Biomedical Data Warehouses
Jérôme Darmont, Emerson Olivier
本文的目的是提出一个现有的生物医学数据仓库的概述，并讨论在这一领域的问题和未来的趋势。我们说明了这个主题，提出了一个创新的，复杂的数据仓库的设计，个人，预期的医疗。
The aim of this article is to present an overview of the existing biomedical data warehouses and to discuss the issues and future trends in this area. We illustrate this topic by presenting the design of an innovative, complex data warehouse for personal, anticipative medicine.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
Evaluating a healthcare data warehouse for cancer diseases
本文提出了评估的体系结构的医疗保健数据仓库具体到癌症疾病。此数据仓库包含相关癌症医疗信息和患者数据。数据仓库提供所有当前和历史健康数据的来源，以帮助执行经理和医生改进癌症患者的决策过程。基于Bill Inmon对数据仓库的定义，提出了癌症数据仓库的评价模型。
A Conceptual Metadata Framework for Spatial Data Warehouse
元数据代表了数据仓库中存储的数据信息，是构建高效数据仓库的必备要素，元数据有助于数据集成、沿袭、数据质量和将转换后的数据填充到数据仓库中。空间数据仓库基于主要从地理信息系统（GIS）收集的空间数据元数据的设计和部署是数据仓库建设中最关键的阶段，必须将空间信息和数据建模结合起来。本文介绍了一种基于元数据的空间数据建模方法，我们提出了一个整体的元数据框架，驱动空间数据仓库的元数据创建。从理论上讲，该元数据框架提高了对空间数据仓库频繁查询的数据访问效率，即减少了查询的响应时间，并从数据仓库中获取了包括空间信息在内的准确信息。
User Profile-Driven Data Warehouse Summary for Adaptive OLAP Queries
数据仓库是决策支持系统的重要组成部分。它旨在使用户的知识，使更好，更快的日常业务决策。为了改进该决策支持系统并向用户提供越来越多的相关信息，将用户的简档集成到数据仓库过程中的需要变得至关重要。在本文中，我们建议利用用户的喜好为基础，适应OLAP（在线分析处理）查询的用户。为此，我们提出了一种用户简档驱动的数据仓库方法，该方法允许将用户的配置文件由他/她的标识符和他/她的一组偏好组成。我们的方法是基于一个通用的数据仓库架构和一个自适应的OLAP分析系统。我们的主要思想是为每个用户创建一个数据仓库物化视图。当用户第一次定义他/她的配置文件时，该任务离线执行。然后，当用户向数据仓库提交查询时，系统处理他/她的数据仓库物化视图而不是整个数据仓库。换句话说，数据仓库视图通过考虑用户的偏好来为用户概括数据仓库内容。此外，我们正在SQL Server 2005 DBMS（数据库管理系统）下实现我们的数据仓库个性化方法。
Enhancing XML Data Warehouse Query Performance by Fragmentation
XML数据仓库为利用来自多个源的异构数据的决策支持应用程序提供了一个有趣的基础。然而，XML原生数据库系统目前遭受有限的性能方面的可管理的数据量和响应时间复杂的分析查询。分割和分发XML数据仓库（例如，在数据网格上）允许解决这两个问题。在本文中，我们工作的XML仓库碎片。在关系数据仓库中，一些研究建议使用派生的水平碎片。因此，我们建议使其适应XML上下文。我们特别关注维度XML文档的初始水平碎片，并利用两种替代算法。我们通过实验验证我们的建议，并比较这些替代品相对于一个统一的XML仓库模型，我们主张。
Multidimensi Pada Data Warehouse Dengan Menggunakan Rumus Kombinasi
数据仓库中的多维是一种强制性的要求，成为信息传递的最重要的部分，没有多维的数据仓库是不完整的。多维使我们能够以多种不同的方式分析业务度量。多维也是联机分析处理（OLAP）的同义词。
Elaboration d'entrepôts de données complexes
本文研究了决策支持系统中的数据仓库建模问题。我们提供了一个面向对象的数据仓库模型，允许数据仓库描述为相关的，复杂的和临时的数据的中央存储库。该模型集成了仓库对象、环境和仓库类三个概念。每个仓库对象由一个当前状态、几个过去的状态（模拟其详细的演变）和几个存档状态（在摘要形式中模拟其演变）组成。环境概念定义了数据仓库模式中具有显著粒度（属性、类、图）的时态部分。最后，我们提供了五个功能，旨在定义数据仓库的结构和两个功能，允许仓库类继承层次结构的组织。
DWEB: A Data Warehouse Engineering Benchmark
数据仓库体系结构的选择和优化技术对决策支持查询性能至关重要。为了方便这些选择，必须评估所设计的数据仓库的性能。这通常是在基准测试的帮助下完成的，它可以帮助系统用户比较不同系统的性能，或者帮助系统工程师测试各种设计选择的效果。虽然TPC标准决策支持基准解决了第一点，但它们不足以解决第二点，并且无法对不同的数据仓库模式进行建模。相比之下，我们的数据仓库工程基准（DWEB）允许生成各种特定的合成数据仓库和工作负载。DWEB是完全参数化的，以满足数据仓库的设计需要。但是，两个级别的参数化使其相对易于调整。最后，DWEB被实现为一个Java自由软件，可以与大多数现有的关系数据库管理系统。本文还提供了一个使用DWEB的示例。
