分类编辑 语音数据发展过程中产生过三种基本的数据模型，它们是层次模型、网状模型和关系模型。这三种模型是按其数据结构而命名的。前两种采用格式化的结构。在这类结构中实体用记录型表示，而记录型抽象为图的顶点。记录型之间的联系抽象为顶点间的连接弧。整个数据结构与图相对应。其中层次模型的基本结构是树形结构；网状模型的基本结构是一个不加任何限制条件的无向图。关系模型为非格式化的结构，用单一的二
物联云定制
分类编辑 语音数据发展过程中产生过三种基本的数据模型，它们是层次模型、网状模型和关系模型。这三种模型是按其数据结构而命名的。前两种采用格式化的结构。在这类结构中实体用记录型表示，而记录型抽象为图的顶点。记录型之间的联系抽象为顶点间的连接弧。整个数据结构与图相对应。其中层次模型的基本结构是树形结构；网状模型的基本结构是一个不加任何限制条件的无向图。关系模型为非格式化的结构，用单一的二维表的结构表示实体及实体之间的联系，关系模型是目前数据库中常用的数据模型。
数据模型三要素是数据结构、数据操作、数据约束。
1、数据结构
是计算机存储、组织数据的方式。数据结构是指相互之间存在一种或多种特定关系的数据元素的集合,即带“结构”的数据元素的集合。。通常情况下，精心选择的数据结构可以带来更高的运行或者存储效率。数据结构往往同有效的检索算法和索引技术有关。
2、数据操作
数据模型中数据操作主要描述在相应的数据结构上的操作类型和操作方式。它是操作算符的集合，包括若干操作和推理规则，用以对目标类型的有效实例所组成的数据库进行操作。
3、数据约束
数据模型中的数据约束主要描述数据结构内数据间的语法、词义联系、他们之间的制约和依存关系，以及数据动态变化的规则，以保证数据的正确、有效和相容。它是完整性规则的集合，用以限定符合数据模型的数据库状态，以及状态的变化。
数据模型应满足哪些方面的要求？
一是能比较真实地模拟现实世界；二是容易为人所理解；三是便于在计算机上实现。
目标类型是数据库的组成成分，一般可分为两类：数据类型、数据类型之间的联系。数据类型如DBTG(数据库任务组)网状模型中的记录型、数据项，关系模型中的关系、域等。联系部分有DBTG网状模型中的系型等。
数据结构是数据模型的基础，数据操作和约束都基本建立在数据结构上。不同的数据结构具有不同的操作和约束
数据建模，通俗地说，就是通过建立数据科学模型的手段解决现实问题的过程。数据建模也可以称为数据科学项目的过程，并且这个过程是周期性循环的。
数据建模的具体过程可分为六大步骤：
一、制订目标
制订目标的前提是理解业务，明确要解决的商业现实问题是什么？
如：在社交平台KOL中，存在假粉丝的情况，如何识别假粉就是一个要解决的现实问题。
二、数据理解与准备
基于要解决的现实问题，理解和准备数据，一般需要解决以下问题：
1.需要哪些数据指标（即特征提取）？（如：哪些指标能区别真粉和假粉？）
2.数据指标的含义是什么？
3.数据的质量如何？（如：是否存在缺失值？）
4.数据能否满足需求？
5.数据还需要如何加工？（如：转换数据指标，将类别型变量转化为0-1哑变量，或将连续型数据转化为有序变量）
6.探索数据中的规律和模式，进而形成假设。
需要注意的是，数据准备工作可能需要尝试多次。因为在复杂的大型数据中，较难发现数据中存在的模式，初步形成的假设可能会被很快推到，这时一定要静心钻研，不断试错。
数据建模后需要评估模型的效果，因此一般需要将数据分为训练集和测试集。
（作者： 来源：）
