ទិន្នន័យរដ្ឋាភិបាលកម្ពុជា

វិធីសាស្ត្រ

អ្វីដែលយើងធ្វើចំពោះទិន្នន័យមុនពេលបង្ហាញ ហើយអ្វីដែលមានប្រយោជន៍ជាងនេះ គឺអ្វីដែលយើងបដិសេធមិនធ្វើ។

ការស្វែងរក

ភាសាខ្មែរសរសេរដោយគ្មានចន្លោះរវាងពាក្យ ដែលជាមូលហេតុដែលការស្វែងរកអត្ថបទពេញលេញធម្មតាលើភាសានេះមិនដំណើរការ។ សំណួរ និងកំណត់ត្រាត្រូវបានកាត់ពាក្យតាមរបៀបតែមួយ ហើយធ្វើលិបិក្រមដោយការស្វែងរកអត្ថបទពេញលេញដែលមានទម្ងន់ ដោយប្រើភាពស្រដៀងគ្នាតាមត្រីក្រាម (trigram) ជាជម្រើសបម្រុង។

ប្រភព និងរបៀបធ្វើឱ្យអត្ថបទខ្មែរមានលក្ខណៈស្តង់ដារ

កំណត់ត្រានីមួយៗត្រូវបានរក្សាទុកដូចដែលអ្នកផ្សព្វផ្សាយបានផ្តល់ឱ្យ; ពាក្យក្នុងចំណងជើងដែលបានរក្សាទុកមិនដែលត្រូវបានសរសេរឡើងវិញទេ (ការផ្លាស់ប្តូរតែមួយគត់គឺការសម្អាតចន្លោះដែលបានពណ៌នានៅផ្នែកបន្ទាប់)។ សម្រាប់តែការស្វែងរកប៉ុណ្ណោះ គេបង្កើតទម្រង់ស្តង់ដារដាច់ដោយឡែកមួយ៖ ការធ្វើឱ្យយូនីកូដមានលក្ខណៈស្តង់ដារ (NFC) ការដកតួអក្សរគ្មានទទឹង (zero-width) ការបញ្ចូលអក្ខរាវិរុទ្ធពីរបែបនៃព្យញ្ជនៈជើង (ជើង ដ ត្រូវបានអានជាជើង ត) និងលេខខ្មែរត្រូវបានអានជាលេខ ASCII។ ដូច្នេះ ការស្វែងរក ស្តី រកឃើញ ស្ដី ហើយការស្វែងរក ២០២៣ រកឃើញ 2023 ហើយផ្ទុយមកវិញក៏បានដែរ។

ចន្លោះក្នុងចំណងជើង

ចំណងជើង និងអត្ថបទខ្លីផ្សេងទៀតពីការប្រមូលទិន្នន័យ Open Development Cambodia ត្រូវបានសម្អាតម្តងគត់ពេលនាំចូល៖ ធ្វើឱ្យយូនីកូដមានលក្ខណៈស្តង់ដារ (NFC) តួអក្សរបញ្ជាត្រូវបានជំនួសដោយចន្លោះ ជួរចន្លោះទទេគ្រប់ប្រភេទ (ចន្លោះ tab និងការចុះបន្ទាត់) ត្រូវបានបង្រួមជាចន្លោះតែមួយ ហើយចន្លោះនៅដើម និងចុងត្រូវបានដកចេញ។ តួអក្សរគ្មានទទឹង (zero-width) មិនត្រូវបានដកចេញពីចំណងជើងដែលបានរក្សាទុកទេ ដូច្នេះចំណងជើងត្រូវបានបង្ហាញដូចអ្នកផ្សព្វផ្សាយបានសរសេរ លើកលែងតែចន្លោះ។ ពួកវាត្រូវបានដកចេញតែនៅក្នុងទម្រង់ដាច់ដោយឡែកដែលបង្កើតសម្រាប់ការស្វែងរកប៉ុណ្ណោះ។ ការពិពណ៌នាវែងរក្សាការចុះបន្ទាត់របស់វា ប៉ុន្តែជួរចន្លោះ និងបន្ទាត់ទទេត្រូវបានបង្រួម។

