Odborná definícia
Význam a odborné vymedzenie pojmu
Unstructured data sú informácie, ktoré nemajú pevnú tabuľkovú schému s jednotnými stĺpcami pre každý záznam. Patria sem dokumenty, e-maily, voľný text, obrázky, audio, video, prezentácie alebo kombinované súbory. Označenie neznamená absenciu štruktúry, pretože formát, metadáta, sekcie a časové stopy môžu byť bohaté, ale nie sú vyjadrené jednou relačnou schémou. AI pipeline musí obsah extrahovať, segmentovať, normalizovať, zabezpečiť a prepojiť s pôvodom pred modelovaním alebo retrievalom. Pipeline má uchovať hash originálu a mapovanie extrahovaných blokov na stránky alebo časové úseky zdrojového súboru.
Zrozumiteľné vysvetlenie
Ako sa pojem používa v praxi
Faktúra vo formáte PDF má vizuálne polia, text, tabuľku aj logo, ale databáza z nej nevie priamo prečítať rovnaké stĺpce ako z účtovnej tabuľky. Najprv treba získať text a rozloženie, rozpoznať typ dokumentu, nájsť hodnoty a zachovať väzbu na originál. Podobne pri videu existuje obrazová, zvuková a časová štruktúra. Pojem neštruktúrované teda opisuje absenciu jednotnej dátovej schémy, nie chaos bez formy. Príprava býva drahšia než samotné volanie modelu. Bez provenance nemožno spoľahlivo citovať odpoveď, opraviť chybnú extrakciu ani uplatniť rozdielne prístupové práva.
Časté otázky
Otázky, ktoré spresňujú význam
Je JSON unstructured data?
JSON je syntakticky štruktúrovaný, no jeho obsah môže mať premenlivú alebo vnorenú schému. Klasifikácia závisí od konzistentnosti a spôsobu použitia, nie iba od prípony súboru.
Ako sa neštruktúrované dáta pripravujú pre RAG?
Dokumenty sa parsujú, čistia, delia na významové bloky, dopĺňajú metadátami, embedujú a indexujú. Každý chunk musí zachovať zdroj a prístupové oprávnenie.
Aké riziká vznikajú pri extrakcii PDF?
Môže sa stratiť poradie stĺpcov, hlavičky, poznámky, tabuľky alebo text v obrázkoch. Kritické dokumenty potrebujú vizuálnu kontrolu alebo layout-aware parser.
Prečo sú metadáta dôležité?
Dátum, autor, typ, jazyk, verzia a oprávnenie umožňujú filtrovanie, časovú platnosť, audit a zabránenie zobrazeniu obsahu nesprávnemu používateľovi.
Je možné unstructured data uložiť do databázy?
Áno. Databáza môže uchovať súbor, extrahovaný text, embeddingy a metadáta. Uloženie však samo nevytvorí konzistentnú sémantickú schému.
Súvisiace pojmy
Významové a tematické súvislosti
Pojem v rozhodovaní
Odborné články, ktoré tento pojem používajú v praxi
Zdroje a redakčná stopa
Použité východiská a odborná revízia
- NIST Big Data Interoperability Framework, Reference Architecture Apache Tika documentation
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.