| کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
|---|---|---|---|---|
| 553377 | 873486 | 2006 | 18 صفحه PDF | دانلود رایگان |
کلیدواژه‌ها
1. مقدمه
2.مقدمه‌ای بر انباره‌سازی داده‌ای
جدول 1. یک رابطه‌ی Region و متغیر آن برای ساخت بُعد R
شکل 1. نمایش بُعد R
شکل 2. یک نمایش کوتاه از بعد R
شکل 3. یک ایمیل شکایت که توسط یک مشتری صادر شده است (A0001).
شکل 4. یک مثال ساده از یک مکعب سند
3.چارچوبی برای انباره‌سازی سند
شکل 5. معماری پیشنهادی انباره‌های سند
شکل 6. فرآیند کلی استخراج، تبدیل، بارگذاری، مدلسازی ابعادی و ساختار یک انباره‌ی سند
3.1.منابع سند
3.2.مؤلفه‌ی Front-end
3.3.مدیر انباره
3.4.مؤلفه‌های Back-end
3.5.اسناد خلاصه‌شده
جدول 2. طراحی متاداده‌ی پیشنهادی
3.6.متاداده
4.مدلسازی انباره‌های سند
شکل 7. یک شمای ستاره‌ای از یک انباره‌ی سند
4.1.ابعاد
4.2.جدول fact
شکل 8. ابعاد product و time که در روابط نشان داده شده‌اند.
4.3.ساختار مکعب‌های سند
5.برنامه‌های انباره‌های سند
5.1.یک برنامه برای مدیریت روابط مشتری
شکل 9. یک شمای ستاره‌ای برای مدیریت ایمیل شکایت
شکل 10. یک نمایش دقیق از بُعد P
5.2.یک برنامه برای انباره‌سازی مقاله
شکل 11. پردازش تحلیلی روی خط برای مکعب سند نمونه.
شکل 12. یک شمای ستاره‌ی نمونه برای انباره سازی مقاله
شکل 13. پردازش تحلیلی روی خط برای مکعب سند نمونه
6.نتیجه‌گیری و مسیرهای آینده
6.1.نتیجه‌گیری
شکل 14. فهرست مقاله‌ی دقیق مشترک «Elsevier» و «Data Mining and Knowledge Discovery»
جدول 3. یک مقایسه بین انباره‌سازی سند و انباره‌سازی داده‌ها
6.2.آثار آینده
During the past decade, data warehousing has been widely adopted in the business community. It provides multi-dimensional analyses on cumulated historical business data for helping contemporary administrative decision-making. Nevertheless, it is believed that only about 20% information can be extracted from data warehouses concerning numeric data only, the other 80% information is hidden in non-numeric data or even in documents. Therefore, many researchers now advocate that it is time to conduct research work on document warehousing to capture complete business intelligence. Document warehouses, unlike traditional document management systems, include extensive semantic information about documents, cross-document feature relations, and document grouping or clustering to provide a more accurate and more efficient access to text-oriented business intelligence. In this paper, we discuss the basic concept of document warehousing and present its formal definitions. Then, we propose a general system framework and elaborate some useful applications to illustrate the importance of document warehousing. The work is essential for establishing an infrastructure to help combine text processing with numeric OLAP processing technologies. The combination of data warehousing and document warehousing will be one of the most important kernels of knowledge management and customer relationship management applications.
Journal: Decision Support Systems - Volume 42, Issue 2, November 2006, Pages 727–744