Semantische und logische Datenmodellierung multidimensionaler Strukturen am Beispiel Microsoft® SQL Server™ „Yukon“
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Diese Diplomarbeit beschreibt die semantische und logische Datenmodellierung mehrdimensionaler Datenbanken. Aufbauend auf den Grundlagen der Modellierung für DVSysteme wird die semantische und logische Datenmodellierung erläutert. Die verschiedenen Modellierungsmöglichkeiten und Methoden zum Design einer mehrdimensionalen Datenbank werden hier vorgestellt. Dabei erfolgt ein Vergleich zwischen relationaler und multidimensionaler Datenbankentwicklung. Das Star-Schema und Snowflake- Schema werden als mehrdimensionale Datenmodelle ausführlich erklärt. Die speziellen Modellierungsaspekte von „Zeit“, welche im Data Warehouse eine besondere Rolle besitzt, wird ausführlich dargestellt. Im weiteren Verlauf erfolgt eine Illustration der Data Warehouse Referenzarchitektur und des Microsoft SQL Server 2005. Dabei werden die Business Intelligence Tools und Funktionalitäten des SQL Servers vorgestellt. Die erläuterten Modelle der gesamten Arbeit werden abschließend anhand einer Fallstudie erarbeitet und nach dem 3-Ebenen Modell semantisch, logisch und physisch auf den SQL ServerExpress 2005 implementiert. Daran kann der Entwicklungszyklus einer mehrdimensionalen Datenbank gezeigt werden.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,018 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle