數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘

第1章  緒論    1
1.1  企業(yè)用戶關(guān)心的新問(wèn)題    1
1.2  解決問(wèn)題的一項(xiàng)新技術(shù)——數(shù)據(jù)倉(cāng)庫(kù)    2
1.3  數(shù)據(jù)倉(cāng)庫(kù)的商業(yè)應(yīng)用    3
1.4  數(shù)據(jù)倉(cāng)庫(kù)與信息管理    4
1.5  信息管理的新問(wèn)題催生數(shù)據(jù)挖掘    6
1.6  數(shù)據(jù)挖掘與信息管理    7
1.7  數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘    9
1.8  數(shù)據(jù)倉(cāng)庫(kù)與非結(jié)構(gòu)化數(shù)據(jù)的管理    10
1.9  數(shù)據(jù)倉(cāng)庫(kù)與傳統(tǒng)數(shù)據(jù)庫(kù)長(zhǎng)期共存    11
第2章  數(shù)據(jù)倉(cāng)庫(kù)概述    13
2.1  從傳統(tǒng)數(shù)據(jù)庫(kù)到數(shù)據(jù)倉(cāng)庫(kù)    13
2.1.1  傳統(tǒng)數(shù)據(jù)庫(kù)的不足    13
2.1.2  數(shù)據(jù)倉(cāng)庫(kù)與傳統(tǒng)數(shù)據(jù)庫(kù)的區(qū)別    16
2.2  數(shù)據(jù)倉(cāng)庫(kù)的基本概念    17
2.2.1  外部數(shù)據(jù)源    18
2.2.2  數(shù)據(jù)抽取    18
2.2.3  抽取存儲(chǔ)區(qū)    18
2.2.4  數(shù)據(jù)清洗    18
2.2.5  數(shù)據(jù)轉(zhuǎn)換    19
2.2.6  元數(shù)據(jù)    20
2.2.7  數(shù)據(jù)集市    21
2.3  數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)    22
2.3.1  數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的三個(gè)層次    22
2.3.2  數(shù)據(jù)倉(cāng)庫(kù)的構(gòu)造模式    24
2.4  數(shù)據(jù)倉(cāng)庫(kù)的特點(diǎn)    25
2.4.1  面向主題    26
2.4.2  數(shù)據(jù)的集成性    27
2.4.3  數(shù)據(jù)的非易失性    28
2.4.4  數(shù)據(jù)的時(shí)變性    28
2.5  數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)組織    28
2.5.1  數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)綜合    29
2.5.2  數(shù)據(jù)倉(cāng)庫(kù)中的時(shí)間分割    30
2.5.3  數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)組織    32
第3章  數(shù)據(jù)倉(cāng)庫(kù)中的模型    34
3.1  數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)模型概述    34
3.2  數(shù)據(jù)倉(cāng)庫(kù)的概念模型    36
3.2.1  企業(yè)模型的建立    36
3.2.2  數(shù)據(jù)模型的規(guī)范    37
3.2.3  常見(jiàn)的概念模型    40
3.3  邏輯模型與物理模型    41
3.3.1  邏輯數(shù)據(jù)模型的特點(diǎn)    42
3.3.2  物理模型的設(shè)計(jì)要點(diǎn)    43
3.3.3  事實(shí)表的設(shè)計(jì)    44
3.3.4  維度表的設(shè)計(jì)    45
3.3.5  物理模型的設(shè)計(jì)對(duì)數(shù)據(jù)倉(cāng)庫(kù)性能的影響    46
3.4  元數(shù)據(jù)模型    47
