Um Extrator de Topic Maps a partir de Recursos Heterogêneos de Informao
Um Extrator de Topic Maps a partir de Recursos
Heterog?e neos de Informac??a o
Giovani Rubert Librelotto1 ,
Jos′e Carlos Ramalho1,and Pedro Rangel Henriques1
University of Minho,Computer Science Department
4710-057,Braga,Portugal
{grl,jcr,prh}@di.uminho.pt
Abstract.O processo de desenvolvimento de ontologias baseadas em Topic Maps
′e complexo,consumidor de tempo e requer grande quantidade de recursos hu-
manos e?nanceiros,devido ao fato de qualquer topic map(por mais simples que
seja)possuir um conjunto signi?cativo de t′o picos e associac??o es;al′e m disso,para
que a ontologia extra′?da seja realmente signi?cativa,pode envolver um grande
n′u mero de recursos de informac??a o que poder?a o ser de tipos diferentes.Para
resolver este problema,este artigo prop?o e um extrator de ontologias,chamado
Oveia,que constr′o i topic maps a partir de recursos heterog?e neos de informac??a o,
onde a ontologia a ser extra′?da′e de?nida em uma linguagem de especi?cac??a o
denominada XS4TM(XML Speci?cation for Topic Maps).O topic map ex-
tra′?do pode ser armazenado em uma base de dados relacional(permitindo que
as ontologias possam crescer,sem restric??o es),ou em um documento no formato
XML Topic Maps(XTM).Essa dupla capacidade de manipular v′a rias fontes de
informac??a o e de poder armazenar o resultado em um suporte diferente′e vantagem
na comparac??a o com a primeira vers?a o do extrator,chamado TM-Builder.
1Introduc??a o
No funcionamento normal de uma organizac??a o,tipicamente s?a o produzidos grandes volumes de dados.Normalmente,para satisfazer os seus requisitos de armazenamento, estas organizac??o es utilizam bases de dados relacionais que s?a o bastante e?cientes para lidar com esta situac??a o.Entre outras raz?o es,os seus sistemas de indexac??a o est?a o otimiza-dos para suportar grandes volumes de dados.
Quando h′a necessidade de uma estruturac??a o de mais alto n′?vel dessa informac??a o, o paradigma Topic Maps–ISO/IEC13250–mostra ser uma excelente opc??a o,por ser suportado em um n′u mero reduzido de elementos simples(t′o picos e associac??o es). Com um mapa conceitual da informac??a o encontrada nas bases de dados,habilita-se uma navegac??a o atrav′e s dos conceitos e das relac??o es.Para isso,′e necess′a ria a de?nic??a o de uma ontologia adequada ao universo em que esse sistema se insere,na qual este-jam especi?cados os conceitos e as relac??o es entre as entidades do pr′o prio sistema.Um mapa de t′o picos pode ser visto como uma colec??a o de′?ndices interconectados.T′o picos e associac??o es permitem de?nir,de forma estruturada,a sem?a ntica de um conjunto de recursos de informac?c??a o.Esta rede hier′a rquica de t′o picos′e chamada ontologia.
Bolsista CNPq-Brasil
2Giovani Rubert Librelotto et al.
Um extrator de ontologias baseado em XTM(XML Topic Maps)foi apresentado em [Librelotto et al.,2003].Este ambiente processa um conjunto de documentos XML–pertencentes`a mesma fam′?lia,ou seja,documentos que respeitem o mesmo DTD ou XML Schema–com um extrator(TM-Builder),criado a partir de uma especi?cac??a o da ontologia em XSTM(XML Speci?cation for Topic Maps).O TM-Builder produz um documento XTM,o qual cont′e m a ontologia extra′?da de acordo com a especi?cac??a o XSTM.Essa plataforma′e,portanto,totalmente baseada em XML.
Por′e m,quando os recursos de informac??a o n?a o s?a o documentos XML(como acon-tece em v′a rios projetos concretos),′e necess′a rio proceder,previamente,a uma convers?a o das fontes em causa para XML.Esta tarefa n?a o′e a melhor escolha,pois a sincronizac??a o dos dados′e complexa;quando o recurso original′e modi?cado′e necess′a rio gerar nova-mente o documento XML,atualizando o seu conte′u do.
Como soluc??a o para essa di?culdade pr′a tica,apresenta-se aqui um novo constru-tor de Topic Maps,chamado Oveia.O Oveia evita a transformac??a o de recursos de informac??a o n?a o-XML para documentos XML,pois ele extrai as informac??o es direta-mente dos recursos.
A ontologia a ser extra′?da′e especi?cada em XS4TM(XML Speci?cation for Topic Maps).Esta linguagem tem o mesmo objetivo que XSTM,por′e m est′a um n′?vel acima: XS4TM cobre todos os elementos da especi?cac??a o XTM,al′e m de ser projetada para a extrac??a o de ontologias em recursos de informac??a o heterog?e neos.
O Oveia cria uma base de dados com a estrutura de?nida de acordo com o paradigma Topic Maps[Biezunsky et al.,1999]contendo todos os t′o picos e as associac??o es entre eles,chamada BD Ontologia.Na verdade,o Oveia pode armazenar os topic maps ex-tra′?dos tanto na BD Ontologia,como no formato XTM1.
O artigo inicia apresentando o paradigma Topic Maps na sec??a o2;Topic Maps′e um formalismo para representar conhecimento sobre um recurso de informac??a o,orga-nizando por t′o picos.A descric??a o do sistema que prop?o e-se,o extrator de Topic Maps a partir de recursos heterog?e neos de informac??a o–Oveia–′e feita na sec??a o3.A de?nic??a o da linguagem XS4TM ser′a encontrada na sec??a o3.5.Por?m,uma s′?ntese do artigo e os trabalhos futuros s?a o apresentados na conclus?a o.
2Topic Maps
Topic Maps[Biezunsky et al.,1999]′e um formalismo para representar conhecimento acerca da estrutura de um conjunto de recursos de informac??a o e para o organizar em t′o picos.Esses t′o picos t?e m ocorr?e ncias e associac??o es que representam e de?nem rela-cionamentos entre os t′o picos.A informac??a o sobre cada t′o pico pode ser inferida ao examinar as associac??o es e ocorr?e ncias ligadas ao t′o pico.Uma colec??a o desses t′o picos e associac??o es′e chamada topic map.Tamb′e m pode ser visto como um paradigma que permite organizar,manter e navegar pela informac??a o,permitindo transform′a-la em con-hecimento.Falar sobre Topic Maps,′e falar sobre estrutura de conhecimento.
1O que basicamente′e um documento XML onde diferentes elementos s?a o usados para rep-resentar:t′o picos,ocorr?e ncias de t′o picos e relacionamentos(ou associac??o es)entre os t′o picos [Pepper,2000].
XATA–XML:Aplicac??o es e Tecnologias Associadas3 Um mapa de t′o picos expressa a opini?a o de algu′e m sobre o que os t′o picos s?a o,e quais as partes do conjunto de informac??a o que s?a o relevantes para cada t′o pico.
Permitindo a criac??a o de um mapa virtual da informac??a o,os recursos de informac??a o mant′e m-se em sua forma original e n?a o s?a o modi?cados.Ent?a o,o mesmo recurso de informac??a o pode ser usado de diferentes maneiras,por diferentes mapas de t′o picos. Como′e poss′?vel e f′a cil modi?car um mapa,a reutilizac??a o da informac??a o′e conquistada.
T′o picos s?a o o ponto principal de Topic Maps[Park et al.,2003].Em um sentido mais gen′e rico,um t′o pico pode ser qualquer coisa:uma pessoa,uma entidade,um con-ceito.Eles constituem a base para a criac??a o de Topic Maps(TM).Cada t′o pico tem um tipo de t′o pico(topic type),ou talvez m′u ltiplos tipos.Cada tipo de t′o pico pode ser visto como uma t′?pica relac??a o classe-inst?a ncia.
Ao analisar Topic Maps,identi?cam-se duas camadas distintas:os t′o picos e as ocorr?e ncias.Os t′o picos podem ser divididos em duas partes:os que representam con-ceitos abstratos e os que representam conceitos concretos.A ontologia′e de?nida pelos conceitos abstratos,ou seja,os que ser?a o instanciados por outros t′o picos;por exemplo: tipo de t′o pico,tipo de associac??a o e pelo tipo de papel de atuac??a o em ocorr?e ncias.
Os t′o picos restantes formam a base de conhecimento associada`a ontologia,os quais comp?o em um conjunto de objetos de informac??a o que permite organizar e indicar os reais recursos de informac??a o(um objeto pode ter m′u ltiplas ocorr?e ncias nos recursos de informac??a o).A?gura1d′a uma representac??a o esquematizada desta vis?a o.
Fig.1.O Mapa do Conceito Dinamizac??a o Cient′??ca.
4Giovani Rubert Librelotto et al.
O conceito de associac??a o(association)permite descrever relac??o es entre t′o picos. Uma associac??a o′e(formalmente)um elemento de v′?nculo que de?ne uma relac??a o entre dois ou mais t′o picos.Um ilimitado n′u mero de t′o picos podem ser relacionados por uma associac??a o.
