Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Ongestructureerde data

Engels: Unstructured data · Ook wel: unstructured data, ongestructureerde gegevens, niet-gestructureerde data

In het kort

Ongestructureerde data zijn gegevens zonder een vooraf vastgelegd model of een vaste indeling. Anders dan gegevens in een tabel met rijen en kolommen, hebben deze gegevens geen vaste velden, waardoor gewone software ze lastig kan doorzoeken of analyseren. Voor analyse brengen systemen er eerst structuur in aan, bijvoorbeeld door de tekst van een e-mail of de inhoud van een foto in vaste velden te zetten.

Waarom is dit belangrijk?

Automatisch ordenen van ongestructureerde data, zoals gesproken opnamen en lange documenten, maakt het mogelijk verbanden te vinden die met de hand te veel tijd kosten. In de zorg en het biomedisch onderzoek zetten teams dit in om kennis uit patiëntverslagen en wetenschappelijke publicaties te halen. Patiënten en medewerkers krijgen daardoor sneller een overzicht, maar een onvolledige omzetting kan fouten geven en de privacy van gevoelige gegevens raken.

Zo werkt het in de praktijk

Zoekmachines indexeren ongestructureerde tekst, zoals webpagina's en documenten, zodat mensen daarin kunnen zoeken. Documentbeheersystemen zetten hele verzamelingen in categorieën. SAS bracht in 2004 met SAS Text Miner grote teksten terug tot minder kenmerken voor analyse door een computer.

In 1958 onderzocht informaticus H.P. Luhn hoe computers ongestructureerde tekst indelen en er gegevens uit halen. Informatie-extractie haalt vaste gegevens, zoals een bedrijfsnaam of een overname, uit vrije tekst in nieuwsberichten. Die gegevens verwerkt een computer daarna verder.

De standaard UIMA (een kader voor ongestructureerde informatie) beschrijft hoe systemen betekenis uit tekst halen. Die betekenis zetten zij om in gestructureerde data. Datamining, natuurlijke taalverwerking en tekstanalyse zoeken daarbij patronen in tekst zonder vaste velden.

Gecontroleerd op 5 november 2026