3.4.1  元數(shù)據(jù)的類型    48
3.4.2  元數(shù)據(jù)的作用    49
3.4.3  元數(shù)據(jù)的收集與維護(hù)    50
3.4.4  元數(shù)據(jù)的使用    52
3.5  數(shù)據(jù)倉(cāng)庫(kù)的粒度模型    53
3.5.1  粒度的劃分    54
3.5.2  粒度級(jí)別的確定    54
第4章  OLAP技術(shù)    56
4.1  OLAP概述    56
4.1.1  OLAP的發(fā)展歷程與特點(diǎn)    56
4.1.2  OLAP的基本概念    57
4.1.3  OLAP分析的基本操作    60
4.1.4  OLAP與OLTP的比較    63
4.2  OLAP的評(píng)價(jià)標(biāo)準(zhǔn)    64
4.2.1  評(píng)價(jià)OLAP的十二條準(zhǔn)則    64
4.2.2  對(duì)OLAP評(píng)價(jià)標(biāo)準(zhǔn)的補(bǔ)充    67
4.3  基于多維數(shù)據(jù)庫(kù)的OLAP    67
4.3.1  多維數(shù)據(jù)庫(kù)    67
4.3.2  MDDB數(shù)據(jù)中的時(shí)間序列    69
4.3.3  MDDB的數(shù)據(jù)存儲(chǔ)與讀取    70
4.4  基于RDBMS的OLAP    71
4.4.1  多維數(shù)據(jù)在RDBMS中的記錄    72
4.4.2  星形結(jié)構(gòu)的存儲(chǔ)實(shí)現(xiàn)    73
4.4.3  MOLAP與ROLAP的比較    75
4.5  OLAP的前端展現(xiàn)    77
4.5.1  OLAP系統(tǒng)的結(jié)構(gòu)    77
4.5.2  OLAP結(jié)果的展現(xiàn)方法    79
第5章  數(shù)據(jù)倉(cāng)庫(kù)的開(kāi)發(fā)實(shí)例    81
5.1  SQL Server簡(jiǎn)介    81
5.1.1  SQL Server所提供的數(shù)據(jù)倉(cāng)庫(kù)功能    81
5.1.2  SQL Server的安裝    81
5.1.3  Analysis Service窗口的打開(kāi)與使用    85
5.2  SQL Server中創(chuàng)建數(shù)據(jù)倉(cāng)庫(kù)的準(zhǔn)備工作    86
5.2.1  SQL Server中數(shù)據(jù)庫(kù)與表的創(chuàng)建    86
5.2.2  DTS的設(shè)置與使用    88
5.2.3  分析數(shù)據(jù)庫(kù)的建立與數(shù)據(jù)源的連接    91
5.3  維度的創(chuàng)建    93
5.3.1  創(chuàng)建“客戶”維度    94
5.3.2  創(chuàng)建“時(shí)間”維度    97
5.3.3  其他維度的創(chuàng)建    98
5.4  多維數(shù)據(jù)集的創(chuàng)建與處理    99
5.4.1  多維數(shù)據(jù)集的創(chuàng)建    99
5.4.2  多維數(shù)據(jù)集的處理    101
5.5  多維數(shù)據(jù)集數(shù)據(jù)瀏覽與OLAP的實(shí)施    105
5.5.1  多維數(shù)據(jù)集中數(shù)據(jù)的瀏覽    105
5.5.2  多維數(shù)據(jù)集中維度的操作與OLAP功能的實(shí)現(xiàn)    106
5.6  數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)挖掘    108
5.6.1  SQL Server中數(shù)據(jù)挖掘的特性    108
5.6.2  決策樹(shù)挖掘技術(shù)的使用    109
5.6.3  Microsoft聚集挖掘技術(shù)的應(yīng)用    113
第6章  數(shù)據(jù)挖掘概述    115
6.1  數(shù)據(jù)挖掘基本概念    115
6.1.1  數(shù)據(jù)挖掘的由來(lái)    115
6.1.2  數(shù)據(jù)挖掘的技術(shù)定義    116
6.1.3  數(shù)據(jù)挖掘的商業(yè)定義    117