Architecture of an Open-Sourced, Extensible Data Warehouse Builder: InterBase 6 Data Warehouse Builder (IB-DWB)
本文介绍了一个基于Borland InterBase 6 Open Edition Database Server的开源数据仓库构建器InterBase数据仓库构建器（IB-DWB）的开发。InterBase 6因其低维护和占地面积小而被使用。IB-DWB是模块化设计的，由5个主要组件组成，数据插件平台，发现者平台，多维立方体构建器和查询支持器，由一个内核绑定在一起。它也是一个可扩展的系统，通过数据插件平台和发现者平台成为可能。目前，只能通过动态链接库（DLL）进行扩展。多维立方体构建器代表了数据聚合的基本方法。IB-DWB的体系结构哲学围绕着提供一个可扩展的基础平台，它在功能上由扩展模块支持。IB-DWB目前由sourceforge.net（Unix项目名称：ib-dubble）托管，在GNU通用公共许可证第2版下许可。
Using Data Warehouse to Support Building Strategy or Forecast Business Tend
数据仓库通过其将来自多个信息源的异构数据集成到公共存储空间中以进行查询和分析的能力，在战略决策方面变得越来越重要。因此，它可以演变成一个多层结构，在这种结构中，组织的各个部分将信息从主数据仓库带入它们自己的系统。这些可能包括分析数据库或相关数据集市。随着数据仓库的发展，组织在捕获与客户的所有交互信息方面变得越来越好。数据仓库可以在客户的整个生命周期内跟踪客户交互。
Data Warehouse Success and Strategic Oriented Business Intelligence: A Theoretical Framework
随着数据仓库作为辅助决策工具的激增，组织越来越期待一个完整的数据仓库成功模型，以管理大量不断增长的数据。因此，衡量这些大型项目的成功与否至关重要。虽然一般的IS成功模式已经得到了极大的关注，很少有研究已经进行了评估的成功数据仓库的战略商业智能的目的。本研究所发展之架构包含以下九项测量：供应商与顾问、管理行动、系统品质、资讯品质、数据仓库使用、知觉效用、个人决策影响、组织决策影响及企业策略目标达成。
An Automatic Schema-Instance Approach for Merging Multidimensional Data Warehouses
利用数据仓库对多维数据进行分析是企业决策中的一项重要任务，数据仓库的合并过程包括两个步骤：多维组件的匹配和多维组件的合并。当前的方法没有考虑多维数据仓库的所有特殊性，例如，只合并模式，而不合并实例;或者不利用层次结构和事实表。因此，在本文中，我们提出了一个自动合并方法的星型模式的数据仓库，工作在模式和实例级别。我们还提供了合并层次结构、维度和事实的算法。最后，我们实现了我们的合并算法，并使用合成和基准数据集验证它们。
A Survey of User-Centric Data Warehouses: From Personalization to Recommendation
为OLAP提供定制化的支持给OLAP技术带来了巨大的挑战。站在偏好和数据仓库的十字路口，指出了两个新兴的趋势，即：（i）个性化和（ii）建议。尽管提出了一整套方法，但以用户为中心的数据仓库社区问题尚未得到解决。在本文中，我们绘制了几个以用户为中心的数据仓库建议的概述。本文还讨论了数据仓库的个性化和推荐这两个很有前途的概念。我们比较目前的方法彼此之间的一些标准。
Data warehouse on Manpower Employment for Decision Support System
自从在商业世界中使用计算机以来，由于数据中的可用知识，数据汇集已成为最重要的问题之一;这些数据已存储在数据库中。数据库系统的发展导致了层次和关系数据库的演变，随后是标准查询语言（SQL）。随着数据大小的增加，对更多控制和信息检索的需求也会增加。这些增长导致了数据采掘系统和数据仓库的发展。本文重点讨论了使用数据仓库作为决策支持工具。本文以人力资源管理为例，研究了数据仓库技术在时间和灵活性方面的有效性。最后，对传统关系数据库和数据仓库的使用进行了比较。数据仓库的基本作用是为决策过程提供数据支持。数据仓库环境中的数据是多维数据存储。我们可以简单地说，数据仓库是一个过程，而不是一个产品，用于组装和管理来自各种来源的数据，以获得部分或全部机构的单个详细视图。数据仓库的概念已经改变了决策支持系统的性质，通过增加新的好处来改进和扩展数据的范围、准确性和可访问性。
Real Time Data Warehouse
数据仓库是商业智能的重要组成部分。数据仓库在20世纪80年代初作为一种快速增长的报告和分析技术出现。如今，它几乎已经取代了关系数据库。然而，随着时间的推移，静态的和历史的数据仓库不能产生实时的报告和分析，从而给出了一种方法，出现了实时的数据仓库（RTDW）的想法。虽然，RTDW存在问题，但随着技术的进步和研究人员的关注，RTDW将能够生成实时的报告，分析和预测。
Using Ontologies for the Design of Data Warehouses
获得数据仓库的实现是一项复杂的任务，迫使设计人员获得该领域的广泛知识，因此需要高水平的专业知识，并成为一项容易失败的任务。根据我们的经验，我们发现了在现实项目中遇到的一系列情况，我们相信本体的使用将改进数据仓库设计的几个方面。本文的目的是描述当前数据仓库设计方法的几个缺点，并讨论使用本体来克服这些缺点的好处。这项工作是讨论在数据仓库设计中使用本体的便利性的起点。