3Oveia–Um Extrator de Topic Maps a partir de Recursos de Informac??a o
O Oveia′e um extrator de ontologias em sistemas heterog?e neos de informac??a o baseado em Topic Maps.O Oveia foi desenvolvido com o objetivo de suprir as de?ci?e ncias en-contradas pelas atuais ferramentas de extrac??a o de ontologias.O Oveia′e uma seq¨u encia do projeto que resultou no TM-Builder[Librelotto et al.,2003],o qual fornece um mod-elo de extrac??a o que consiste de uma especi?cac??a o da ontologia a ser extra′?da.
Um fato que representa a evoluc??a o do Oveia em relac??a o`a sua vers?a o inicial′e a capacidade de extrair ontologias a partir de fontes de dados diversas.No TM-Builder, quando a fonte de informac??a o′e diferente de um documento XML,h′a uma necessidade uma convers?a o desta fonte para um arquivo XML.Portanto,considerando que a maior parte dos recursos de informac??a o em empresas e instituic??o es est?a o armazenadas em base de dados,para realizar uma extrac??a o de uma ontologia a partir delas,inicialmente seria necess′a rio a gerac??a o de documentos XML com o conte′u do da base de dados.
Assim como o TM-Builder,o Oveia faz uso de uma linguagem de especi?cac??a o de extrac??a o(XS4TM),a qual permite extrair Topic Maps de forma gen′e rica e adaptativa.A especi?cac??a o de extrac??a o de ontologias em XS4TM tornou-se mais?ex′?vel e completa, contemplando todos os elementos do padr?a o Topic Maps[Biezunsky et al.,1999].Isso garante maior?exibilidade de especi?cac??a o para prop′o sitos diversos de extrac??a o.
Na fase de especi?cac??a o dos recursos de informac??a o,′e poss′?vel fazer transformac??o es e?ltros nessas fontes de dados,pois′e utilizada a linguagem de consulta de cada recurso para sua especi?cac??a o.
A linguagem de especi?cac??a o de extrac??a o foi inspirada no modelo XTM.Isso sig-
ni?ca que a especi?cac??a o da ontologia a ser extra′?da(em XS4TM)′e feita em um es-quema XML similar ao esquema de XTM.Essa caracter′?stica permite maior facilidade de compreens?a o da especi?cac??a o proposta,pois o modelo XTM′e um padr?a o que vem sendo adotado amplamente pela comunidade acad?e mica.Assim,o projetista da ontolo-gia apenas deve conhecer a sintaxe de XTM e a estrutura das fontes de dados,para estar habilitado a especi?car extrac??o es de ontologias em XS4TM.
A arquitetura do Oveia pode ser expressa conforme demonstra a?gura2:inicial-mente,′e feita em uma especi?cac??a o XSDS(XML Speci?cation for DataSources/DataSets), a qual de?ne quais dados que devem ser recuperados pelo Extrator de Datasets;a informac??a o extra′?da′e armazenada em um formato intermedi′a rio,chamado Datasets.
O pr′o ximo passo′e a especi?cac??a o da ontologia em XS4TM;essa fase determina o que ′e relevante para a extrac??a o dos t′o picos e associac??o es,assim como clari?ca os limites que devem ser impostos ao topic map.O processador XS4TM recebe os datasets gera-dos e a especi?cac??a o da ontologia na linguagem XS4TM(XML Speci?cation for Topic Maps)e gera o topic map?nal.Por?m,o Oveia armazena o topic map gerado na BD Ontologia ou no formato XTM.
XATA–XML:Aplicac??o es e Tecnologias Associadas5
Fig.2.Arquitetura do Oveia
As pr′o ximas sub-sec??o es apresentam cada um dos componentes do Oveia.
3.1Recursos de Informac??a o:Os Datasources
Este componente′e composto pelos recursos de dados:bases de dados,documentos XML,p′a ginas HTML,etc.Ao?nal do processo de extrac??a o de ontologias,os recur-sos manter?a o-se inalterados,ou seja,o Oveia n?a o modi?ca as fontes;somente copia as partes relevantes de informac??a o para a construc??a o do topic map.Esses recursos de dados s?a o mapeados para uma representac??a o intermedi′a ria,chamada datasets.Esse ma-peamento′e descrito pela linguagem XSDS.
3.2Representac??a o Intermedi′a ria da Informac??a o:Os Datasets
Os datasets s?a o a representac??a o intermedi′a ria que cont′e m os dados extra′?dos das fontes de informac??a o.Cada dataset tem uma relac??a o com uma entidade dos datasources,e seu conte′u do′e representado na forma de uma tabela,onde cada linha′e um registro segundo a estrutura de?nida em XSDS.Os datasets garantem que o Oveia tenha uma vis?a o uniforme sobre a estrutura de dados que representam as fontes de dados participantes.
Cada dataset tem uma identidade′u nica,a qual ser′a usada pelo Oveia para o ref-erenciar.A id′e ia fundamental′e que todos os objetos tem r′o tulos que descrevem o seu conhecimento.Por exemplo,o seguinte objeto representa um registro da categoria de tipo de professor:<1,PhD>,onde”1”′e o identi?cador da categoria,enquanto que ”PhD”′e um r′o tulo leg′?vel por humanos.Os datasets s?a o simples,enquanto prov′e m um poder de expressividade e?exibilidade necess′a rio para integrar sistemas de informac??a o de diferentes fontes.
6Giovani Rubert Librelotto et al.
3.3XSDS:Especi?cac??a o das Fontes de Dados da Extrac??a o
XSDS(XML Speci?cation for DataSources/DataSets)′e a linguagem de?nida com o in-tuito de especi?car quais fontes de informac??a o fornecer?a o dados para a criac??a o de topic maps,de acordo com uma ontologia posteriormente especi?cada.Essa especi?cac??a o fornece todos os elementos necess′a rios para especi?car as fontes de dados pass′?veis de extrac??a o de informac??a o.
De um modo formal,a gram′a tica de XSDS′e dividida em duas partes:a de?nic??a o dos datasources e a de?nic??a o dos datasets.A primeira parte refere-se aos recursos f′?sicos,ou seja,de?ne-se quais fontes reais de informac??a o ser?a o usadas para a obtenc??a o de dados;a segunda parte refere-se a quais campos de dados das fontes de informac??a o devem ser extra′?dos,usando a linguagem de query de cada fonte em quest?a o.Assim, pode-se dizer que a partir de um mesmo datasource,podem ser constru′?dos v′a rios datasets.
A de?nic??a o da arquitetura do extrator foi idealizada para suportar extens?a o a diver-sos recursos de informac??a o como fontes de dados.Para isso,essa arquitetura baseia-se no conceito de drivers de extrac??a o.
Especi?cac??a o dos Datasources e Datasets em XSDS:Os datasources de?nem a localizac??a o f′?sica do recurso de informac??a o.A declarac??a o de cada uma das fontes de informac??a o′e feita no elemento
Para cada conjunto de dados dos recursos de informac??a o(datasets)que se queira mapear a partir dos recursos de informac??a o,′e necess′a ria a declarac??a o do elemento
O conte′u do do elemento
3.4O Extrator DS2DS
O Extrator DS2DS(DataSource to DataSet)′e um processador que extrai dados de recursos de informac??a o e faz a criac??a o dos datasets,de acordo com a especi?cac??a o XSDS.Este componente processa uma especi?cac??a o XSDS,a qual especi?ca a fonte dos dados a serem extra′?dos(datasources)e o destino das informac??o es extra′?das,as quais de?nem a representac??a o intermedi′a ria(datasets).
XATA–XML:Aplicac??o es e Tecnologias Associadas7 Esta representac??a o intermedi′a ria′e composta por um conjunto de tabelas que cont′e m
a informac??a o extra′?da dos datasources.Estas tabelas cont′e m somente os dados sele-cionados nos elementos datasets da especi?cac??a o XSDS em quest?a o.
O Extrator DS2DS possui diversos drivers de extrac??a o que,como dito anterior-mente,s?a o os m′o dulos respons′a veis pela extrac??a o de informac??a o das fonte de dados; portanto,h′a um driver desenvolvido para cada tipo de recurso de informac??a o.
Atualmente,o prot′o tipo do Oveia possui dois drivers implementados:para conec-
tar com base de dados relacionais(br.uneb.dcet.tmbuilder.drivers.DataBase)e para re-cuperar informac??a o de documentos XML(br.uneb.dcet.tmbuilder.drivers.XMLFile).A implementac??a o de novos drivers para outros recursos de informac??a o′e um processo relativamente f′a cil e pode ser realizado conforme a necessidade.
3.5XS4TM:Uma linguagem XML para especi?car a extrac??a o de Topic Maps
A linguagem XSTM,proposta em[Librelotto et al.,2003],foi inicialmente de?nida como sendo um dialeto XML para especi?car o topic map que se pretende construir
ao analisar documentos anotados pertencentes a um mesmo esquema XML.Por essa
de?nic??a o,o XSTM est′a diretamente ligado a extrac??o es a partir de documentos XML. Por outro lado,a necessidade de abranger novas fontes de dados fez com que se pro-pusesse uma nova arquitetura para extrac??a o de ontologias.Dessa forma tornou-se necess′a rio repensar e redesenhar o XSTM;o qual passa a ser denominado por XS4TM.