6.1.4  數(shù)據(jù)挖掘的對(duì)象    118
6.2  數(shù)據(jù)挖掘基本功能    119
6.2.1  概念描述    119
6.2.2  關(guān)聯(lián)分析    120
6.2.3  分類    120
6.2.4  聚類    121
6.2.5  孤立點(diǎn)分析    121
6.2.6  時(shí)序演變分析    121
6.2.7  信息摘要    122
6.2.8  信息抽取    122
6.2.9  元數(shù)據(jù)挖掘    122
6.3  數(shù)據(jù)挖掘過(guò)程    123
6.3.1  Fayyad過(guò)程模型    123
6.3.2  CRISP-DM過(guò)程模型    125
6.3.3  數(shù)據(jù)挖掘過(guò)程工作量    129
6.3.4  建立數(shù)據(jù)挖掘環(huán)境    130
6.4  數(shù)據(jù)挖掘方法    132
6.4.1  決策樹(shù)    132
6.4.2  神經(jīng)網(wǎng)絡(luò)    133
6.4.3  粗糙集    134
6.4.4  遺傳算法    135
6.4.5  概率論與數(shù)理統(tǒng)計(jì)    137
6.4.6  模糊集    137
6.4.7  關(guān)聯(lián)分析    138
6.5  數(shù)據(jù)挖掘系統(tǒng)發(fā)展階段    138
第7章  數(shù)據(jù)庫(kù)挖掘    140
7.1  概念描述    140
7.1.1  概念描述的生成過(guò)程    140
7.1.2  概念分層與數(shù)據(jù)泛化    141
7.1.3  概念分層方法    142
7.1.4  數(shù)據(jù)泛化方法    144
7.1.5  泛化的表示    147
7.1.6  屬性相關(guān)分析    148
7.1.7  區(qū)別性描述    149
7.2  關(guān)聯(lián)規(guī)則    149
7.2.1  關(guān)聯(lián)規(guī)則相關(guān)概念    149
7.2.2  關(guān)聯(lián)規(guī)則分類    151
7.2.3  單維布爾關(guān)聯(lián)規(guī)則    151
7.2.4  多層關(guān)聯(lián)規(guī)則    155
7.2.5  多維關(guān)聯(lián)規(guī)則    156
7.2.6  基于約束的挖掘    159
7.3  分類    161
7.3.1  分類過(guò)程與方法    161
7.3.2  決策樹(shù)分類    162
7.3.3  貝葉斯分類    165
7.3.4  神經(jīng)網(wǎng)絡(luò)方法    167
7.4  聚類分析    169
7.4.1  聚類分析概述    169
7.4.2  聚類處理的數(shù)據(jù)結(jié)構(gòu)    171
7.4.3  聚類處理的數(shù)據(jù)類型    171
7.4.4  聚類方法分類    174
7.4.5  典型聚類方法    175
7.4.6  孤立點(diǎn)分析    182
7.5  關(guān)聯(lián)規(guī)則興趣度    183
7.5.1  興趣度的作用    183
7.5.2  客觀性興趣度    183
7.5.3  主觀性興趣度    184
7.5.4  兩種標(biāo)準(zhǔn)的綜合    185
第8章  文本挖掘    187
8.1  文本挖掘概述    187
8.1.1  文本挖掘的主要技術(shù)    187
8.1.2  文本挖掘的一般過(guò)程    188
8.1.3  文本挖掘的主要應(yīng)用    189
8.1.4  文本挖掘?qū)π畔z索的影響    189
8.2  文本的預(yù)處理    190
8.2.1  文本表示    190
8.2.2  自動(dòng)分詞    191
8.2.3  文本標(biāo)引    194
8.2.4  文本相似度計(jì)算    197
8.2.5  詞頻矩陣降維    198
8.2.6  去除重復(fù)文本    199
8.2.7  文本過(guò)濾    200
8.3  文本分類    201
8.3.1  文本分類應(yīng)用    201
8.3.2  文本分類方法    202
8.3.3  分類效果評(píng)價(jià)    204
8.4  文本聚類    205
