Semantische und logische Datenmodellierung multidimensionaler Strukturen am Beispiel Microsoft® SQL Server™ „Yukon“
Notice bibliographique
Résumé
Diese Diplomarbeit beschreibt die semantische und logische Datenmodellierung mehrdimensionaler Datenbanken.Aufbauend auf den Grundlagen der Modellierung für DV-Systeme 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,013 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».