Benchmarking data warehouses
数据仓库体系结构的选择和优化技术对决策支持查询性能至关重要。为了方便这些选择，必须评估所设计的数据仓库的性能，通常使用基准。这些工具既可以帮助系统用户比较不同系统的性能，也可以帮助系统工程师测试各种设计选择的效果。虽然事务处理性能委员会的标准基准解决了第一个问题，但它们的可调性不足以解决第二个问题，并且无法对不同的数据仓库模式进行建模。相比之下，我们的数据仓库工程基准（DWEB）允许生成各种特定的合成数据仓库和工作负载。DWEB是作为一个Java自由软件实现的，它可以与大多数现有的关系数据库管理系统接口。DWEB的完整规格，以及我们进行的实验，以说明如何使用我们的基准测试，在本文中提供。
Data Mining-based Fragmentation of XML Data Warehouses
随着XML数据源的增加，人们提出了许多XML数据仓库模型来处理关系型数据仓库无法处理的数据异构性和复杂性。然而，XML原生数据库系统目前在可管理的数据量和响应时间方面的性能有限。分散化有助于解决这两个问题。派生的水平分段通常用于关系数据仓库，并且可以明确地适应XML上下文。然而，由经典算法产生的片段的数量是难以控制的。在本文中，我们提出了一种基于k-均值的碎片化方法，允许通过其$k$参数掌握碎片的数量。通过实验比较了该算法与经典的适用于XML数据仓库的水平分片算法的效率，证明了该算法的优越性。
The technology of using a data warehouse to support decision-making in health care
本文介绍了数据仓库技术在医疗决策中的应用，以及这些技术的支持工具，并将其应用于癌症疾病。医疗保健执行经理和医生需要关于现有健康数据的信息和洞察力，以便在不中断在线事务处理（OLTP）系统的日常工作的情况下更有效地做出决策。这是医疗决策过程中的一个复杂问题。为了解决这个问题，建立医疗保健数据仓库似乎是有效的。本文首先介绍了数据仓库、联机分析处理（OLAP）的概念。然后示出了将数据仓库中的数据更改为多维数据立方体。最后，以一个应用范例说明本研究所开发的癌症疾病医疗保健数据仓库的使用。执行经理和医生可以从多个角度查看数据，减少查询时间，从而更快，更全面地做出决策。
A Join Index for XML Data Warehouses
XML数据仓库为利用复杂数据的决策支持应用程序提供了一个有趣的基础。然而，目前原生XML数据库管理系统（DBMS）的性能有限，有必要研究如何优化它们。在本文中，我们提出了一个新的连接索引，是专门适应XML仓库的多维体系结构。它消除了连接操作，同时保留了原始仓库中包含的信息。理论研究和实验结果表明，我们的连接索引的效率。它们还表明，在存储和分析XML数据时，原生XML DBMS可以与XML兼容的关系DBMS竞争。
Fragmenting very large XML data warehouses via K-means clustering algorithm
由于XML在表示和管理半结构化和复杂多维数据方面的优势，XML数据源在商业智能（BI）和联机分析处理（OLAP）应用中越来越受欢迎。因此，在过去的几年中，许多XML数据仓库模型已经被提出，以便以传统的关系数据仓库方法无法实现的方式来处理多维数据的异构性和复杂性。然而，XML原生数据库系统目前在可管理数据量和查询响应时间方面的性能有限。因此，最近的研究工作将注意力集中在能够克服上述限制的碎裂技术上。派生的水平分片已经在关系数据仓库中使用，并且可以明确地适应XML上下文。然而，经典的分段算法不适合控制原始片段的数量，而原始片段的数量在数据仓库中起着关键作用，并且更重要的是，分布式数据仓库架构。受这一研究挑战的启发，本文提出使用K-means聚类算法来有效地支持超大型XML数据仓库的分片，同时通过适当设置参数K来完全控制和确定原始分片的数量。我们完成了我们的分析贡献，通过一个全面的实验评估，我们提出的XML数据仓库碎片化技术对经典的水平碎片化算法，适用于XML数据仓库的效率进行比较。
Materialized View Selection by Query Clustering in XML Data Warehouses
XML数据仓库为利用复杂数据的决策支持应用程序提供了一个有趣的基础。然而，目前原生XML数据库管理系统的性能有限，有必要设计策略来优化它们。在本文中，我们提出了一个自动化的策略，选择XML物化视图，利用数据采掘技术，更准确地说，聚类的查询工作量。为了验证我们的策略，我们实现了一个按照XCube规范建模的XML仓库。我们在这个仓库上执行了一个XQuery决策支持查询的工作负载，使用和不使用我们的策略。我们的实验结果表明，它的效率，即使查询是复杂的。
Benchmarking Summarizability Processing in XML Warehouses with Complex Hierarchies
商业智能在决策中起着重要的作用。基于数据仓库和联机分析处理，可以使用商业智能工具来分析复杂的数据。尽管如此，数据仓库中的可汇总性问题导致无效的分析，这可能成为企业的关键问题。为了解决这个问题，许多研究人员研究并提出了各种解决方案，包括关系数据仓库和XML数据仓库。然而，他们发现难以评价其建议的执行情况，因为现有的基准缺乏复杂的层次结构。为了有助于概括性分析，本文提出了一个扩展的XML仓库基准（XWeB）与复杂的层次结构。该基准测试使我们能够生成具有可伸缩的复杂层次结构和可概括性处理的XML数据仓库。我们的实验证明，复杂的层次结构肯定可以包含到一个基准数据集，我们的基准能够比较两种替代方法处理可概括性问题。
Dynamic index selection in data warehouses
