分类
语料库与数据管线
GraphCanon 如何采集、刷新并基于自身数据进行推理的相关术语 - 从那个很可能把你带到这里的词开始。
本术语表内容由机器翻译生成，可能存在不准确之处。
- 语料库
- 采集
- 富化
- 新鲜度
8 个术语
GitHub 同步
GitHub 同步会重新获取一个工具的公开 GitHub 事实（星标、语言、最近一次推送），而不重新运行语言模型。
回填（Backfill）
回填是在已经存在的记录上追溯性地补全缺失或新增的字段，而不仅仅处理新记录。
富化（Enrich）
富化会在已存储的数据上运行语言模型，以新增或改进派生字段 - 摘要、标签、决策事实 - 而无需从 GitHub 获取。
指标快照（Metric snapshot）
指标快照是对一个工具各项数字（如星标和未关闭 issue）在某一时刻的单条带日期记录，随时间不断追加以构建历史。
数据集（Dataset）
数据集是一份结构化、已发布的记录集合，意在被当作数据消费 - 可下载且机器可读。
新鲜度（Freshness）
新鲜度指一条记录最近被更新的程度。陈旧则相反 - 旧到可能已不再反映现实。
语料库（Corpus）
语料库是一个系统所处理的全部数据主体。在 GraphCanon 中，它是图中当前的每一个工具、仓库和每一份元数据。
采集（Ingest）
采集是把一个来源首次纳入系统 - 获取它、解析它，并把它加入语料库。