华为数据之道｜03 差异化的企业数据分类管理框架｜③以特征提取为核心的非结构化数据管理

华为的非结构化数据包括文档（邮件、Excel、Word、PPT）、图片、音频、视频等。
相较于结构化数据，非结构化元数据管理除了需要管理文件对象的标题、格式、Owner等基本特征和定义外，还需对数据内容的客观理解进行管理，如标签、相似性检索、相似性连接等，以便于用户搜索和消费使用。
因此，非结构化数据的治理核心是对其基本特征与内容进行提取，并通过元数据落地来开展的。

非结构化数据的元数据可以分为基本特征类（客观）和内容增强类（主观）两类。
1）基本特征类：参考都柏林十五个核心元数据，实现对非结构化数据对象的规范化定义，如标题、格式、来源等。
2）内容增强类：基于非结构化数据内容的上下文语境，解析目标文件对象的数据内容，加深对目标对象的客观理解，如标签、相似性检索、相似性连接等。