អត្ថបទដែលដកស្រង់ពី PDF (OCR)

នៅពេលអត្ថបទដែលដកស្រង់ពី PDF ឬទំព័រដែលស្កេនត្រូវបានបន្ថែម វាត្រូវបានប្រើតែដើម្បីជួយឱ្យការស្វែងរករកឃើញកំណត់ត្រាប៉ុណ្ណោះ។ វាមិនដែលត្រូវបានបង្ហាញនៅលើទំព័រណាមួយទេ។ លេខ និងកាលបរិច្ឆេទនៅលើគេហទំព័រនេះមកពីមេតាដាតាដែលអ្នកផ្សព្វផ្សាយផ្តល់ឱ្យប៉ុណ្ណោះ មិនដែលមកពីអត្ថបទដែលបានដកស្រង់ទេ។

ចំណងជើងដែលបកប្រែដោយម៉ាស៊ីន

នៅពេលចំណងជើងដែលបកប្រែដោយម៉ាស៊ីនត្រូវបានបន្ថែម វាត្រូវបានដាក់ស្លាកថាបកប្រែដោយម៉ាស៊ីននៅគ្រប់កន្លែងដែលវាលេចឡើង។ វាមិនដែលត្រូវបានបង្ហាញថាជាពាក្យពេចន៍របស់អ្នកផ្សព្វផ្សាយឡើយ ហើយចំណងជើងដែលអ្នកផ្សព្វផ្សាយបានសរសេរមិនដែលត្រូវបានជំនួសដោយការបកប្រែដោយម៉ាស៊ីនទេ។

ទិន្នន័យស្ទួន

ផតថលជាច្រើនតែងប្រមូលទិន្នន័យពីគ្នាទៅវិញទៅមក ដូច្នេះសំណុំទិន្នន័យតែមួយអាចលេចឡើងលើសពីម្តង។ យើងផ្គូផ្គងតាមលេខសម្គាល់នៃការប្រមូលជាមុន បន្ទាប់មកតាម URL ឯកសារដែលបានធ្វើឱ្យមានលក្ខណៈស្តង់ដារ។ ការផ្គូផ្គងតែតាមចំណងជើងត្រូវបញ្ជូនទៅបញ្ជីរង់ចាំពិនិត្យ ហើយមិនដែលត្រូវបានបញ្ចូលគ្នាដោយស្វ័យប្រវត្តិទេ ព្រោះការបោះពុម្ពប្រចាំឆ្នាំនៃសំណុំទិន្នន័យតែមួយប្រើចំណងជើងដូចគ្នាឆ្នាំបន្ទាប់ពីឆ្នាំ។ ចំនួនសរុបនៅក្បាលទំព័រមិនរាប់អ្វីដែលបានសម្គាល់ថាជាទិន្នន័យស្ទួនទេ។

លិខិតបទដ្ឋានគតិយុត្តដែលអាចស្ទួន

កំណត់ត្រាដែលមានលេខដូចគ្នា និងកាលបរិច្ឆេទដូចគ្នា ត្រូវបានសម្គាល់ថាអាចជាទិន្នន័យស្ទួន ហើយដាក់ក្នុងបញ្ជីសម្រាប់អ្នកពិនិត្យជាមនុស្ស។ ពួកវាមិនដែលត្រូវបានបញ្ចូលគ្នាដោយស្វ័យប្រវត្តិទេ។ ការសម្រេចចិត្តរបស់អ្នកពិនិត្យត្រូវបានកត់ត្រាជាប់នឹងក្រុមដែលបានសម្គាល់។