在数据仓库上定义的分析查询非常复杂，并且使用了几个代价非常高的连接操作，特别是在非常大的数据量上运行时。为了缩短响应时间，数据仓库管理员通常会使用索引技术。然而，这一任务是复杂而艰巨的。在本文中，我们提出了一个自动的，动态的索引选择方法的数据仓库，是基于增量频繁项集挖掘从一个给定的查询工作量。这种方法的主要优点是，它有助于在工作负载发生变化时更新所选索引集，而不是从头开始重新创建。初步的实验结果表明，这种方法的效率，无论是在性能增强和开销。
Query Performance Optimization in XML Data Warehouses
XML数据仓库为利用复杂数据的决策支持应用程序提供了一个有趣的基础。然而，目前原生XML数据库管理系统（DBMS）的性能有限，有必要研究如何优化它们。在本章中，我们将介绍两种这样的技术。首先，我们提出了一个连接索引，是专门适应XML仓库的多维体系结构。它消除了连接操作，同时保留了原始仓库中包含的信息。其次，我们提出了一个策略，选择XML物化视图聚类的查询工作量。为了验证这些建议，我们测量的响应时间的一组决策支持XML数据仓库，使用和不使用我们的优化技术。我们的实验结果证明了它们的效率，即使当查询是复杂的，数据是大量的。
Internal Data Imputation in Data Warehouse Dimensions
在多维数据仓库中，缺失值是一种常见的现象.它们可能会产生数据有用性的问题，因为在多维数据仓库上执行的分析是通过具有层次结构的不同维度进行的，在层次结构中，我们可以向上滚动或向下钻取不同的分析参数。因此，为了进行更好的分析，必须完成这些缺失值。现有的数据插补方法适用于数值型数据，因此它们可以应用于事实表，但不能应用于维表。其他一些数据插补方法需要额外的时间和精力成本。因此，本文提出了一种基于现有数据，考虑维内和维间关系的多维数据仓库内部数据填充方法。
XWeB: the XML Warehouse Benchmark
随着XML作为表示业务数据的标准的出现，新的决策支持应用程序正在开发中。这些XML数据仓库旨在支持处理不规则XML数据的联机分析处理（OLAP）操作。为了确保这些新工具的可行性，必须解决重要的性能问题。业绩通常是在基准的帮助下评估的。然而，决策支持基准目前不支持XML特性。在本文中，我们介绍了XML仓库基准（XWeB），其目的是填补这一空白。XWeB源自关系决策支持基准TPC-H。它主要由一个测试数据仓库及其相关的XQuery决策支持工作负载组成，该仓库基于XML仓库的统一参考模型，具有XML特定的结构。XWebB的使用说明了几个XML数据库管理系统的实验。
Estudo de Viabilidade de uma Plataforma de Baixo Custo para Data Warehouse
在竞争激烈的市场中，企业通常需要工具来改善决策。这些工具一般都是基于数据仓库平台来管理和分析大量的数据。然而，由于成本高昂，其中一些公司没有足够的资源购买此类平台。本文致力于一个低成本的数据仓库平台的可行性研究。我们认为使用开源软件，如PostgreSQL数据库系统和GNU/Linux操作系统是一个低成本的平台。我们通过执行两个模拟数据仓库工作负载的基准测试来验证该平台的可行性。该工作负载通过执行复杂查询来再现多用户环境，这些查询执行：聚合、嵌套子查询、多连接、内联视图等。考虑到结果，我们能够突出PostgreSQL数据库系统上的一些问题，并讨论在数据仓库的上下文中的改进。
Tata Kelola Database Perguruan Tinggi Yang Optimal Dengan Data Warehouse
新的高等教育机构的出现创造了高等教育市场的竞争，而数据仓库可以作为提高高等教育市场竞争力的有效技术工具。数据仓库在短时间内为机构的高层管理人员生成可靠的报告，以便更快更好地做出决策，不仅是增加学生的入学人数，而且还可以为机构找到特殊的非常规资金。效率比较基于OLTP数据库和数据仓库上处理的记录的长度和数量、处理的总字节、处理的表的数量、运行查询的时间和产生的记录。通过百分比增长公式计算效率百分比，平均效率百分比为461.801.04%，表明使用数据仓库比使用OLTP数据库更强大和高效。数据仓库是基于超立方体的数据仓库模型，超立方体是由有限的高需求的报告，通常被高层管理人员使用。在每个事实和维度表中，将插入表示加载建设性合并的字段，其中ETL（提取，转换和加载）过程基于旧文件和新文件运行。
Index and Materialized View Selection in Data Warehouses
本文的目的是提出一个国家的最先进的索引和物化视图选择方法的主要家庭的概述，并讨论了数据仓库性能优化的问题和未来的趋势。我们特别关注我们开发的基于数据采掘的算法，以降低选择问题的复杂性，并以最相关的候选索引和物化视图为目标。
An Approach to Handle Big Data Warehouse Evolution
大数据系统的目的之一是支持从异构数据源收集的数据的分析。由于数据仓库已经被用于实现相同的目标几十年，它们也可以被利用来提供对存储在大数据系统中的数据的分析。如何使数据仓库的数据和模式适应这些需求和数据源的变化，这一问题已经被世界范围内的许多研究人员所研究。然而，还必须开发创新方法来支持用于分析存储在大数据系统中的数据的数据仓库的发展。在本文中，我们提出了一个数据仓库架构，允许执行不同类型的分析任务，包括OLAP类分析，从多个异构数据源加载的大数据具有不同的延迟，并能够处理数据源的变化，以及不断变化的分析需求。该体系结构的操作高度依赖于本文中概述的元数据。
Automatic Selection of Bitmap Join Indexes in Data Warehouses
