基于聚类的OLAP多维分析查询推荐方法研究

为提高用户在使用OLAP(联机分析处理)时的查询效率,改善用户体验,对OLAP中的MDX(多维表达式)查询语言进行了研究,提出了在MDX查询语言的基础上,对OLAP用户的历史查询记录进行聚类的方法,建立了查询操作的分级推荐机制,提供给当前用户候选查询作为推荐,帮助用户设计下一步查询操作.介绍了该方法的推荐机制构架,并表明了该方法的可行性.     

基于操作序列挖掘的OLAP查询推荐方法

针对联机分析处理(OLAP)操作复杂导致的用户使用效率低下问题,提出基于操作序列挖掘的OLAP查询推荐方法.首先从多维表达式(MDX)查询语句记录中提取整数数列形式的查询序列,再利用PrefixSpan方法对查询序列进行频繁序列模式挖掘,并基于挖掘出的模式及其子模式建立概率矩阵,最后通过搜索与用户当前查询操作或查询序列匹配的候选模式对其下一步查询操作进行预测,并将预测结果按概率大小分级推荐.在7位OLAP专业分析人员的查询分析日志数据集上对提出的查询推荐方法进行性能评价,实验结果表明:使用用户相关模型前5推荐内容的平均正确率为92.20%,其中第1推荐的平均正确率为77.06%.     

多用户系统下压缩备份的实现

1．问题的提出在XENIX/UNIX系统环境下支行的业务程序，数据备份时数据量一般比较大，动辄就是几张软盘，由于软盘可靠性差，直接使用传统的系统命令进行数据备份，费时、费力、费盘，容易出错。针对这种情况，笔者采用C语言编写了一段实用程序，比较好地解决了这个问题。2．程序设计思路分析造成上述问题的原因，发现问题出在所要备份的数据量上。数据量越大，问题表现得就越突出。为此我们只能在数据量上作文章，采取手段对数据进行压缩，备份时仅备份压缩数据，恢复时系统自动解压缩，整个过程对用户来说都是透明的，业务处理无需任…