8.4.1  劃分聚類法    205
8.4.2  層次聚類法    206
8.4.3  神經(jīng)網(wǎng)絡(luò)聚類法    207
8.4.4  遺傳算法聚類法    208
8.4.5  網(wǎng)頁(yè)聚類    208
8.5  自動(dòng)摘要    209
8.5.1  自動(dòng)摘要應(yīng)用    209
8.5.2  自動(dòng)摘要方法    210
8.5.3  中文自動(dòng)摘要系統(tǒng)    212
第9章  Web挖掘    214
9.1  概述    214
9.1.1  Web挖掘概念    214
9.1.2  幾個(gè)相關(guān)概念    216
9.1.3  Web挖掘數(shù)據(jù)源    219
9.1.4  Web挖掘過(guò)程    221
9.1.5  Web挖掘的挑戰(zhàn)    223
9.2  Web挖掘任務(wù)分類    225
9.2.1  Web內(nèi)容挖掘    226
9.2.2  Web結(jié)構(gòu)挖掘    228
9.2.3  Web使用挖掘    231
9.3  Web挖掘技術(shù)分類    234
9.3.1  統(tǒng)計(jì)分析    234
9.3.2  關(guān)聯(lián)規(guī)則    235
9.3.3  序列模式    236
9.3.4  聚類與分類    237
9.4  Web挖掘的應(yīng)用    237
9.4.1  在搜索引擎中的應(yīng)用    238
9.4.2  在網(wǎng)站設(shè)計(jì)中的應(yīng)用    239
9.4.3  在電子商務(wù)中的應(yīng)用    240
9.4.4  電子商務(wù)網(wǎng)站的Web挖掘?qū)嵤┻^(guò)程    241
第10章  數(shù)據(jù)挖掘應(yīng)用    247
10.1  數(shù)據(jù)挖掘應(yīng)用案例    247
10.1.1  生物醫(yī)學(xué)    248
10.1.2  市場(chǎng)業(yè)    249
10.1.3  科學(xué)研究    250
10.1.4  競(jìng)技運(yùn)動(dòng)    252
10.1.5  商業(yè)銀行    252
10.1.6  商務(wù)應(yīng)用    253
10.2  數(shù)據(jù)挖掘產(chǎn)品    254
10.2.1  產(chǎn)品分類    255
10.2.2  產(chǎn)品介紹    256
10.2.3  產(chǎn)品評(píng)價(jià)    258
10.2.4  產(chǎn)品選擇    260
第11章  數(shù)據(jù)挖掘與競(jìng)爭(zhēng)情報(bào)系統(tǒng)    262
11.1  競(jìng)爭(zhēng)情報(bào)系統(tǒng)概述    262
11.1.1  競(jìng)爭(zhēng)情報(bào)系統(tǒng)概念    262
11.1.2  數(shù)據(jù)挖掘應(yīng)用現(xiàn)狀    263
11.2  競(jìng)爭(zhēng)情報(bào)流程    265
11.2.1  數(shù)據(jù)挖掘應(yīng)用    265
11.2.2  數(shù)據(jù)準(zhǔn)備    266
11.2.3  關(guān)系信息的挖掘    267
11.2.4  指標(biāo)值的自動(dòng)抽取    269
11.3  競(jìng)爭(zhēng)對(duì)手分析    272
11.3.1  主要競(jìng)爭(zhēng)產(chǎn)品的確定    272
11.3.2  選擇核心競(jìng)爭(zhēng)對(duì)手的依據(jù)    273
11.3.3  潛在競(jìng)爭(zhēng)對(duì)手的類型    274
11.3.4  核心競(jìng)爭(zhēng)對(duì)手的確定    276
11.3.5  挖掘潛在競(jìng)爭(zhēng)對(duì)手    278
11.4  客戶分析    278
11.4.1  客戶關(guān)系管理    279
11.4.2  客戶數(shù)據(jù)收集    281
11.4.3  客戶獲取    282
11.4.4  客戶保持    284
11.4.5  交叉銷售    285
11.4.6  客戶細(xì)分    286
參考文獻(xiàn)    289