领域建模问题之建模中归类分组是什么

简介: 领域建模问题之建模中归类分组是什么

问题一:建模中什么是归类分组?

建模中什么是归类分组?


参考回答:

归类分组就是把具有相似性或相关联的信息,按照一定的标准进行分类,归为同一个逻辑范畴。


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/618305



问题二:如何用归类分组进行领域建模?

如何用归类分组进行领域建模?


参考回答:

第一步:定义要建模的领域问题:也就是要清楚我们要解决的问题是什么?

第二步:对领域问题进行拆解:对问题进行分析拆解,形成平铺的多个子问题,此步骤可以尽量发散

第三步:归类分组:对子问题进行归类,剪枝,将趋同的子问题,合并成一类(可以理解问产出实体)


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/618306



问题三:为什么需要对类别进行鉴定、描述和命名?

为什么需要对类别进行鉴定、描述和命名?


参考回答:

为了能够简洁有力地表述事物的本质,使分类更加明确和具体。


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/618307



问题四:在归类分组的过程中,为什么要进行剪枝和合并?

在归类分组的过程中,为什么要进行剪枝和合并?


参考回答:

为了避免类别过于繁杂和重叠,通过合并趋同的子问题,使分类更加简洁明了。


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/618308



问题五:生活服务类商品场景中,归类分组建模过程是什么?例如下图


生活服务类商品场景中,归类分组建模过程是什么?例如下图


参考回答:

第一步:定义要建模的领域问题:从上面的售卖商品场景可以看出一个商品有多个价格;而决定这个价格的是由一系列的因子决定的,有可能是0个也可能是多个;如何用一套完备的价格模型来支持这些场景是需要解决的问题;

第二步:对领域问题进行拆解:罗列出所有商品价格的场景; 第三步:归类分组:

按人群、日期、阶梯、座位等类型,可以统一抽象为价格的不同"维度"

原价、起拍价、保证金、评估价等可以看做室价格的不同类型


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/618309

相关文章
|
7月前
|
自然语言处理 机器人
大语言模型和知识管理之间的关系
大语言模型(LLMs)和知识管理(KM)之间存在紧密的关系,这种关系可以从多个角度进行理解,包括它们的目标、应用、以及相互影响等方面。
563 0
|
5月前
|
存储 搜索推荐 数据库
项目管理问题之领域与聚合的关系是什么
项目管理问题之领域与聚合的关系是什么
|
5月前
|
项目管理
项目管理问题之基于聚合维度的划分有什么特点
项目管理问题之基于聚合维度的划分有什么特点
|
5月前
|
算法 Python
关联规则挖掘是一种在大型数据集中发现项集之间有趣关系的方法。
关联规则挖掘是一种在大型数据集中发现项集之间有趣关系的方法。
|
6月前
|
SQL 存储 关系型数据库
技术心得记录:数仓建模方法之范式建模、ER实体建模、维度建模
技术心得记录:数仓建模方法之范式建模、ER实体建模、维度建模
117 0
|
7月前
|
数据挖掘 数据库
离线数仓6.0--- 数据仓库 ER模型-范式理论,维度模型、维度建模理论之事实表、维度建模理论之维度表
离线数仓6.0--- 数据仓库 ER模型-范式理论,维度模型、维度建模理论之事实表、维度建模理论之维度表
287 0
|
7月前
|
设计模式 自然语言处理 算法
摆脱复杂图谱术语,7个原则搞定Schema建模
本文我们结合蚂蚁域内的多个业务场景,举例说明结合SPG规范的结构与语义解耦的知识建模及schema设计方法。
|
数据采集 算法 关系型数据库
数据分类分级实践难点
数据分类分级是开展数据全生命周期管理的基础,企业做好数据分类分级才能更好地去落实合规义务以及进行数据安全管控。今天,我们从数据分类分级落地实践的角度,来阐述企业在开展数据分类分级过程中的难点以及如何“破局”。
459 1
|
机器学习/深度学习 人工智能 自然语言处理
GraphIE:通过建模实例间和标签间依赖性联合抽取实体、关系和事件 论文解读
事件触发词检测、实体提及识别、事件论元抽取和关系抽取是信息抽取中的四个重要任务,它们被联合执行(联合信息抽取- JointIE),以避免错误传播并利用任务实例之间的依赖关系
186 1
|
存储 SQL 机器学习/深度学习
数仓中指标-标签,维度-度量,自然键-代理键,数据集市等各名词解析及关系
这是在数据分析中常见的概念,下钻可以理解成增加维的层次,从而可以由粗粒度到细粒度来观察数据,比如对产品销售情况分析时,可以沿着时间维从年到月到日更细粒度的观察数据。从年的维度可以下钻到月的维度、日的维度等。
数仓中指标-标签,维度-度量,自然键-代理键,数据集市等各名词解析及关系
下一篇
无影云桌面