在数据仓库上定义的查询是复杂的，并且使用多个连接操作，这导致昂贵的计算成本。当查询访问非常大量的数据时，这种成本变得更加高昂。为了缩短响应时间，数据仓库管理员通常使用星型连接索引或位图连接索引等索引技术。然而，这一任务是复杂而艰巨的。我们的解决方案是在数据仓库自动管理领域。在这个框架中，我们提出了一个自动索引选择策略。我们利用一个数据采掘技术，更准确地说，频繁项集挖掘，以确定一组候选索引从一个给定的工作量。然后，我们提出了几个成本模型，允许创建一个由提供最佳利润的指数组成的指数配置。这些模型评估使用位图连接索引访问数据的成本，以及更新和存储这些索引的成本。
Building a health care data warehouse for cancer diseases
本文提出了一种针对癌症疾病的医疗保健数据仓库的体系结构，它可以被行政管理人员、医生、内科医生和其他卫生专业人员用来支持医疗保健过程。当今的数据以不同的格式存在于多个数据源中，这就需要一些数据集成技术。执行经理需要访问信息，以便决策者能够实时的对不断变化的需求做出反应。信息是组织成功的最重要因素之一，执行经理或医生在决策过程中需要根据他们的决策。因此，需要一个医疗保健数据仓库来将不同的数据源集成到一个中央数据存储库中并分析这些数据。
Relational Databases Ingestion into a NoSQL Data Warehouse
企业的数字化转型导致了数据库向大数据的演变。我们的工作是这种情况下的一部分，更具体地说，涉及的机制，提取存储在数据湖的数据集，并存储在一个数据仓库的数据。后者将允许第二次进行决策分析。在本文中，我们提出的抽取机制限于关系数据库。为了自动化这个过程，我们使用了模型驱动架构（MDA），它为模式转换提供了一个形式化的环境。从描述数据湖的物理模式，我们提出了转换规则，允许创建一个数据仓库存储在面向文档的NoSQL系统。已在医学应用上进行了转换过程的实验。
eDWaaS: A Scalable Educational Data Warehouse as a Service
高校管理一直处于不断创新政策以提高服务质量的过程中。学生的智力发展，大学的受欢迎程度是管理层努力改进的一些主要领域。作出任何决定都需要相关的历史数据。此外，近年来，向各种大学排名框架提供数据是一项频繁的活动。这种要求的格式经常变化，这需要有效的人工努力。维护数据仓库可以解决这个问题。然而，内部和外包的专用数据仓库的实施可能不是一个具有成本效益和智能的解决方案。这项工作提出了一个教育数据仓库作为一个服务（eDWaaS）模型来存储多所大学的历史数据。建议的多租户模式有利于大学维护他们的数据仓库在一个具有成本效益的解决方案。它还解决了实现这种数据仓库即服务模型时的可伸缩性问题。
Building a Data Warehouse for National Social Security Fund of the Republic of Tunisia
考虑到网络可用性、低成本存储和应用程序的多样性，决策者可用的数据量越来越重要。为了最大限度地发挥这些数据在突尼斯国家社会保障基金内的潜力，我们建立了一个数据仓库，作为一个多层面的数据库，经过清理、同质化、历史化和合并。我们使用Oracle Warehouse Builder通过应用KDD过程来提取、转换和加载源数据到数据仓库中。我们已经实现了数据仓库作为一个Oracle OLAP。知识提取是使用Oracle Discoverer工具进行的。这使用户能够最大限度地利用知识作为定期报告或临时查询。我们首先实施了这一公共机构的主要课题，即对被保险人的流动情况进行统计。这项工作完成后取得的巨大成功鼓励了全国社保基金在全国社保基金内完成其他感兴趣的专题。我们建议在不久的将来使用多维数据采掘来提取隐藏的知识，不能预测的OLAP。
Mobile Information Collectors' Trajectory Data Warehouse Design
为了分析涉及移动对象的复杂现象，轨迹数据仓库（TDW）似乎是与各种职业（医生，商业代表，运输，生态学家.）相关的许多最近的决策问题的答案。关注流动性。本工作的目的是使轨迹作为一个第一类的概念，在轨迹数据的概念模型和设计TDW，其中所产生的移动信息收集器的轨迹的数据。这些数据将根据轨迹特征进行分析，用于决策目的，例如新产品商业化，新商业实施等。
A Data Warehouse Design for a Typical University Information System
目前，大型企业依靠数据库系统来管理他们的数据和信息。这些数据库对进行日常业务交易很有用。然而，市场上的激烈竞争导致了数据采掘的概念，在数据挖掘中，分析数据以得出有效的商业策略并发现更好的开展业务的方法。为了进行数据采掘，必须将常规数据库转换为信息数据库，也称为数据仓库。本文以一个典型的高校信息系统为例，提出了一种数据仓库的设计模型。它基于将操作数据库转换为信息仓库，可供决策者进行数据分析，预测和预测。该模型基于数据迁移的四个阶段：数据提取、数据清洗、数据转换、数据索引和加载。整个系统在MS Access 2010下实施，旨在作为数据采掘操作的数据储存库。
Ontology based data warehouses federation management system
数据仓库是当今各种竞争系统的重要组成部分，是商业智能的主要基础之一。我们甚至可以说，许多公司正在攀登到一个新的水平，并使用一组数据仓库来提供完整的信息，或者它通常是由于两个或多个公司的融合。这些数据仓库可以是异构的，并且在地理上是分离的，这种结构就是我们所说的联邦，即使这些组件在物理上是分离的，它们在逻辑上也被看作是一个单独的组件。通常，这些项目是异构的，这使得难以创建逻辑联邦模式，并且用户查询的执行是复杂的任务。在本文中，我们将填补这一空白，提出了一个现有的算法扩展，以处理不同的模式类型（星，雪flack），包括处理层次结构维使用本体