Cada especi?cac??a o XS4TM′e uma inst?a ncia XML.Portanto,na pr′a tica a linguagem XSTM′e de?nida por um DTD(e/ou um XML-Schema),de modo a permitir o uso de todos os ambientes de processamento XML.
A linguagem XS4TM tem por objetivo tornar a especi?cac??a o da extrac??a o de Topic Maps mais completa e?ex′?vel.XS4TM′e caracterizado por transformar o atual padr?a o XTM em um subconjunto da sua especi?cac??a o.
O XS4TM possui dois elementos principais:ontologies e instances.Cada um destes elementos t?e m a estrutura de acordo com a especi?cac??a o XTM.A′u nica diferenc?a est′a nos subelementos de instances,pois os elementos topic e association possuem um novo atributo.Esse atributo′e denominado dataset e′e utilizado para identi?car que o deter-minado elemento(t′o pico ou associac??a o)ser′a constru′?do a partir de um dataset em es-pec′??co.Este atributo faz uma refer?e ncia ao nome do dataset,declarado no documento
de especi?cac??a o XSDS;a?gura3demonstra essa refer?e ncia entre o dataset DS aluno declarado em XSDS e o seu uso na especi?cac??a o XS4TM.
Para o preenchimento das informac??o es referentes a cada t′o pico,′e necess′a rio buscar
tal informac??a o no dataset que a cont′e m.Assim,identi?ca-se essas propriedades com a express?a o:
@+”dataset”+”.”+”atributo”
Mais detalhadamente,isto signi?ca:
–O@apenas indica que esta declarac??a o′e referente a uma propriedade de um dataset;
–Ap′o s o@,encontra-se o identi?cador do dataset(especi?cado em XSDS)ao qual deseja-se recuperar a informac??a o.No exemplo da?gura3,o dataset selecionado′e o DS aluno.
8Giovani Rubert Librelotto et al.
Fig.3.Relac??o es entre XSDS e XS4TM
–O atributo′e uma refer?e ncia ao campo do dataset que cont′e m a informac??a o dese-jada.Na?gura3,o atributo recuperado para a construc??a o da ocorr?e ncia do tipo email′e o campo email extra′?do pelo dataset DS aluno.
Desta forma,cria-se uma forma de habilitar o uso das informac??o es contidas nos datasets.
3.6Processador de XS4TM
Este componente utiliza a especi?cac??a o XS4TM para selecionar quais campos dos datasets,extra′?dos dos recursos de informac??a o,s?a o necess′a rios para a formac??a o do topic map.Este processador′e um interpretador que tira vantagem da organizac??a o das informac??o es em um formato uniforme.
O seu processo de execuc??a o pode ser resumido em tr?e s passos:(1)ler a especi?cac??a o XS4TM e extrair os dados especi?cados que encontram-se nos datasets;(2)criar o topic map baseado na pr′o pria especi?cac??a o XS4TM;(3)armazenar o topic map gerado na BD Ontologia ou em um documento no formato XTM.
3.7Base de Dados de Ontologias
Um dos diferenciais desta ferramenta′e o armazenamento dos Topic Maps extra′?dos em uma base de dados relacional.De acordo com[Williams et al.,2000],referente aos m′e todos de mapeamento de documentos XML para o modelo relacional,adotou-se na BD Ontologia o modelo de mapeamento por estrutura.
XATA–XML:Aplicac??o es e Tecnologias Associadas9 Conforme o mapeamento por estrutura,foi criada uma tabela para cada elemento de XTM1.0DTD.Esse processo consiste em identi?car as caracter′?sticas e os tipos de associac??o es entre os elementos do DTD e representa-los no modelo relacional.
Pode ser entendido facilmente tomando um trecho desse mapeamento,como apre-senta o segmento do XTM1.0DTD abaixo e a?gura4.
1
2
3id ID#REQUIRED
4>
5
6
7id ID#IMPLIED
8>
Fig.4.Trecho do Modelo ER do BD Ontologia
A facilidade de compreens?a o desse modelo′e garantida principalmente pelo fato de que este modelo segue o padr?a o XTM,o qual′e bastante conhecido pela comunidade acad?e mica.Essa foi umas das vantagens trazidas por essa opc??a o de modelagem,preser-vando o padr?a o Topic Maps.Assim,a partir dessa base de dados,′e poss′?vel navegar no Topic Maps utilizando consultas SQL.
4Trabalhos Relacionados
O KAON2′e um projeto open-source que fornece uma infra-estrutura para gest?a o de ontologias,voltado para aplicac??o es de neg′o cios.A ferramenta KAON REVERSE′e um plug-in do framework KAON.O KAON REVERSE permite o mapeamento de bases de dados relacionais para uma ontologia,com o objetivo de extrair inst?a ncias e relaciona-mentos entre inst?a ncias,a partir da base de dados.Dentre as ferramentas conhecidas, esta′e a que mais se aproxima do Oveia.
A tabela1mostra as caracter′?sticas e funcionalidades do Oveia e do KAON RE-VERSE3.
Analisando a tabela1,′e dif′?cil dizer qual a melhor ferramenta,visto que′e clara a complexidade entre ambas;apetece at′e dizer que o melhor dos mundos resultaria de sua fus?a o.
2Mais informac??o es em:https://www.wendangku.net/doc/5515126096.html,/
3Os dados presentes nesta tabela foram utilizados a partir da an′a lise feita em[Vieira,2002].
10Giovani Rubert Librelotto et al.
KAON REVERSE OVEIA
Linguagem Java Java
Uso de APIs Sim Sim
Uso de Engenharia Sim N?a o
Reversa
Especi?cac??a o′Arvore(GUI)Documento XML
Fontes de BDs relacionais BDs relacionais
Extrac??a o de via JDBC via JDBC,XML,extens′?vel
Ontologias a outras fontes
Padr?a o de
Representac??a o de RDF Topic Maps
Ontologias
GUI(Interface Sim N?a o
Gr′a?ca)
Resultado Gerado Documento RDF Base de Dados
de Ontologias
https://www.wendangku.net/doc/5515126096.html,parativo entre KAON REVERSE e Oveia.
Partindo deste ponto de vista,destaca-se as vantagens de cada uma.Por um lado, a KAON REVERSE apresenta vantagens em relac??a o ao uso de uma interface gr′a?ca para a especi?cac??a o de ontologias e o uso de engenharia reversa das fontes de dados para auxiliar o mapeamento.Por outro lado,o Oveia destaca-se por ser mais?ex′?vel em relac??a o`a s fontes de dados pass′?veis de extrac??a o(mesmo que todos os drivers de extrac??a o n?a o estejam implementados)e em relac??a o ao processo de especi?cac??a o.Al′e m disso,o Oveia diferencia-se por gerar uma base de dados de ontologias capaz de manter os dados extra′?dos.
Ao fazer uso de uma linguagem de especi?cac??a o(XS4TM)semelhante`a linguagem padr?a o que′e usada para escrever os XML Topic Maps,o Oveia facilita o processo de extrac??a o ao projetista da ontologia,o que′e uma clara vantagem,visto ser este o foco do sistema.Assim,torna-se muito simples e conciso criar uma nova vis?a o conceitual diferente sobre as mesmas fontes.
5Conclus?a o
O objetivo deste artigo foi a apresentac??a o de uma arquitetura para a construc??a o au-tom′a tica de Topic Maps,a partir da extrac??a o de informac??a o de fontes de dados diver-sas.Esse sistema,designado por Oveia,resultou de uma proposta inicial denominada TM-Builder,o qual aborda um extrator de ontologias totalmente baseado em XML.
A extrac??a o de informac??a o de fontes heterog?e neas de informac??a o′e especi?cada pela linguagem XS4TM,a qual de?ne quais os conceitos e relac??o es encontradas nestas fontes de informac??a o que ser?a o mapeadas para t′o picos e associac??o es,respectivamente, no Topic Maps gerado pelo Oveia.
XS4TM′e a linguagem para especi?car a extrac??a o de Topic Maps a partir de recursos de informac??a o.XS4TM classi?ca os t′o picos,dando-lhes uma sem?a ntica mais concreta, atrav′e s da associac??a o de um tipo de t′o pico,um tipo de associac??a o ou um tipo de papel de atuac??a o em ocorr?e ncias.Ent?a o,do ponto de vista de descric??a o da ontologia,obt′e m-se ganho por se dispor de uma sem?a ntica mais precisa.
O Oveia′e uma evoluc??a o do TM-Builder,o qual estava limitado ao processamento de documentos XML.A?m de evitar esse problema,foi constru′?da uma nova arquitetura
XATA–XML:Aplicac??o es e Tecnologias Associadas11 que prov?e uma abstrac??a o dos tipos de fontes de dados baseada em drivers de extrac??a o. O resultado obtido foi uma camada de independ?e ncia da fonte de dados,que torna poss′?vel a extrac??a o em fontes de dados diversas,de forma transparente e em uma′u nica especi?cac??a o.
