AITerms 登入
資料處理AI基礎自然語言處理

非結構化資料(Unstructured Data)是什麼?

非結構化資料是指沒有預定義格式或組織方式的資料,難以直接儲存和分析,例如文字、圖像、音訊和影片。

完整定義

非結構化資料是指沒有預定義格式或組織方式的資料,難以直接儲存和分析。其特點是資料內容多樣、格式不一致,需要特殊處理才能進行分析。非結構化資料的範例包括文字文件、圖像、音訊、影片、社交媒體貼文和電子郵件。

白話說明

你有沒有看過一堆照片、文章和錄音,根本不像整齊的表格?

你可以把非結構化資料想成「沒有固定欄位格式的資料」

它不像試算表那樣一列一欄整齊,而是文字、圖片、音訊這種原始內容

因為形狀不固定,通常要先做特徵萃取或轉換,模型才好處理

記住這句

沒有整齊欄位,不代表不能分析,只是要先轉成模型看得懂的形式。

比喻:非結構化資料就像一堆雜亂無章的舊照片、錄音帶和手寫信件 -- 它們沒有按照日期或主題整理,雖然有價值,但想找特定資訊會非常困難。

容易混淆

非結構化資料 vs 結構化資料

非結構化資料沒有固定欄位

結構化資料一眼就能對欄位

最關鍵的區別:格式是否規整

非結構化資料 vs 半結構化資料

非結構化資料更自由

半結構化資料像 JSON、XML,還有一些標記

最關鍵的區別:有沒有部分規則可循

非結構化資料 vs 雜訊資料

非結構化資料不等於髒資料

它只是格式自由,不代表沒價值

最關鍵的區別:格式和品質是兩件事

實際案例

客服錄音

錄音先轉文字,再抽特徵或做摘要,才能進一步分析客訴主題

醫療影像

X 光、MRI 和超音波都屬於非結構化資料,通常需要影像模型先處理

演算法與應用

資料型態文字、影像、音訊最常見都不是整齊表格
前處理通常要轉成向量或標籤模型才能吃
特徵抽取從原始內容抓出可用訊號這步很關鍵
應用場景搜尋、分類、摘要、辨識都很常見

情境判斷

Q1(直覺題):你有一堆客服錄音,想找出常見問題,這算什麼資料?

通常是非結構化資料,因為它還不是整齊欄位。

Q2(判斷題):JSON 檔裡有固定欄位,還算非結構化嗎?

通常不算,JSON 比較接近半結構化資料。

常見問題

出現在這些考古題

官方公告試題的逐題解析裡,這 2 題把非結構化資料列為延伸術語。

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本