Semantic Data Warehouse Modelling for Trajectories
在时空域中的移动对象的轨迹模式在从移动生成的数据的管理方面提供了不同的信息。轨迹数据仓库是用于轨迹对象及其相关联的空间对象在定义的时间段内的数据和信息的数据储存库。来自数据仓库的轨迹对象的查询结果通常不足以回答某些趋势行为和有意义的推断，而没有轨迹对象或特定目的或上下文内的地理空间环境的相关联的语义信息。本文提出并设计了一个通用的本体建模框架，作为设计轨迹语义数据仓库的后台模型平台。该语义轨迹数据仓库可适用于任意时空应用领域的轨迹数据处理和分析。该方法支持更高粒度的数据作为预处理和转换的ETL数据的结果，以便为底层轨迹数据提供有效的语义推理。此外，该方法概述了作为必要的实体提取语义信息的主题方面。此外，建模方法提供了一个设计平台，有效的预测趋势分析和知识发现的轨迹动力学和数据处理的移动对象。
Data Warehouse Benchmarking with DWEB
性能评估是数据库管理系统（DBMS）设计者和用户关心的一个重要问题。性能通常通过软件基准来评估，这些基准有助于，例如，测试架构选择、比较不同的技术或调整系统。在数据仓库和联机分析处理（OLAP）的特定环境中，尽管事务处理性能委员会（TPC）旨在发布标准的决策支持基准，但实际上很少有基准。我们在本章中介绍了数据仓库工程基准（DWEB），它允许生成各种特定的合成数据仓库和工作负载。DWEB是完全参数化的，以满足各种数据仓库的设计需要。但是，两个级别的参数化使其相对易于调整。我们还通过介绍其新的提取，转换和加载（ETL）功能以及新的执行协议来扩展我们以前在DWEB上的工作。DWEB的Java实现可以在线免费获得，它可以与大多数现有的关系DMBS接口。据我们所知，DWEB是数据仓库唯一容易获得的最新基准。
Construction graphique d'entrepôts et de magasins de données
决策系统已成为数据库领域的一个重要研究课题。数据仓库和数据集市是这种系统的主要组成部分。本文介绍了我们的决策支持系统。我们提出的图形界面，帮助管理员建立数据仓库和数据集市。提出了一种基于面向对象概念模型的数据仓库构建接口。该模型允许在三个级别上对仓库数据进行历史记录：属性、类和环境。此外，我们提出了一个数据集市建设接口，允许仓库数据进行重组，通过一个多维的面向对象的模型。
Modélisation et manipulation de données historisées et archivées dans un entrepôt orienté objet
本文讨论了面向时态和归档对象的数据仓库建模和查询。在第一步中，我们定义了一个数据模型，将仓库描述为从一个信息源中提取的复杂和时态数据的中央存储库。该模型基于仓库对象和环境的概念。仓库对象由一个当前状态、几个过去状态（建模值更改）和几个存档状态（总结一些值更改）组成。环境根据相关粒度（属性、类或图）定义仓库模式中的时态部分。在第二步中，我们提供专用于数据仓库的查询代数。该代数以公共对象代数为基础，集成了时态算子和查询对象状态的算子。另一个重要的贡献涉及专门的运营商，允许用户转换仓库对象的时间序列，以及运营商促进分析处理。
SODA: Generating SQL for Business Users
数据仓库的目的是使业务分析师能够做出更好的决策。多年来，技术已经成熟，数据仓库已经非常成功。因此，越来越多的数据被添加到数据仓库中，并且它们的模式变得越来越复杂。这些系统仍然工作得很好，以生成预先录制的报告。然而，由于它们目前的复杂性，它们往往不适合那些不精通技术的业务分析师，因为他们需要对没有预料到的特定查询的答案。本文介绍了SODA系统（Search over数据仓库）的设计、实现和经验。SODA弥合了分析师的业务需求与当前数据仓库的技术复杂性之间的差距。SODA通过获取业务用户的关键字查询并自动生成可执行的SQL，为数据仓库提供类似Google的搜索体验。其关键思想是使用一种图形模式匹配算法，该算法使用数据仓库的元数据模型。我们的研究结果表明，SODA产生的查询具有很高的精度和召回率，并使业务用户更容易交互式地探索高度复杂的数据仓库。
A Distributed Spatial Data Warehouse for AIS Data (DIPAAL)
本文提出了一种用于AIS数据的分布式空间数据仓库，通过空间划分和栅格查询方法提升大规模船舶轨迹分析效率。
Von Data Warehouse bis Data Mesh: Ein Wegweiser durch den Dschungel analytischer Datenarchitekturen
数据仓库、数据湖、数据湖房、数据网格.分析数据体系结构的许多新名称目前正在流行。但是，各种方法真的如此不同吗？本文尝试以DAMA-DMBOK和ArchiMate为基础，对不同的体系结构范式进行结构化比较。差异，相似性和依赖关系，以及重叠的建筑构件的工作和说明。这将为相应用例选择正确的分析数据架构提供第一个方向指南。--数据仓库、数据湖、数据湖屋、数据网格. In der Szene kursieren derzeit viele neue Namen für analytische Datenarchitekturen.这些不同的回答是如此的令人惊讶吗？本文介绍了一种基于DAMA-DMBOK和ArchiMate的建筑设计方法。这是一个非常复杂的过程，它的设计和建造都非常复杂，并且非常出色。Daraus entsteht eine erste Orientierungshilfe für die Wahl der richtigen analytischen Datenarchitektur für den jeweiligen Anwendungsfall.