A principal vantagem desta proposta′e a possibilidade de adaptac??a o do processo de especi?cac??a o e extrac??a o de ontologias a um maior n′u mero de casos reais,sem acarretar em mudanc?as de formato do recurso de informac??a o.
Outra vantagem′e o que eventuais modi?cac??o es nas fontes de informac??a o(obvia-mente mudanc?as ao n′?vel de seu conte′u do,e n?a o estruturais–incluindo-se novos da-dos ou excluindo-os),n?a o torna necess′a ria uma modi?cac??a o da especi?cac??a o XS4TM; basta voltar a executar o extrator com a fonte de informac??a o com os novos dados inseri-dos(ou retirados).
Um dos projetos a ser desenvolvido em breve ser′a um m′o dulo que permita a con-vers?a o de um documento XTM para uma BD Ontologia,assim como possibilite a extrac??a o de um Topic Map da BD Ontologia para um documento https://www.wendangku.net/doc/5515126096.html, este m′o dulo,o utilizador pode rapidamente ter um conjunto de topic maps armazenados no formato desejado,seja em documentos XML(no padr?a o XTM)ou em base de dados relacionais(em uma BD Ontologia).
A fus?a o entre Topic Maps,conhecida como merge,n?a o foi considerada nesta vers?a o de XS4TM.Isso implicaria um tratamento mais complexo no processo de extrac??a o,o que n?a o seria vi′a vel no presente momento.
O Oveia n?a o possui um ambiente amig′a vel para o utilizador criar suas especi?cac??o es. Aparentemente o processo de criac??a o de um documento XS4TM ou XSDS mostra-se trabalhoso.Isso exige que o utilizador conhec?a o padr?a o dos documentos de especi?cac??a o, que′e o padr?a o XTM.Por outro lado,′e sabido que esta tarefa pode ser auxiliada por fer-ramentas de edic??a o de documentos XML,como exemplo o XMLSpy4,mas essa func??a o de criar uma interface de especi?cac??a o agrad′a vel e f′a cil de usar ser′a um outro t′o pico de investigac??a o futura.
References
[Biezunsky et al.,1999]Biezunsky,M.,Bryan,M.,and Newcomb,S.(De-cember,1999).ISO/IEC13250-Topic Maps.ISO/IEC JTC1/SC34. https://www.wendangku.net/doc/5515126096.html,/sgml/sc34/document/0129.pdf.
[Librelotto et al.,2003]Librelotto,G.,Ramalho,J.C.,and Henriques,P.R.(2003).TMBuilder: Um Construtor de Ontologias baseado em Topic Maps.In XXIX Conferencia Latinoamericana de Inform′a tica–CLEI,La Paz,Bol′?via.
[Park et al.,2003]Park,J.,Hunting,S.,and Engelbart,D.C.(2003).XML Topic Maps:Creating and Using Topic Maps for the Web.Prentice Hall.
[Pepper,2000]Pepper,S.(2000).The TAO of Topic Maps-?nding the way in the age of infoglut.Ontopia.https://www.wendangku.net/doc/5515126096.html,/topicmaps/materials/tao.html.
[Vieira,2002]Vieira,A.A.(2002).Extrac??a o de Ontologias a partir de Esquemas Relacionais. Instituto Militar de Engenharia.Mestrado em Sistemas e Computac??a o.
4Ferramenta para construc??a o de documentos XML,desenvolvido pela ALTOV A.Mais informac??o es em:https://www.wendangku.net/doc/5515126096.html,
12Giovani Rubert Librelotto et al.
[Williams et al.,2000]Williams,K.,Brundage,M.,Dengler,P.,Gabriel,J.,Hoskinson,A.,Kay, M.,Maxwell,T.,Ochoa,M.,PaPa,J.,and Vanmane,M.(2000).Professional XML Databases. Wrox Press.
模拟电子技术基础知识点总结
模拟电子技术复习资料总结 第一章半导体二极管 一.半导体的基础知识 1.半导体---导电能力介于导体和绝缘体之间的物质(如硅Si、锗Ge)。 2.特性---光敏、热敏和掺杂特性。 3.本征半导体----纯净的具有单晶体结构的半导体。 4.两种载流子----带有正、负电荷的可移动的空穴和电子统称为载流子。 5.杂质半导体----在本征半导体中掺入微量杂质形成的半导体。体现的是半导体的掺杂特性。*P型半导体:在本征半导体中掺入微量的三价元素（多子是空穴，少子是电子）。 *N型半导体: 在本征半导体中掺入微量的五价元素（多子是电子，少子是空穴）。 6.杂质半导体的特性 *载流子的浓度---多子浓度决定于杂质浓度，少子浓度与温度有关。 *体电阻---通常把杂质半导体自身的电阻称为体电阻。 *转型---通过改变掺杂浓度，一种杂质半导体可以改型为另外一种杂质半导体。 7. PN结 * PN结的接触电位差---硅材料约为0.6~0.8V，锗材料约为0.2~0.3V。 * PN结的单向导电性---正偏导通，反偏截止。 8. PN结的伏安特性 二. 半导体二极管 *单向导电性------正向导通，反向截止。 *二极管伏安特性----同ＰＮ结。 *正向导通压降------硅管0.6~0.7V，锗管0.2~0.3V。 *死区电压------硅管0.5V，锗管0.1V。 3.分析方法------将二极管断开，分析二极管两端电位的高低: 若V阳>V阴( 正偏)，二极管导通(短路); 若V阳 2) 等效电路法 直流等效电路法 *总的解题手段----将二极管断开，分析二极管两端电位的高低: 若V阳>V阴( 正偏)，二极管导通(短路); 若V阳 电子技术基础知识 一、电流 1、电路一般就是有哪几部分组成的？ 答:电路一般由电源、开关、导线、负载四部分组成。 2、电流,就是指电荷的定向移动。 