یک رویکرد پیشنهادی برای پایگاه ذخیره داده: چارچوب مفهومی و ارزیابی آزمایشی

چکیده _ محل ذخیره داده مقدار زیادی از داده های متراکم و سوابق آن ها می باشد. آن ها معمولا توسط سیستم های فضایی OLAP (SOLAP) به منظور استخراج اطلاعات مرتبط مورد استفاده قرار می گیرند. استخراج چنین داده هایی ممکن است پیچیده و مشکل باشد. کاربر ممکن است بخشی از محل ذخیره داده که شامل اطلاعات مرتبط و چگونگی جستجوی بعدی است را نادیده بگیرد. از طرف دیگر، هدف سیستم های پیشنهادی کمک به کاربران به منظور بازیابی اطلاعات مرتبط براساس تنظیمات و اهداف تحلیلی شان است. از این رو، توسعه یک سیستم پیشنهادی SOLAP بهره برداری از محل ذخیره داده فضایی را بهبود می بخشد. این مقاله یک رویکرد SOLAP پیشنهادی ارائه می دهد که هدف آن کمک به کاربران برای بهره برداری بهتر از محل ذخیره داده فضایی و بازیابی اطلاعات توسط پیشنهاد جستجوی MDX (عبارات چندبعدی) فضایی شخصی سازی شده است. این رویکرد با استفاده از یک معیار مشابهت معنایی به سادگی تنظیمات و نیازهای کاربران SOLAP را تشخیص می دهد. این رویکرد بصورت نظری شرح داده می شود و توسط آزمایشاتی تایید می شود.

Spatial data warehouses store a large
amount of historized and aggregated data. They are usually exploited by Spatial OLAP (SOLAP) systems to extract relevant information. Extracting such information may be complex and difficult. The user might ignore what part of the warehouse contains the relevant information and what the next query should be. On the other hand, recommendation systems aim to help users to retrieve relevant information according to their preferences and analytical objectives. Hence, developing a SOLAP recommendation system would enhance spatial data warehouses exploitation. This paper proposes a SOLAP recommendation approach that aims to help users better exploit spatial data warehouses and retrieve relevant information by recommending personalized spatial MDX (Multidimensional Expressions) queries. The approach detects implicitly the preferences and needs of SOLAP users using a spatio-semantic similarity measure. The approach is described theoretically and validate