混合驅動多維建模方法及其工具的研究與實現.pdf

1、多維建模一直是數據倉庫中一個非常具有挑戰(zhàn)性的問題，也是最基本的問題。多維建模的好壞關系到數據倉庫的健壯性，功能性以及查詢效率等。目前的研究工作往往將用戶的需求和數據源分開表達，缺乏將二者相結合的統一工具。在基于本體的混合驅動建模研究中，多維建模的推理結果仍需要以統計的方式與需求進行匹配。所以，為了協調數據源和需求信息，以及提高多維建模的自動化程度，需要統一的需求-數據源相結合的混合驅動多維建模構建工具。工具需要在建模階段更加精確地表達用

2、戶需求，從而降低本體自動推理算法的復雜度并且提高本體多維推理結果的質量。
　　同時，隨著大數據時代的來臨，數據量的不斷擴大以及查詢請求的復雜化，傳統OLAP系統很難應對如此大規(guī)模數據上的分析處理。目前，MapReduce并行計算框架很難滿足快速OLAP查詢處理，并且，傳統的星型模式中的多表連接問題制約了數據分析速度。因此，大數據下，OLAP分析需要更快速的并行計算框架以及改進的物理存儲模式。
　　因此，本論文針對混合驅動多維

3、建模方法及其工具進行了研究，主要工作包括:
　　(1)在概念建模中，傳統的混合驅動多維建模方法缺乏將需求與數據源信息同時表達的工具，將兩部分分開處理。本文基于本體編輯工具protégé，實現了“用戶友好”的混合驅動建模工具。數據源部分，采用關系數據庫與本體間的模式轉換，實現了關系數據源在本體中的表達。需求信息部分，利用SQL語言清晰的表達能力，更加精確地表達用戶需求，工具支持以拖拽、點擊的方式構建相應需求。
　　(2)在邏輯

4、建模階段，對基于本體的自動多維建模方法進行了改進，不再根據概念間多對一關系的閾值確定多維概念。本文根據概念建模階段構建好的擴展本體，首先分析用戶的需求信息，從用戶需求中的關鍵概念出發(fā)，再在本體中進行多維信息的自動推理。相比于傳統的本體自動多維建模方法，降低了推理算法的復雜度，同時提高了推理結果與用戶需求的相關性。
　　(3)在物理建模部分，針對大數據環(huán)境下的OLAP查詢特性，其往往需要在海量數據上進行快速地復雜運算。并且，在其SQ