3、电流的大小称为电流强度(简称电流,符号为I),就是指单位时间内通过导线某一截面的电荷量,每秒通过1库仑的电量称为1「安培」(A)。 4、电流的方向,就是正电荷定向移动的方向。 5、电流的三大效应:热效应磁效应化学效应 6、换算方法: 1A=1000mA 1mA=1000μA 1μA=1000nA 1nA=1000pA 1KA=1000A 7、电流产生的条件: ①必须具有能够自由移动的电荷(金属中只有负电荷移动,电解液中为正负离子同时移动)。 ②导体两端存在电压差(要使闭合回路中得到持续电流,必须要有电源)。 ③电路必须为通路。 8、电流表与电压表在电路中如何连接？为什么？ 答:电流表在电路中应与被测电路串联相接,因为电流表内阻小,串在电路中对电路影响不大;电压表在电路中应与被测电路并联相接,因为电压表内阻大,并联相接分流作用对电路影响较小、 二、电阻 1、电阻表示导体对电流阻碍作用的大小。 2、电阻在电路中通常起分压、分流的作用 3、换算方法:1MΩ=1000KΩ;1KΩ=1000Ω 4、导体的电阻的大小导体的长度、横截面积、材料与温度有关。 5、电阻元件就是对电流呈现阻碍作用的耗能元件,例如灯泡、电热炉等电器。电阻定律:R=ρL/S ρ——制成电阻的材料电阻率,国际单位制为欧姆·米(Ω·m) ; L——绕制成电阻的导线长度,国际单位制为米(m); S——绕制成电阻的导线横截面积,国际单位制为平方米(㎡) ; R ——电阻值,国际单位制为欧姆(Ω)。 6、使用万用表,应先关掉电路板路的电源以免烧坏万用表,若有其她电阻并在被测电阻上,应先断开其她电阻后再测,测时两手不应接触表棒或被测电阻的裸露导电部分,以免引起误差。 7、使用万用表,应先关掉电路板路的电源以免烧坏万用表,若有其她电阻并在被测电阻上,应先断开其她电阻后再测,测时两手不应接触表棒或被测电阻的裸露导电部分,以免引起误差。 8、什么叫电动势？它与电压有什么不同？在电路中,电压与电动势的方向就是如何规定的？ 答:电动势就是衡量电源力做功的量,它就是在电源内部把单位正电荷从电源的负极移动到电源的正极;而电压则就是在电源外部将单位正电荷从电源的正极移动到电源的负极。在电路中,电压的方向就是在外电路从电源的正极指向电源的负极;而电动势的方向则就是从在电源内部从电源的负极指向电源的正极。 三、欧姆定律 1、定律:在同一电路中,导体中的电流跟导体两端的电压成正比,跟导体的电阻 第一章半导体二极管 1.本征半导体 ?单质半导体材料是具有4价共价键晶体结构的硅Si和锗Ge。 ?导电能力介于导体和绝缘体之间。 ?特性：光敏、热敏和掺杂特性。 ?本征半导体：纯净的、具有完整晶体结构的半导体。在一定的温度下，本征半导体内的最重要的物理现象是本征激发（又称热激发），产生两种带电性质相反的载流子（空穴和自由电子对），温度越高，本征激发越强。 ◆空穴是半导体中的一种等效+q的载流子。空穴导电的本质是价电子依次填补本征晶体中空位， 使局部显示+q电荷的空位宏观定向运动。 ◆在一定的温度下，自由电子和空穴在热运动中相遇，使一对自由电子和空穴消失的现象称为 复合。当热激发和复合相等时，称为载流子处于动态平衡状态。 2．杂质半导体 ?在本征半导体中掺入微量杂质形成的半导体。体现的是半导体的掺杂特性。 ◆P型半导体：在本征半导体中掺入微量的3价元素（多子是空穴，少子是电子）。 ◆N型半导体：在本征半导体中掺入微量的5价元素（多子是电子，少子是空穴）。 ?杂质半导体的特性 ◆载流子的浓度：多子浓度决定于杂质浓度，几乎与温度无关；少子浓度是温度的敏感函数。 ◆体电阻：通常把杂质半导体自身的电阻称为体电阻。 ◆在半导体中，存在因电场作用产生的载流子漂移电流（与金属导电一致），还才能在因载流子 浓度差而产生的扩散电流。 3.PN结 ?在具有完整晶格的P型和N型半导体的物理界面附近，形成一个特殊的薄层（PN结）。 ?PN结中存在由N区指向P区的内建电场，阻止结外两区的多子的扩散，有利于少子的漂移。 ?PN结具有单向导电性：正偏导通，反偏截止，是构成半导体器件的核心元件。 ◆正偏PN结（P+，N-）：具有随电压指数增大的电流，硅材料约为0.6-0.8V，锗材料约为0.2-0.3V。 ◆反偏PN结（P-，N+）：在击穿前，只有很小的反向饱和电流Is。 ◆PN结的伏安（曲线）方程： 4.半导体二极管 ?普通的二极管内芯片就是一个PN结，P区引出正电极，N区引出负电极。 数字电子技术基础第五版期末知识点总结 数电课程各章重点 第一、二章 逻辑代数基础知识要点 各种进制间的转换，逻辑函数的化简。 一、二进制、十进制、十六进制数之间的转换；二进制数的原码、反码和补码 .8421码 二、逻辑代数的三种基本运算以及5种复合运算的图形符号、表达式和真值表：与、或、非 三、逻辑代数的基本公式和常用公式、基本规则 逻辑代数的基本公式 逻辑代数常用公式： 吸收律：A AB A =+ 消去律：B A B A A +=+ A B A AB =+ 多余项定律：C A AB BC C A AB +=++ 反演定律：B A AB += B A B A ?=+ B A AB B A B A +=+ 基本规则：反演规则和对偶规则，例1-5 四、逻辑函数的三种表示方法及其互相转换 逻辑函数的三种表示方法为：真值表、函数式、逻辑图 会从这三种中任一种推出其它二种，详见例1-7 五、逻辑函数的最小项表示法：最小项的性质；例1-8 六、逻辑函数的化简：要求按步骤解答 1、 利用公式法对逻辑函数进行化简 2、 利用卡诺图对逻辑函数化简 3、 具有约束条件的逻辑函数化简 例1.1 利用公式法化简 BD C D A B A C B A ABCD F ++++=)( 解：BD C D A B A C B A ABCD F ++++=)( BD C D A B A B A ++++= )(C B A C C B A +=+ BD C D A B +++= )(B B A B A =+ C D A D B +++= )(D B BD B +=+ C D B ++= )(D D A D =+ 例1.2 利用卡诺图化简逻辑函数 ∑= )107653()(、、、、m ABCD Y 约束条件为∑8)4210(、、、、 m 解：函数Y 的卡诺图如下： 00 01 11 10000111 10AB CD 11 1× 11×××× D B A Y += 第三章 门电路知识要点 各种门的符号，逻辑功能。 一、三极管开、关状态 1、饱和、截止条件：截止：T be V V <， 饱和：βCS BS B I I i = > 2、反相器饱和、截止判断 二、基本门电路及其逻辑符号 与门、或非门、非门、与非门、OC 门、三态门、异或； 传输门、OC/OD 门及三态门的应用 三、门电路的外特性 1、输入端电阻特性：对TTL 门电路而言，输入端通过电阻接地或低电平时，由于输入电流流过该电阻，会在电阻上产生压降，当电阻大于开门电阻时，相当于逻辑高电平。 习题2-7 5、输出低电平负载电流I OL 6、扇出系数N O 一个门电路驱动同类门的最大数目 第四章 组合逻辑电路知识要点 大数据是当前很热的一个词。这几年来，云计算、继而大数据，成了整个社会的热点，不管什么，都要带上“大数据”三个字才显得时髦。大数据究竟是什么东西?有哪些相关技术?对普通人的生活会有怎样的影响?我们来一步步弄清这些问题。 一、基本概念 在讲什么是大数据之前，我们首先需要厘清几个基本概念。 1.数据 关于数据的定义，大概没有一个权威版本。为方便，此处使用一个简单的工作定义:数据是可以获取和存储的信息。 直观而言，表达某种客观事实的数值是最容易被人们识别的数据(因为那是“数”)。但实际上，人类的一切语言文字、图形图画、音像记录，所有感官可以察觉的事物，只要能被记下来，能够查询到，就都是数据(data)。 不过数值是所有数据中最容易被处理的一种，许多和数据相关的概念，例如下面的数据可视化和数据分析，最早是立足于数值数据的。 传统意义上的数据一词，尤其是相对于今天的“大数据”的“小数据”,主要指的就是数值数据，甚至在很多情况下专指统计数值数据。这些数值数据用来描述某种客观事物的属性。 2.数据可视化 对应英语的data visulization(或可译为数据展示)，指通过图表将若干数字以直观的方式呈现给读者。比如非常常见的饼图、柱状图、走势图、热点图、K线等等，目前以二维展示为主，不过越来越多的三维图像和动态图也被用来展示数据。 3.数据分析 这一概念狭义上，指统计分析，即通过统计学手段，从数据中精炼对现实的描述。例如:针对以关系型数据库中以table形式存储的数据，按照某些指定的列进行分组，然后计算不同组的均值、方差、分布等。再以可视化的方式讲这些计算结果呈现出来。目前很多文章中提及的数据分析，其实是包括数据可视化的。 电子技术基础知识内容 导语：关于电子技术基础知识内容，下面是给大家的相关内容，希望能给你带来帮助! 电子技术基础知识内容 1.万用表的使用 由于万用表是一种可以测量多种电量,具有多种量程的便携式仪表,是电学研究的必备工具。所以在这一项目的学习过程中,要立足于强化实际操作能力的培养,通过结合具体的实训操作,提高学习的效果。