFrame ไปยังฟังก์ชันความหมาย

คลาส FabricDataFrame :

  • สนับสนุนการดําเนินการทั้งหมดของ pandas
  • คลาสย่อยของ DataFrame ของ pandas และเพิ่มเมตาดาต้า เช่น ข้อมูลความหมายและสายข้อมูล
  • แสดงฟังก์ชันความหมายและ วิธีการเพิ่มหน่วยวัด ที่ช่วยให้คุณใช้หน่วยวัด Power BI ในงานวิทยาศาสตร์ข้อมูล

เนื้อหาที่เกี่ยวข้อง