Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Implementazione di un Query Language per Knowledge Discovery

L'anteprima di questa tesi è scaricabile in PDF gratuitamente.
Per scaricare il file PDF è necessario essere iscritto a Tesionline.
L'iscrizione non comporta alcun costo. Mostra/Nascondi contenuto.

Capitolo 1 – Stato dell’arte: KDD 14 Come si può osservare, il processo KDD riceve come input dei dati grezzi provenienti da sorgenti diverse e produce come output informazioni utili, impiegate nel DSS, che sono acquisite come il risultato dei passi che andiamo di seguito a descrivere. 1.2.1 Consolidamento dei dati L’obiettivo è di prelevare i dati da sorgenti eterogenee (DB relazionali, DB deduttive, files di testo, ecc) per costruire una visione uniforme degli stessi a prescindere da quale tipo di sorgente siano stati prelevati. Il risultato di questo passo è la creazione di un database, detto data warehouse, utilizzato per il supporto alle decisioni e mantenuto separato rispetto al database operazionale dell’organizzazione che è invece utilizzato per le normali operazioni di transaction processing. Tra le caratteristiche che deve avere un data warehouse per garantire alte performances spiccano le seguenti [HK00]: ξ Orientato al soggetto: ossia alle aree di principale interesse della corporazione per modellare il dominio di analisi. ξ Integrato: le inconsistenze introdotte nella codifica e rappresentazione da sorgenti diverse devono essere eliminate nel data warehouse. ξ Time variant: - I dati contenuti nei databases che vengono analizzati possono essere variabili nel tempo. Se si pensa ad esempio ad un database che contiene tutti gli scontrini fiscali di un grosso centro commerciale, si può ipotizzare che i dati in esso contenuti varino quasi continuamente durante l’orario di apertura. Quindi, nell’analizzare tali tipi di dati, è necessario “fotografare” il database in un certo istante ed utilizzare tale “foto” per compiere le analisi tramite un sistema KDD. La struttura di un data warehouse deve quindi contenere sempre la dimensione temporale. ξ Non volatile: a causa della separazione con il database operativo, è importante che il data warehouse non richieda frequenti aggiornamenti.

Anteprima della Tesi di Andrea Romei

Anteprima della tesi: Implementazione di un Query Language per Knowledge Discovery, Pagina 14

Tesi di Laurea

Facoltà: Scienze Matematiche, Fisiche e Naturali

Autore: Andrea Romei Contatta »

Composta da 231 pagine.

 

Questa tesi ha raggiunto 1054 click dal 10/06/2004.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.