具体可分解成常见电阻器的识读、用万用表测电阻、测交、直流电压和直流电流、电桥的制作与测试等这几项任务,穿插学一些电学量的基本概念和电路的基本原理知识。逐步将实际操作技能有机的与理论知识相结合。最后通过制作电桥这一任务,综合性的将前面所学的测电阻、测电压和测电流等相关理论和技能知识融合应用,达到理论、技能、实践和拓展等全面的提高,逐步对万用表的使用知识和相应测试技能进行综合掌握。 2.电烙铁的使用 电子设备中使用大量的种类繁多的电子元器件,每个电子元器件都要牢固的焊接在电路板上,就必须保证每个焊点的质量。故而手工焊接技能是电子装配和电子维修必备的技能,练好手工焊接技术是保证电子制作成功的必要条件。这对于一个从事电子技术工作的人员来说,一定要必须认真学习相关的焊接理论知识,掌握焊接要领,并能熟练地进行焊接操作。 3.装配可调稳压电源模块 (1)电路原理图 (2)所涵盖的知识 可以认识电阻器、电容器、电位器、二极管、变压器等电子元 器件并进行测试。可以接触到交流电路、变压器的工作原理、整流电路的工作原理、滤波电路的工作原理以及稳压电路的工作原理等。同时还认识了集成稳压器的管脚功能,并根据电路进行组装,在调试过 程中学习用万用表进行检测电路。 (3）功能说明 电源部分是实验箱各模块电路总功率的提供者,为了能够满足 各模块不同的电源电压需求,所以该电源输出是1.5v一12v连续可调的直流稳压电源;能够保证专用数字电路sv直流稳压电源的实验要求,还能满足差动式功率放大器双12V直流固定电源的需要,也能输 出交流双12V电源。在制作过程中能进一步综合训练用万用表测电阻、测交、直流电压、电流等技能,同时也能认识安全用电了解安全电压 的规定,熟悉安全接地的方法等实用的安全用电操作规程知识。 复试电子技术基础知识 1.1 学习要求 （1）了解数字电路的特点以及数制和编码的概念。 （2）掌握逻辑代数的基本运算法则、基本公式、基本定理和化简方法。 （3）能够熟练地运用真值表、逻辑表达式、波形图和逻辑图表示逻辑函数，并会利用卡诺图化简逻辑函数。 1.2 学习指导 本章重点： （1）逻辑函数各种表示方法之间的相互转换。 （2）逻辑函数的化简及变换。 本章难点： （1）逻辑函数各种表示方法之间的相互转换。 （2）逻辑函数的化简及变换。 本章考点： （1）逻辑函数各种表示方法之间的相互转换。 （2）逻辑函数的化简及变换。 1.2.1 数字电路概述 1．数字信号与数字电路 在数值上和时间上均连续的信号称为模拟信号，对模拟信号进行传输、处理的电子线路称为模拟电路。在数值上和时间上均不连续的信号称为数字信号，对数字信号进行传输、处理的电子线路称为数字电路。 数字电路的特点： （1）输入和输出信号均为脉冲信号，一般高电平用1表示，低电平用0表示。 （2）电子元件工作在开关状态，即要么饱和，要么截止。 （3）研究的目标是输入与输出之间的逻辑关系，而不是大小和相位关系。 （4）研究的工具是逻辑代数和二进制计数法。 2．数制及其转换 （1）数制 基数和权：一种数制所具有的数码个数称为该数制的基数，该数制的数中不同位置上数码的单位数值称为该数制的位权或权。 十进制：基数为10，采用的10个数码为0~9，进位规则为“逢十进一”，从个位起各位的权分别为100、101、102、…10n -1。 二进制：基数为2，只有0和1两个数码，进位规则为“逢二进一”，从个位起各位的权分别为20、21、22、…2n -1。 16进制：基数为16，采用的16个数码为0~9、A~F ，进位规则为“逢十六进一”，从个位起各位的权分别为160、161、162、…16n -1。 （2）数制之间的转换 其他进制转换为十进制：采用多项式求和法，即将其他进制的数根据基数和权展开为多项式，求出该多项式的和，即得相应的十进制数。 十进制整数转换为其他进制：采用除基数取余数法，即将十进制整数连续除以其他进制的基数，求得各次的余数，直到商为0为止，然后将先得到的余数列在低位、后得到的余数列在高位，即得相应的其他进制数。 二进制与16进制之间的转换：将16进制转换为二进制数，每一个16进制数码用4位二进制数表示即可；将二进制整数转换为16进制数，从低位开始，每4位为一组转换为相应的16进制数即可。 3．编码 将数值、文字、符号及一些特定操作等信号用二进制数码来表示称为编码。 将十进制的10个数码分别用4位二进制代码表示称为二-十进制编码，也称BCD 码。常用的BCD 码有8421码、余3码、格雷码、2421码、5421码等。 8421码的10个十进制数码与自然二进制数一一对应，即用二进制数的0000～1001来分别表示十进制数的0～9，它是一种有权码，各位的权从左到右分别为8、4、2、1，若8421码各位分别为a 3、a 2、a 1、a 0，则它所代表的十进制数的值为： 01231248a a a a N +++= 其他BCD 码中，2421码和5421码是有权码，余3码由8421码加3得来，是无权码，格雷码的特点是从一个代码变为相邻的另一个代码时只有一位发生变化。 1.2.2 逻辑代数 逻辑代数是分析和设计数字电路的数学工具是。逻辑代数也用字母（A ，B ，C ，…）表示变量，但变量的取值只有0和1两种，分别代表两种相反的逻辑状态。逻辑代数表示的是逻辑关系，不是数量关系。在逻辑代数中只有逻辑乘（与运算）、逻辑加（或运算）和逻辑非（非运算）3种基本运算，其他的基本公式和定理是根据这3种基本运算推导出来的。 《数字电子技术》重要知识点汇总 一、主要知识点总结和要求 1．数制、编码其及转换：要求：能熟练在10进制、2进制、8进制、16进制、8421BCD 、格雷码之间进行相互转换。 举例1：（37.25）10= ( )2= ( )16= ( )8421BCD 解：（37.25）10= ( 100101.01 )2= ( 25.4 )16= ( 00110111.00100101 )8421BCD 2．逻辑门电路： (1)基本概念 1）数字电路中晶体管作为开关使用时，是指它的工作状态处于饱和状态和截止状态。 2）TTL 门电路典型高电平为3.6 V ，典型低电平为0.3 V 。 3）OC 门和OD 门具有线与功能。 4）三态门电路的特点、逻辑功能和应用。高阻态、高电平、低电平。 5）门电路参数：噪声容限V NH 或V NL 、扇出系数N o 、平均传输时间t pd 。 要求：掌握八种逻辑门电路的逻辑功能；掌握OC 门和OD 门，三态门电路的逻辑功能；能根据输入信号画出各种逻辑门电路的输出波形。 举例2：画出下列电路的输出波形。 解：由逻辑图写出表达式为：C B A C B A Y ++=+=，则输出Y 见上。 3．基本逻辑运算的特点： 与 运 算：见零为零，全1为1；或 运 算：见1为1，全零为零； 与非运算：见零为1，全1为零；或非运算：见1为零，全零为1； 异或运算：相异为1，相同为零；同或运算：相同为1，相异为零； 非 运 算：零 变 1， 1 变 零； 要求：熟练应用上述逻辑运算。 4. 数字电路逻辑功能的几种表示方法及相互转换。 ①真值表（组合逻辑电路）或状态转换真值表（时序逻辑电路）：是由变量的所有可能取值组合及其对应的函数值所构成的表格。 ②逻辑表达式：是由逻辑变量和与、或、非3种运算符连接起来所构成的式子。 ③卡诺图：是由表示变量的所有可能取值组合的小方格所构成的图形。 ④逻辑图：是由表示逻辑运算的逻辑符号所构成的图形。 ⑤波形图或时序图：是由输入变量的所有可能取值组合的高、低电平及其对应的输出函数值的高、低电平所构成的图形。 ⑥状态图（只有时序电路才有）：描述时序逻辑电路的状态转换关系及转换条件的图形称为状态图。 要求：掌握这五种（对组合逻辑电路）或六种（对时序逻辑电路）方法之间的相互转换。 5．逻辑代数运算的基本规则 ① 反演规则：对于任何一个逻辑表达式Y ，如果将表达式中的所有“·”换成“＋”，“＋”换成“·”，“0”换成“1”，“1”换成“0”，原变量换成反变量，反变量换成原变量，那么所得到的表达式就是函数Y 的反函数Y （或称补函数）。这个规则称为反演规则。 ②对偶规则：对于任何一个逻辑表达式Y ，如果将表达式中的所有“·”换成“＋”，“＋”换成“·”，“0”换成“1”，“1”换成“0”，而变量保持不变，则可得到的一个新的函数表达式Y ＇，Y ＇称为函Y 的对偶函数。这个规则称为对偶规则。要求：熟练应用反演规则和对偶规则求逻辑函数的反函数和对偶函数。 举例3：求下列逻辑函数的反函数和对偶函数 解：反函数： ；对偶函数： 6．逻辑函数化简 要求：熟练掌握逻辑函数的两种化简方法。 E D C B A Y += ))((E D C B A Y +++= ))((E D C B A Y +++=' 《大数据技术与应用基础》教学大纲 学时：60 代码： 适用专业： 制定： 审核： 批准： 一、课程的地位、性质和任务 大数据技术的发展，已被列为国家重大发展战略。而在过去的几年里，无论是聚焦大数据发展的《促进大数据发展行动纲要》，还是《“十三五”规划》中都深刻体现了政府对大数据产业和应用发展的重视。目前国内大数据发展还处于加速期、转型期，数据与传统产业的融合还处于起步阶段，各行业对大数据分析和挖掘的应用还不理想。但随着市场竞争的加剧，各行业对大数据技术研究的热情越来越高，在未来几年，各领域的数据分析都将大规模应用。 