基于标记图的Web数据模型

本文详细探讨了一种新的Ｗｅｂ数据模型－标记图,给类格的形式化描述。     

基于XML的Web数据模型

在对现有半结构化数据模型分析的基础上,针对这些模型作为Web数据模型的不足,提出一种新的基于XML的Web数据模型——XWDM,它主要解决了Web数据名称异构问题和查询回路问题。     

半结构化数据模型及查询语言

在传统数据库中要求查询处理时数据的结构模式已知且固定。这在ＷＷＷ和异构信息源集成等半结构化数据情形下很难满足。     

半结构化数据模型与面向Internet的数据挖掘技术

随着计算机技术的飞速发展,人们利用信息技术生产和搜集数据的能力在逐步提高,数据库技术被应用于社会各行各业。但是,数据量的不断增加,我们越来越有一种被数据淹没的感觉。如何利用我们所面对的(特别是Internet上的)大量数据,从中发现有用的知识,使它们为企业的业务决策和战略发展服务是业界共同的课题。     

数据仓库的多维数据模型研究

作为数据仓库设计的核心和基础,数据模型的研究直接影响到决策支持技术的发展。该文首先在对OLAP的需要分析基础上,提出了研究数据模型应该满足的六点约束,并分析了现有模型的优缺点。然后,针对这六点约束,引进分维函数建立多维模型视图,利用聚集偏序集族定义维的结构,提出了一种多维数据模型,并给出了以OLAP操作为核心的操作代数。     

扩充的多维数据模型MDB/MDV及其建模技术

如何用高质量的多维数据模型准确描述现实世界中丰富复杂的业务模型,是ＯＬＡＰ技术成功的关键步骤之一。本文在分析了标准多维数据模型的缺陷和不足的基础上,提出了一种扩充维度定义的、建立在多维数据库／多维视图基础上的多维数据模型（ＭＤＢ／ＭＤＶ）,它不仅可以克服原先模型存在的问题,而且有新的功能优势。     

一种数据仓库的多维数据模型

数据模型是数据仓库研究的核心问题之一.很多研究表明,传统数据模型(如实体联系模型和关系模型)不能有效地表示数据仓库的数据结构和语义,也难以有效地支持联机分析处理(on-line analysis processing,简称OLAP).最近,人们提出了几种多维数据模型.但是,这些多维数据模型在表示数据仓库的复杂数据结构和语义以及OLAP操作方面仍显不足.该文以偏序和映射为基础,提出了一种新的多维数据模型.该数据模型能够充分表达数据仓库的复杂数据结构和语义,并提供一个以OLAP操作为核心的操作代数,支持层次结构间的复杂聚集操作序列,能够有效地支持OLAP应用.该数据模型支持聚集函数约束的概念,提供了表示层次结构间聚集函数约束的机制.     

基于XML的数据模型在报表模块上的应用

该文针对商业报表工具和报表模块的不足,提出了一个新的报表模块框架,利用基于XML技术定义的数据模型,在报表功能模块与实际数据源之间建立了一个“中间层”。“中间层”的引入,降低了报表模块与实际数据源的耦合度,提高了报表模块的分析能力和可操作性,也为报表模块与其它应用系统之间实现应用集成和数据集成提供了便利。     

数据仓库的多维数据模型的研究

多维数据模型是数据仓库和联机分析处理研究中的一个重要问题,该文根据电力负荷数据集的特点,提出了一种新模型,解决不同维公用一个底层层次属性,把系统中不完全的低粒度数据集和完全的粗粒度数据集在逻辑上无缝地结合起来支持联机分析处理的问题,这是其他多维数据模型所没有解决的。     

半结构化数据的模式研究综述

1 引言近年来,Internet的飞速发展已经给人类的生活带来了翻天覆地的变化,网络迅速成为一种重要的信息传播和交换的手段。在Internet上,存在着大量的各种形式的数据,如文本文件,HTML文档,各种数据库等,如何快速准确地在网上查找所需的信息,成为一个重要的问题。为了解决这个问题,各种搜索引擎维护了大量网站和网页的索引信息,主要采用关键字匹配的     

空间对象模型用于Web下数据源集成的研究

本文提出一种新的 Web数据模型 -空间对象模型 SOM,给出了形式化描述 .SOM扩展了半结构化对象模型OEM,采用空间类做框架 ,动态插入各种属性类 ,可达到即插即用的效果 ,适合于在 WWW下集成空间数据源 .本文还介绍了属性扩散指令 ,对象字典等技术 ,最后探讨了利用 SOM对空间数据源的进行集成的方法 .SOM可应用于 Web平台的 GIS,AM/ FM等系统的集成 .     

