基于連續(xù)模式的OLAP查詢?nèi)罩就诰蚣巴扑].pdf

1、數(shù)據(jù)倉庫(Data Warehouse，DW)及商業(yè)智能(Business Intelligence，BI)技術(shù)的快速發(fā)展，使得基于數(shù)據(jù)倉庫的聯(lián)機(jī)分析處理(Online analytical processing，OLAP)工具得到廣泛的應(yīng)用。然而數(shù)據(jù)倉庫復(fù)雜性的提高使用戶通過OLAP瀏覽和分析多維數(shù)據(jù)的過程變得越來越繁瑣。面對海量數(shù)據(jù)，用戶通常不能確定其下一步查詢是什么。
　　 為了提高用戶運(yùn)用OLAP工具進(jìn)行查詢分析的效率，

2、將查詢推薦技術(shù)引入OLAP領(lǐng)域。本文重點研究OLAP領(lǐng)域下的查詢推薦技術(shù)，提出了基于連續(xù)模式的OLAP查詢?nèi)罩就诰蚣巴扑]方法。本文的主要研究工作和貢獻(xiàn)如下：
　　 1)完善了從日志文件中提取用戶操作序列的方法。當(dāng)日志文件中出現(xiàn)后一條查詢語句是前一條查詢語句經(jīng)過多步基本操作形成時，能記錄每一步基本操作，從而為后續(xù)模式挖掘提供準(zhǔn)確的訓(xùn)練數(shù)據(jù)；
　　 2)提出連續(xù)查詢模式挖掘(Continuous Query Pattern

3、Mining，CQPM)算法。通過頻繁模式挖掘，將查詢序列抽象成連續(xù)查詢模式，大幅度減少了冗余查詢序列，提高后續(xù)推薦的效率；
　　 3)提出基于查詢后綴樹的模糊查詢模式匹配(Approximate Query PatternMatching，AQPM)算法。該算法在連續(xù)查詢模式中尋找匹配當(dāng)前查詢序列的下一步有效查詢，減少了搜索過程的復(fù)雜度，提高推薦的準(zhǔn)確度；
　　 4)開發(fā)了帶有推薦功能的OLAP工具。該工具中，本文提出