本课程在注重大数据时代应用环境前提下，考虑大数据处理分析需求多样复杂的基本情况，从初学者角度出发，以轻量级理论、丰富的实例对比性地介绍大数据常用计算模式的各种系统和工具。考虑到当前大数据发展处于起步并逐步赶超先进的阶段，其应用领域丰富广泛，在教学过程中应注重掌握大数据分析的实践操作。本课程通过丰富简单易上手的实例，让学生能够切实体会和掌握各种类型工具的特点和应用。 二、课程教学基本要求 1. 了解大数据的发展和基本概念，理解并掌握大数据的特征及主要技术层面。 2. 掌握Scrapy环境的搭建，了解网络爬虫获取数据的过程，熟悉爬虫项目的创建。 3. 深刻了解hadoop的基础理论，理解并掌握Hadoop单机及集群环境的部署方法。 4. 掌握HDFS的基本概念和HDFS在hadoop中的作用，理解并识记HDFS的使用，了解HDFS的JAVA API接口及数据流原理；让学生明白Map过程与Reduce过程这两个独立部分各自的原理及合作途径，知道如何独立编写满足自己需求的MapReduce程序。 5. 理解HBase中涉及的基本概念，掌握HBase的简单应用；让学生了解数据仓库的基础概念，熟悉Hive与HDFS、MapReduce直接的关心。 6. 熟悉Spark和RDD的基本概念，熟悉spark接口的使用，解决实战时的步骤及思路。 7. 明白Hadoop和Storm之间的差别，掌握对Storm的使用。理解Apex的工作过程并能简单应用。 8. 了解Druid的基本概念、应用场景以及集群架构，掌握批量数据加载、流数据加载的操作。了解Flink的重要概念和基本架构，掌握Flink简单的使用实例。 9. 理解Elasticsearch的基本架构，掌握Elasticsearch的一些入门操作。了解并基本掌握怎样利用所学的工具对目标实例进行数据分析。 三、课程的内容 1．大数据概述 1.2电子技术基础知识 一、填空 1、电容器的主要技术指标有Vmax、标称电容值、和允许误差范围四只200μF/50V的电容器串联，等效电容量为50μF。 2、三极管的极限参数有Pcm、Icm、BVceo。（集电极、发射极、击穿电压） 3、有一个稳压二极管稳压电路，焊接后挑食时发现其稳压输出端只有0.7伏的电压，经检查元件是好的，出现这种故障的原因是接反。 4、稳压管工作在反向击穿区，稳压管接入电路时，阴极应接电压的正极，阳极接负极，反映稳压管性能的参数时动态电阻。 6、晶闸管三个电极的名称是阳极、阴极和门极。 7、在晶体管放大电路中，反馈信号取自于输出电压，这种反馈叫做电压反馈。 8、三极管放大电路设置静态工作点的目的是获得最大不失真输出。 9、场效应管是通过改变栅源电压来改变漏极电流的，所以它是一个电压控制器件；根据结构的不同，场效应管可分为结型和绝缘栅型两种类型。 10、把集成运放接成负反馈组态是集成运放线性应用的必要条件。而在开环或正反馈时，集成运放工作在非线性工作状态。 11、已知某深度负反馈电路A Ud=100，F=0.1，则A Uf=9。 12、正弦波振荡电路一般由基本放大电路、反馈电路、选频网络和稳压电路等四个环节组成，而且缺一不可。 13、若采用市电供电，则通过变压、整流、滤波和稳压后可得到稳定的直流电。 14、理想运算放大器的开环放大倍数A od为∞，输入阻抗为∞，输出阻抗R od为0，共模抑制比K CMR为∞，频带宽度BW为∞。 15、串联型稳压电源电路包括调整输出、比较放大、采样和基准电位四个环节。 16、一个10位的DAC，输出电压满量程为10V，则它的分辨率为1/（210-1），能分辨的最小电压值为10/210V。 17、TTL电路多余管脚可以悬空，CMOS电路则不能悬空。 18、三极管放大器有共集、共射和共基三种基本组态。 19、多级放大器的级间耦合方式一般有直接耦合、光电耦合和变压器耦合三种。 20、为了抑制直流放大器中的零点漂移，最常采用的方法是差放、温度孔径和负反馈等措施。 21、集成运放按输入方式的不同可分为反相输入、同相输入和差放输入三种形式。 22、运算放大器是一种高增益的多级放大器，其输入级一般采用差分输入，输出级一般采用跟随。 23、RC电路最主要的应用包括耦合、微分和积分三种。 24、最基本的逻辑关系有与门、非门、或门三种。 25、七段数码显示器通常分为共阳和共阴。 实用标准文案 精彩文档模拟电子技术复习资料总结 第一章半导体二极管 一.半导体的基础知识 1.半导体---导电能力介于导体和绝缘体之间的物质(如硅Si、锗Ge)。 2.特性---光敏、热敏和掺杂特性。 3.本征半导体----纯净的具有单晶体结构的半导体。 4.两种载流子----带有正、负电荷的可移动的空穴和电子统称为载流子。 5.杂质半导体----在本征半导体中掺入微量杂质形成的半导体。体现的是半导体的掺杂特性。 *P型半导体:在本征半导体中掺入微量的三价元素（多子是空穴，少子是电子）。 *N型半导体: 在本征半导体中掺入微量的五价元素（多子是电子，少子是空穴）。 6.杂质半导体的特性 *载流子的浓度---多子浓度决定于杂质浓度，少子浓度与温度有关。 *体电阻---通常把杂质半导体自身的电阻称为体电阻。 *转型---通过改变掺杂浓度，一种杂质半导体可以改型为另外一种杂质半导体。 7. PN结 * PN结的接触电位差---硅材料约为0.6~0.8V，锗材料约为0.2~0.3V。 * PN结的单向导电性---正偏导通，反偏截止。 8. PN结的伏安特性 二. 半导体二极管 *单向导电性------正向导通，反向截止。 *二极管伏安特性----同ＰＮ结。 *正向导通压降------硅管0.6~0.7V，锗管0.2~0.3V。 *死区电压------硅管0.5V，锗管0.1V。 3.分析方法------将二极管断开，分析二极管两端电位的高低: 若 V阳 >V阴( 正偏 )，二极管导通(短路); 若 V阳 1：什么是二极管的正偏？在p节加正电压，而n节加负电压。即为正偏。 正偏是扩散电流大大增加，反偏使漂移电流增加。但是漂移电流是由于少子移动形成的，所以有反向饱和电流！ 2：一般低频信号，电阻线的粗细是为了流多少电流，而粗细带来的电阻大小不计，因为铜线本身电阻很小，当然特殊情况例外！ 3：mos管是依靠多子电子的一种载流子导电的，与晶体三极管的多子与少子一起参与导电的情况不一样。它是一种自隔离器件，不需要设置晶体三极管中的隔离岛，节省心片面积，适合超大规模电路。 它的特点是压控！即控制端几乎不需要电流，容易集成。 4：如何判断三极管的 cbe 极？ a 直接查资料， b 用万用表二极管档，p接正，n接负时有数字显示，所以有测量几次，就可以知道是pnp型还是npn型，b端由此可以断定了。然后用万用表的hef档测量放大倍数，如果接对了即能判断结果。 5：共发放大器有倒相作用。 6：直流反馈是为了稳定静态工作点，交流反馈是为了改善放大器的性能。 7：电容和电阻的串并联关系相反。电感应该和电阻相同，不过还有互感的概念，所以还是有所区别的吧？需要求证！8：示波器的很多数字显示只有在屏幕中显示多个周期才显示的，太多也不显示！ 9：共基放大器是同相放大器，输出电阻大，电压增益为1，号称续流器。 共集放大器是同相放大器，输入电阻大，电流增益为1，号称电压跟随器。 共发放大器是反相放大器，输入出电阻是上两个之间，电压增益大，电流增益也大。 所以共发，共基放大器，知道共基在后，就知道输出电阻大，将输入电流不衰减的送到输出电阻大的那端。 共集共发，明显是输入电阻大，将输入电阻不衰减的送到输出电阻小的那端 10：正弦电压的输出平均电压在全桥整流电路中是0.9倍的输入电压有效值，所以输出电流的平均值（等同用万用表测量）是输入电压有效值除以负载电阻后的0.9倍。 11：示波器的两个探头是共地的，双踪的时候要注意，这两个地必须连在一起，尤其是高电压的时候！ 12：mos管的测量方法，一般是gds排列。用万用表的话，先在gs两端加电，即用万用表点一下gs 然后点ds，就能测量出数字来了。这些都是根据它的本身特征来判断的。注意，gs端的电容很小，u=q/c，如受外界影响，或静电感受，带上小两电荷就可以使u很大，使其烧掉。 13：画pcb时候应该留出检测点。 14：用万用表测量之前必须弄明白测量什么信号，用什么档位。 15：tvs管的响应速度一般很快！ 16：对三极管的各项参数以及运放的各项参数需要经常复习，了解！因为十分重要！ 17：三极管的几个工作状态需要彻底明白才行！ 18：作实验的检查方法总结：首先应该看电路有几部分组成，其中每部分均可以分三部分来看，电源，输入，输出，一一检查过来，必然不会错。另外就是看测量仪器是否设置正确。 19：波形叠加只要掌握 Uac=Uab=Ubc的道理就可以了。 20 ：扼流圈的理解：电感是阻交流，通直流信号的，这点基本和电容相反的。 低频扼流圈是抑制交流通肿瘤的 高频俄流圈是抑制高频通低频和直流的。 21：放大电路有直流耦合和交流耦合，区别自知！ 22：变压器砸数的基本公式 N=V的4次方/4.44fBmS ，公式推导都在学习资料里。 Bm热轧硅钢片，1.11-1.5t 而冷的1.5-1.7t，应该现在有铁硅铝这种更加好的东西了。具体见学习资料里的东西。 