ការផ្គូផ្គងទិន្នន័យទៅនឹងខេត្ត

កូអរដោនេត្រូវបានកំណត់ទៅខេត្តមួយដោយសាកល្បងថាតើចំណុចនោះស្ថិតនៅក្នុងព្រំដែនខេត្តឬអត់ មិនមែនដោយរកចំណុចកណ្តាលខេត្តដែលនៅជិតបំផុតទេ។ ការប្រើចំណុចកណ្តាលជិតបំផុតគឺខុសនៅតាមព្រំដែន ហើយកំហុសនោះស្ងាត់ៗ៖ ចំនួនតាមខេត្តមើលទៅសមហេតុផលទាំងស្រុង ទោះបីជាខុសក៏ដោយ។

កំណត់ត្រាដែលត្រូវបានលាក់

កំណត់ត្រាអាចត្រូវបានលាក់មិនបង្ហាញ ឧទាហរណ៍ព្រោះវាលើកឈ្មោះបុគ្គលឯកជន។ ការលាក់នេះត្រូវបានរក្សាទុកនៅលើកំណត់ត្រាខ្លួនឯង។ កំណត់ត្រាដែលត្រូវបានលាក់នឹងបាត់ពីទំព័ររបស់វា ពីលទ្ធផលស្វែងរក ពីផែនទីគេហទំព័រ (sitemap) និងពីការទាញយក។

ប្រភពនៃចំនួនសរុប

ចំនួនដែលបង្ហាញនៅលើគេហទំព័រនេះត្រូវបានអានពីទិន្នន័យថតចម្លង (snapshot) នៃមូលដ្ឋានទិន្នន័យដែលបានធ្វើឡើងដោយការប្រមូលទិន្នន័យ មិនមែនវាយបញ្ចូលក្នុងទំព័រទេ។ ទិន្នន័យថតចម្លង និងពេលវេលាដែលវាត្រូវបានគណនាត្រូវបានបង្ហាញនៅលើទំព័រស្ថានភាព។ ចំនួនសំណុំទិន្នន័យ និងឯកសារចម្បងត្រូវបានរាប់ដោយឡែកពីគ្នា។ «ឯកសារទិន្នន័យ» រាប់តែឯកសារដែលភ្ជាប់នឹងសំណុំទិន្នន័យប៉ុណ្ណោះ។ «ប្រភពដើម» រាប់ប្រភពដែលបានចុះបញ្ជីនៅលើទំព័រប្រភព មិនមែនចំនួនកិច្ចការដែលបានកំណត់ពេលទេ។ កំណត់ត្រា ឬឯកសារដែលត្រូវបានលាក់មិនត្រូវបានរាប់ទេ។

ទិន្នន័យ OpenStreetMap

OpenStreetMap ត្រូវបានផ្សព្វផ្សាយក្រោមអាជ្ញាប័ណ្ណ ODbL ដែលលក្ខខណ្ឌចែកចាយបន្តក្រោមអាជ្ញាប័ណ្ណដូចគ្នារបស់វាអាចរាលដាលទៅមូលដ្ឋានទិន្នន័យដែលវាត្រូវបានបញ្ចូលជាមួយ។ ដូច្នេះវាត្រូវបានរក្សាទុកក្នុងតារាងដាច់ដោយឡែក ហើយភ្ជាប់ជាមួយទិន្នន័យផ្សេងទៀតតែនៅពេលបង្ហាញប៉ុណ្ណោះ ដោយលទ្ធផលមិនត្រូវបានសរសេរត្រឡប់ចូលវិញទេ។

អ្វីដែលខ្វះ

ផ្នែកនេះរាយបញ្ជីប្រភពដែលគេដឹងថាបាត់ ហួសសម័យ ឬមិនអាចចូលដំណើរការបាន។ វាត្រូវបានបំពេញនៅពេលប្រភពត្រូវបានបន្ថែម។

មើលបន្ថែម៖ ប្រភព · ស្ថានភាពប្រព័ន្ធ · អាជ្ញាប័ណ្ណ