Data Warehouse Design for Multiple Source Forest Inventory Management and Image Processing
本研究开发了整合多源林业数据的原型数据仓库，支持长期监测管理，可转换数据为ML/DL模型输入，首次整合无人机影像与纸质记录并在YOLOv11测试，提升了地面真实数据和模型性能。
A Data Warehouse Assistant Design System Based on Clover Model
数据仓库（DW）在决策过程中起着至关重要的作用。然而，它们的设计仍然是一个非常微妙和困难的任务，无论是专家还是用户。本文的目标是提出一种新的方法，旨在帮助用户设计数据仓库的三叶草模型的基础上。所提出的方法基于两个主要步骤。第一个目标是指导用户选择数据仓库模式模型。第二个目的是通过提供给设计师有关以前成功的数据仓库设计经验的意见，最终确定所选择的模型。
Data Mining-based Materialized View and Index Selection in Data Warehouses
物化视图和索引是在数据仓库中偶尔使用的用于加速数据访问的物理结构。然而，这些数据结构产生一些维护开销。它们也共享相同的存储空间。现有的关于物化视图和索引选择的研究大多是单独考虑这些结构的。本文采用相反的观点，将物化视图和索引选择结合起来，考虑视图和索引的交互，实现高效的存储空间共享。通过数据采掘过程选择候选物化视图和索引。我们还利用成本模型，评估索引和视图物化各自的好处，并帮助选择一个相关的配置的索引和物化视图的候选人。实验结果表明，我们的策略性能优于独立选择的物化视图和索引。
S4: A New Secure Scheme for Enforcing Privacy in Cloud Data Warehouses
由于现收现付的模式，将数据外包到云中变得流行起来。然而，这种做法引起了隐私问题。实现数据隐私的传统方法是在外包之前加密敏感数据。当数据被加密时，必须在安全性和高效的查询处理之间进行权衡。现有的采用多种加密方案的解决方案在数据存储和查询性能方面引入了沉重的开销，并且不适合云数据仓库。在本文中，我们提出了一个有效的加性加密方案（S4）的基础上Shamir的秘密共享的安全数据仓库在云中。S4解决了现有方法的缺点，减少了开销，同时仍然执行良好的数据隐私。实验结果表明，S4的效率在计算和存储开销方面与现有的解决方案。
A Survey on Data Warehouse Evolution
数据仓库（DW）技术的发展是为了集成异构信息源进行分析。信息源越来越自治，并且它们经常由于永久事务（数据变化）而改变其内容，并且可能由于持续的用户需求演变（模式变化）而改变其结构。正确处理所有类型的变化是必须的。事实上，作为现代决策支持系统核心组成部分的数据仓库，必须根据信息源的不同演化类型进行更新，以反映现实世界的分析对象。本文的目标是提出一个概述和比较研究不同的工作相关的数据仓库进化问题。
Structuring Business Metadata in Data Warehouse Systems for Effective Business Support
当今的大型组织正由不同类型的数据处理和信息系统提供服务，从操作（OLTP）系统、数据仓库系统到数据采掘和商业智能应用程序。重要的是要创建一个集成的存储库，存储这些系统包含的内容和功能，以便共同有效地使用它们。存储库包含源系统的元数据、数据仓库以及业务元数据。决策支持和业务分析需要对业务实体、任务、规则和环境有广泛而深入的了解。业务元数据的目的就是提供这种理解。认识到元数据的重要性，许多标准化工作已经开始定义元数据模型。在尝试为银行应用程序定义集成的元数据和信息系统时，我们发现了业务元数据建议的一些重要限制或不足之处。它们涉及在元数据和数据之间提供综合和灵活的互操作性和导航，以及系统地处理元数据本身的时间特征和演变这一重要问题。在本文中，我们研究的问题，结构化业务元数据，使它可以提供一个上下文的业务管理和决策支持时，与数据仓库集成。我们定义了面向时态对象的业务元数据模型，并将其与技术元数据和数据仓库联系起来。我们还定义了访问和导航元数据与数据的方式。
Les index pour les entrepôts de données : comparaison entre index arbre-B et Bitmap
随着决策系统特别是数据仓库的发展，数据仓库设计在其创建之前的可见性变得至关重要，并且由于数据仓库被认为是赋予决策意义的唯一数据源的重要性。在决策系统中，数据仓库的正常运行一方面取决于中间件工具ETC步骤的平稳运行，另一方面取决于通过数据采掘、报告解决方案、仪表板等的恢复步骤。等其他。通过这些阶段的大量数据需要一个高效的决策系统的最佳设计，而不忽视为数据仓库实施引入的技术的选择，例如：数据库管理系统，服务器操作系统的类型，物理服务器架构（例如64位），这可能是该系统的优势性能。数据仓库的设计者要考虑数据查询的有效性，这取决于相关索引的选择及其与物化视图的结合，注意索引的选择是一个NP完全问题，因为索引的数量在数据库中的属性总数中是呈指数关系的，所以，在数据仓库设计时，适合此数据仓库的索引类型。本文对B树索引类型和位图索引类型进行了比较研究，分析了它们的优缺点，并通过一个实际的实验表明位图索引类型比B树索引类型更有优势。
PDM based I-SOAS Data Warehouse Design
本文简要介绍了产品数据管理在任何组织的技术和管理数据管理的工业贡献。然后针对目前PDM系统中存在的一些主要问题，即静态搜索和非智能搜索、系统平台无关性和PDM系统的成功实现，简要介绍了一种基于语义的解决方案I-SOAS。本文主要介绍和讨论I-SOAS在任何组织的技术和系统数据管理中的贡献。
Clustering-Based Materialized View Selection in Data Warehouses