23：三极管b和hef的关系，b是交流放大倍数，hef是直流放大倍数，b和频率相关的。所以两者是有区别的哦24：负载重轻对应与电阻的小大，但对横流源就不一样了，电阻大的话输出功率就大。负载就重点！ 25：网络线水晶头的制作。直通线的标准是586B，交叉线的标准是一头586A另一头586B。，其中1236四根线是有用的，其他线为电话线留的。 从人类文明诞生的那一刻起，数据就伴随我们而生——人类交流信息所用的文字和语言，计量距离或数量使用的记号和图案，观察自然所积累和传承的经验等，都是数据构成的。这些数据在百万年历史长河里，为人类文明的发展进化带来了难以估量的巨大价值。 自从人类发明了纸和笔，创造了数字、文字、几何技术后，数据有了更精确的描述和记录的方法，在此基础上催生出了数字、物理、化学，以及文学、艺术、管理等学科，我们今天所享受的现代文明，都深深的植根于数据技术。 随着互联网时代的大发展，数据记录逐步脱离了纸笔的限制，人类发明了廉价的硅晶半导体所蕴藏的秘密，大量的数据可以按0或1的二进制方式存储半导体材料内，它们的存储能力如此巨大，成本如此低廉，以至于以往被轻易忽略的数据都能被忠实的保存下来：我们每一下轻微的呼吸、每一次心脏的跳动、每一下鼠标的点击，企业里员工的每一次出勤、财务的每一笔账单、客户的每一个评论，包罗万象都能一一记录。 与此同时，数据的概念也在进一步拓宽。传统的数据是指用数字或文字描述的内容，通称为结构化数据，而大数据时代涌现出了大量新型数据的、非结构化的数据。例如人群之间看不见的社交关系（Social Relationships），移动设备发射的GPS位置，网络传播的图像、视频信号，可穿戴设备采集的健康数据等。对这些各种各样的数据的采集、挖掘、运用，也是现代大数据挖掘的重要研究课题。 正在发生的大数据变革，恐怕是人类技术发展中最重要的话题之一，它冲击着许多主要的行业，包括零售业、服务业、电子商务和金融领域等，同时大数据技术也正在彻底的改变我们 的日常生活。如果把数据比作是矿石的话，大数据挖掘技术就是要从矿石中提炼出黄金，并形成各种精致的制成品发挥作用的过程。它既能够通过移动应用和云服务追踪和提升个人的生活品质，也能为现代企业带来更高效和稳健的管理方式。小到个人，大到企业和国家，大数据均是极度重要的一个议题，需要我们真正的深入理解它，因此本文将对大数据挖掘技术给出全景式的介绍，首先给出大数据的背景、原理和概念，然后阐述大数据挖掘的方法和步骤，再讲解大数据在企业应用中的方式和收益，最后分享大数据时代的产业状况，和我们面临的挑战与机遇。 2、大数据技术的背景、概念和意义 2.1大数据的产生背景 大数据热潮诞生的先决条件是计算机存储能力的迅速扩大和成本的一再降低。得益于半导体技术在过去20年里持续快速的发展，今天我们用500元人民币就能轻松买到一块能装得下63万本《红楼梦》的1T 容量的移动硬盘；价值2000元的一块PC硬盘甚至能存储下全世界迄今为止所有的音乐内容。在很多大型互联网公司里，拿一台较好配置的服务器，就可以一举装下美国国家图书馆里所有纸质书的内容——纵观整个人类文明发展史，今天人类拥有了史无前例的海量信息的存储能力，并且这个能力仍然在日新月异的向前发展着。 与此同时，人类创造数据的能力也同样在高速增长。传统社会只有文人墨客、达官显贵才能青史上留下只言片语，而互联网时代里所有人都能轻松成为数据的生产者，例如Facebook 上每月被用户分享500亿条新信息，全球的社交网络每天产生1亿张新照片。能够产生和 数电课程各章重点逻辑代数基础知识要点第一、二章各种进制间的转换，逻辑函数的化简。码.8421一、二进制、十进制、十六进制数之间 的转换；二进制数的原码、反码和补码：与、或、非5种复合运算的图形符号、表达式和真值表二、逻辑代数的三种基本运算以及基本公式和常用公式、基本规则三、逻辑代数的逻辑代数的基本公式逻辑代数常用公式：A??ABA吸收律： A?ABBAB?AA?AB??消去律： C?AABC?BC?AB?A多余项定律： BA?A?A?B?B?AB反演定律： AB?AB?AB?AB 基本规则：反演规则和对偶规则，例1-5 四、逻辑函数的三种表示方法及其互相转换 逻辑函数的三种表示方法为：真值表、函数式、逻辑图 会从这三种中任一种推出其它二种，详见例1-7 五、逻辑函数的最小项表示法：最小项的性质；例1-8 六、逻辑函数的化简：要求按步骤解答 1、利用公式法对逻辑函数进行化简 2、利用卡诺图对逻辑函数化简 3、具有约束条件的逻辑函数化简 F(ABCD)?ABC?AB?AD?C?BD例1.1利用公式法化简 F(ABCD)?ABC?AB?AD?C?BD解： BDC?B?AD?A?AB?(ABC?C?AB?C) BDD?C?A?B?(AB?AB?B) 1/9 C?AD??B?D)?D?BD?B(B C?B?D?)DAD?(D? ?、3m7、10)(?Y(ABCD)5、6、例1.2 利用卡诺图化简逻辑函数 ?、(04、8)m1、2、约束条件为Y的卡诺图如下：解：函数CD00 01 11 10AB ××1×001×110111101×Y?A?BD 第三章门电路知识要点 各种门的符号，逻辑功能。 一、三极管开、关状态 I CS VV??Ii?饱和：，1、饱和、截止条件：截止：BSBTbe? 2、反相器饱和、截止判断二、 基本门电路及其逻辑符号门、三态门、异或；与门、或非门、非门、与非门、OC 门及三态门 大数据技术与应用基础》教学大纲 学时：60 代码： 适用专业： 制定： 审核： 批准： 一、课程的地位、性质和任务 大数据技术的发展，已被列为国家重大发展战略。而在过去的几年里，无论是聚焦大数据发展的《促进大数据发展行动纲要》，还是《“十三五”规划》中都深刻体现了政府对大数据产业和应用发展的重视。目前国内大数据发展还处于加速期、转型期，数据与传统产业的融合还处于起步阶段，各行业对大数据分析和挖掘的应用还不理想。但随着市场竞争的加剧，各行业对大数据技术研究的热情越来越高，在未来几年，各领域的数据分析都将大规模应用。 本课程在注重大数据时代应用环境前提下，考虑大数据处理分析需求多样复杂的基本情况，从初学者角度出发，以轻量级理论、丰富的实例对比性地介绍大数据常用计算模式的各种系统和工具。考虑到当前大数据发展处于起步并逐步赶超先进的阶段，其应用领域丰富广泛，在教学过程中应注重掌握大数据分析的实践操作。本课程通过丰富简单易上手的实例，让学生能够切实体会和掌握各种类型工具的特点和应用。 二、课程教学基本要求 1.了解大数据的发展和基本概念，理解并掌握大数据的特征及主要技术层面。 2.掌握Scrapy 环境的搭建，了解网络爬虫获取数据的过程，熟悉爬虫项目的创建。 3.深刻了解hadoop 的基础理论，理解并掌握Hadoop 单机及集群环境的部署方法。 4.掌握HDFS的基本概念和HDFS在hadoop 中的作用，理解并识记HDFS的使用，了解HDFS 的JAVA API 接口及数据流原理；让学生明白Map过程与Reduce 过程这两个独立部分各自的原理及合作途径，知道如何独立编写满足自己需求的MapReduce程序。 5.理解HBase中涉及的基本概念，掌握HBase的简单应用；让学生了解数据仓库的基础概念，熟悉Hive 与HDFS、MapReduce直接的关心。 6.熟悉Spark 和RDD的基本概念，熟悉spark 接口的使用，解决实战时的步骤及思路。 7.明白Hadoop和Storm 之间的差别，掌握对Storm 的使用。理解Apex 的工作过程并能简单应用。 8.了解Druid 的基本概念、应用场景以及集群架构，掌握批量数据加载、流数据加载的操作。 了解Flink 的重要概念和基本架构，掌握Flink 简单的使用实例。 9.理解Elasticsearch 的基本架构，掌握Elasticsearch 的一些入门操作。了解并基本掌握怎样利用所学的工具对目标实例进行数据分析。 三、课程的内容 1．大数据概述电子技术基础知识
模拟电子技术基础_知识点总结
数字电子技术基础第五版期末知识点总结 新
大数据课程基本概念及技术
电子技术基础知识内容
复试电子技术基础知识(次要)
数字电子技术知识点汇总-数字电子技术基础知识点总结
大数据技术与应用基础_教学大纲
电子技术基础知识
模拟的电子技术基础知识点的总结
电子技术基础知识大全
史上最系统的大数据挖掘技术及其应用介绍
数字电子技术基础第五版期末知识点总结
大数据技术和应用基础-教学大纲
- 电子技术基础知识
- (完整版)模拟电子技术基础_知识点总结分析
- 模拟电子技术基础知识点总结
- (完整版)模拟电子技术基础-知识点总结
- 数字电子技术基础知识点总结
- 模拟电子技术基础_知识点总结
- 模拟电子技术基础_知识点总结14757
- 电工电子技术基础知识
- 电子技术基础知识内容
- 电子技术基础知识
- 模拟电子技术基础-知识点总结讲解
- 模拟电子技术基础知识点总结
- 数字电子技术基础第五版期末知识点总结 新
- 模拟电子技术基础-知识点总结
- 模拟电子技术基础-知识点总结
- (完整版)模拟电子技术基础_知识点总结
- 电子技术基础知识
- 模拟电子技术基础-知识点总结
- 电子技术基础知识大全
- 2020年数字电子技术基础知识点总结