基于聚类的OLAP查询日志挖掘及操作推荐

摘要

联机分析处理(Online Analytical Processing，OLAP)支持分析人员和决策者从多个角度对数据进行交互访问，但随着数据仓库数据量加大，用户通过OLAP交互式数据浏览和分析变得复杂，不断尝试无效查询操作，降低了实现业务分析目标的效率。
　　 针对数据仓库数据量加大，用户通过OLAP交互式数据浏览和分析变得复杂的问题，本文提出了基于聚类的OLAP查询日志挖掘及操作推荐的方法。该方法由两部分组成:为解决查询稀疏性问题，离线挖掘部分对OLAP查询进行聚类形成类别序列集合，在类别序列集合上使用BIDE序列模式挖掘算法形成频繁序列模式集合，再通过前缀树建立算法建立类别序列前缀树;在线推荐部分，通过在前缀树中匹配当前用户查询的类别序列产生候选查询类别，最后将查询类别转化成查询推荐给用户。该方法采用开源的Mondrian OLAP服务器实现，为用户产生查询推荐，实验结果表明:使用合适的距离函数和聚类的类别数量，推荐的正确率可以提高。

目录

摘要

第1章 绪论

1．1 课题背景

1．1．1 数据仓库

1．1．2 联机分析处理(OLAP)

1．2 研究现状

1．2．1 推荐技术

1．2．2 OLAP领域的推荐技术

1．3 研究目标和研究内容

1．4 本文结构组织

第2章 相关技术

2．1 距离和相似性度量

2．1．1 距离度量

2．1．2 相似性度量

2．2 聚类分析方法

2．2．1 聚类分析及相关概念

2．2．2 主要聚类分析方法分类

2．3 序列模式挖掘算法

2．4 本章小结

第3章 OLAP查询操作推荐框架及数据准备

3．1 OLAP查询操作推荐框架

3．2 查询数据采集

3．3 OLAP日志预处理

3．4 实验结果

3．5 本章小结

第4章 OLAP查询抽象及模式挖掘

4．1 MDX查询距离

4．1．1 获取OLAP查询涉及数据立方体中的单元格

4．1．2 成员值之间距离

4．1．3 单元格之间距离

4．1．4 查询之间距离

4．2 OLAP查询聚类

4．3 BIDE查询模式挖掘算法

4．4 实验结果

4．5 本章小结

第5章 在线推荐

5．1 类别序列前缀树

5．2 类别序列匹配

5．3 类别序列排序

5．4 实验结果

5．5 本章小结

第6章 系统原型

6．1 系统总体框架

6．2 系统实现

6．3 本章小结

第7章 总结与展望

7．1 总结

7．2 展望

参考文献

攻读硕士学位期间主要的研究成果

致谢