物化视图选择是一项重要的任务。因此，必须降低其复杂性。明智地选择视图必须是成本驱动的，并受到系统工作量的影响。在本文中，我们提出了一个框架，利用数据采掘技术（聚类）的物化视图选择，以确定集群的类似查询。我们还提出了一个视图合并算法，建立一组候选视图，以及一个贪婪的过程中选择一组视图来实现。此选择基于成本模型，该模型评估使用视图访问数据的成本和存储这些视图的成本。为了验证我们的策略，我们在一个测试数据仓库上执行了一个决策支持查询的工作负载，使用和不使用我们的策略。我们的实验结果表明，它的效率，即使在存储空间是有限的。
A Complex Data Warehouse for Personalized, Anticipative Medicine
随着新技术的日益普及，医疗保健正在发生重大变化。医学信息化需要开发医疗决策支持系统，需要对各种异构数据进行分析，如病历、医学影像、生物学分析结果等。本文提出了高水平运动员复杂数据仓库的设计。它在两个方面是原创的。首先，它旨在存储复杂的医疗数据。第二，它的设计允许创新的和完全不同的分析，以支持：（1）个性化和预期的药物（相对于治疗药物），为明确的患者;（2）宽带统计研究，在一个给定的人口的患者。此外，该系统包括与若干医学领域有关的数据。它还被设计为渐进式的，以考虑到医学研究的未来进展。
Web data modeling for integration in data warehouses
在数据仓库过程中，数据准备阶段至关重要。掌握这个阶段可以在执行多维分析或使用数据采掘算法时在时间和性能方面获得实质性的收益。此外，数据仓库可能需要外部数据。在这种情况下，网络是一个普遍的数据源，但在这种介质上广播的数据是非常异构的。在本文中，我们提出了一个复杂的对象表示任何有用的数据源（数据库，纯文本，HTML和XML文档，图像，声音，视频剪辑的超类UML概念模型。转换为逻辑模型是通过XML实现的，它有助于将所有这些不同的异构数据集成到统一的格式中，并且其模式定义在我们的数据仓库环境中提供了一流的元数据。此外，我们受益于XML的灵活性、可扩展性和半结构化数据模型的丰富性，但是如果需要更多的结构化，我们仍然能够在以后将XML文档映射到数据库中。
An Architecture Framework for Complex Data Warehouses
如今，许多决策支持应用程序需要利用的数据，不仅是数字或符号，而且是多媒体，多结构，多媒体，多模态，和/或多版本。我们称这种数据为复杂数据。管理和分析复杂的数据涉及到许多关于其结构，存储和处理的不同问题，而元数据是所有这些过程中的关键元素。这样的问题已经由经典的数据仓库（即，适用于“简单”数据）。然而，数据仓库方法需要适应复杂的数据。在本文中，我们首先提出了一个精确的，但开放的复杂数据的定义。然后，我们提出了一个通用的体系结构框架仓库复杂的数据。这种体系结构严重依赖于元数据和与领域相关的知识，并依赖于XML语言，XML语言有助于存储数据、元数据和特定于领域的知识，并促进各种仓储过程之间的通信。
fVSS: A New Secure and Cost-Efficient Scheme for Cloud Data Warehouses
云商业智能是一个越来越受欢迎的选择，可以通过弹性的按使用付费的资源提供决策支持功能。然而，数据安全问题是处理敏感数据时的首要问题之一。本文提出了一种基于灵活可验证秘密共享的云数据仓库安全保护新方法fVSS。秘密共享在多个云服务提供商之间加密和分发数据，从而加强数据隐私和可用性。fVSS解决了现有的基于秘密共享的方法中的四个缺点。首先，它允许在某些服务提供者出现故障时刷新数据仓库。其次，它允许在线分析处理。第三，它在内部和外部签名的帮助下加强数据完整性。第四，它通过平衡服务提供商之间的负载来帮助用户控制云仓库的成本。为了说明fVSS的效率，我们将其与现有的基于秘密共享的方法在安全功能、查询能力以及数据存储和计算成本方面进行了彻底比较。
Distributed Heterogeneous Relational Data Warehouse In A Grid Environment
本文探讨了如何“分布式异构关系数据仓库“可以集成在一个网格环境中，将提供物理学家有效地访问大型和小型的对象集合从数据库在多个站点。本文探讨了网格使这样一个仓库的要求，并探讨了如何满足这些要求扩展现有的网格中间件。我们提出了初步的结果，这种工作原型仓库使用SQLServer和Oracle9i，网格启用的Web服务接口，使它更容易为Web应用程序安全地访问分布式数据库的内容。在原型成功的基础上，我们提出了一个通过Web服务接口使用异构关系型数据仓库的框架，为用户创建一个单一的“虚拟数据库系统”。以这种方式透明地访问数据的能力，如原型所示，对于希望整理和分析分布在网格上的信息的HENP和其他网格用户来说，可能是一个非常强大的工具。
WarpGate: A Semantic Join Discovery System for Cloud Data Warehouses
数据发现是企业数据分析中的一个主要挑战：用户通常很难找到与其分析目标相关的数据，甚至很难在数据源之间导航数据，每个数据源都可能包含数千个表。一个常见的用户需求是发现可与给定表连接的表。这种需求特别重要，因为连接是数据分析中无处不在的操作，而连接路径对用户来说大多是模糊的，特别是在数据库之间。此外，用户通常对找到“语义上”可连接的表感兴趣：即使列在数据存储中当前表示为不可连接，也可以将其转换为可连接的列。我们提出了WarpGate，一个系统原型的数据发现云数据仓库。WarpGate实现了一个基于嵌入的语义连接发现解决方案，它将列编码到高维向量空间中，以便可连接的列映射到彼此靠近的点。通过几个表语料库的实验，我们表明，WarpGate（i）捕获表之间的语义关系，特别是那些跨数据库，（ii）是样本效率，从而可扩展到非常大的表的数百万行。我们还展示了WarpGate在云数据分析企业产品中的应用。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈
发表机构由 AI 从论文文本抽取，如发现错误，欢迎反馈修正建议。