大数据分析的分布式MOLAP技术

大数据的规模效应给数据存储、管理以及数据分析带来了极大的挑战,学界和业界广泛采用分布式文件系统和MapReduce编程模型来应对这一挑战.提出了大数据环境中一种基于Hadoop分布式文件系统（HDFS）和MapReduce编程模型的分布式MOLAP技术,称为DOLAP（distributed OLAP）.DOLAP采用一种特殊的多维模型完成维和度量的映射;采用维编码和遍历算法实现维层次上的上卷下钻操作;采用数据分块和线性化算法将维和度量保存在分布式文件系统中;采用数据块选择算法优化OLAP的性能;采用MapReduce编程模型实现OLAP操作.描述了DOLAP在科学数据分析的应用案例,并与主流的非关系数据库系统进行性能对比.实验结果表明,尽管数据装载性能略显不足,但DOLAP的性能要优于基于HBase,Hive,HadoopDB,OLAP4Cloud等主流非关系数据库系统实现的OLAP性能.     

一种用于工作流的结构化数据模型及应用研究

为了实现工作流中数据信息的层次化表达和管理,本文提出了一种结构化数据模型(SDM)。该模型通过文档信息表(DIF)将工作流的数据信息组织成串行、并行、条件和循环四种可递归定义的数据类型,给出了这些数据类型的数学定义,用树组织和描述文档信息表。本文还研究了通过SDM直接生成复合表单的方法。这种复合表单不仅包含了需要处理的属性数据,还包含了各属性之间的层次关系,使终端用户使用起来直观易懂。     

分析服务组件模型在数据挖掘中的研究与应用

分析服务组件是SQLServer2000中专门用于进行数据挖掘的工具组件,它基于可视化的Windows开发平台。文中讨论了用分析服务组件进行数据挖掘的方法,介绍了用类似SQL的DDL构建了数据挖掘应用的一个实例。     

多维数据模型ER(H)

ER（H）把成员形式化为论域上的概念,成员之间的关系由概念的抽象程度所确定,层是成员的集合,层之间的关系由层中的成员所决定,成员之间的半序关系和层之间的半序关系统一用OEM图表示,采用路径表达式作为查询语言,从而把维抽象为一个半结构化对象,可以作为关系模型中的域．ER（H）给出了一组完整性规则．扩充了关系模型和关系代数,使得能用关系对象模型表示多维数据．ER（H）可以方便地在主流的关系对象数据库上实现,并可以用于XML环境．     

教育数据挖掘研究进展

教育数据挖掘（Educational Data Mining，EDM）是一门涉及计算机科学、教育学、统计学的交叉学科。它致力于探索来自教育环境的独特数据，其目的是更好地了解学生及其学习环境，从而提高教育成效。为了深入分析EDM的研究进展，从Web of Science库相关文献、国内外研究现状对EDM进行了系统性梳理，介绍了EDM的工作流程，把数据挖掘技术在教育领域的应用归纳为4类，对处于快速发展阶段的一些EDM典型案例进行了统计分析并讨论了其不足与发展趋势。     

数据仓库技术在工程管理中的应用研究

以实现建筑工程信息化以及管理科学化为目标,提出利用数据仓库和联机分析处理（On-Line Analytical Processing,OLAP）技术,建立计算机支持的建筑工程智能决策系统。详细介绍建筑工程管理数据仓库建设的步骤方法以及实施成效,满足不同层次和部门的工程管理及技术人员的决策需求,实现科学化决策。