图书管理中数据仓库和数据挖掘实现.docVIP

图书管理中数据仓库和数据挖掘实现 　　【摘 要】随着数据库技术的不断发展，图书管理数据库中存储的数据量急剧增大，如何从这些数据中挖掘有用的信息为决策者提供管理支持非常重要。全文先分析了图书管理中数据仓库和数据挖掘的重要性，然后着重分析了如何构建图书数据仓库以及图书数据挖掘。 　　【关键词】图书管理；数据仓库；数据挖掘 　　 　　一、数据仓库和数据挖掘对图书管理的重要性 　　 　　图书管理现在基本上都实现了计算机的信息化管理，方便了图书入库出库，借出还入等业务。但是当前的图书管理及系统都比较缺乏分析处理能力，比如哪些图书需求量大？特别是高校有大量的借书群体。还有哪种服务方式读者更喜欢？如何对借阅超期的行为进行分析？目前在国内的图书管理中，这些业务都很难实现。而数据仓库和数据挖掘则可以满足上述需求，原因在于：（1）这种技术让图书信息结构化。在业务系统中，它将这些信息结构化并以关系数据库格式存放于不同子系统中，从这些数据中获得统计分析数据较容易。（2）通过系统减少了数据访问查询的工作量，同时提高了查询速度。（3）保留了历史数据，并可以实现全局查询。综上，将数据仓库技术和数据挖掘技术引入到图书馆管理中，不但可增强图书馆管理者的决策能力和水平，还可以大大提高信息资源的利用率，且对充分发挥文献信息资源的作用，对高校而言还可以提高其教学、科研水平。 　　 　　二、图书数据仓库的构建 　　 　　数据挖掘是基于数据仓库的，有效地数据仓库对提高数据挖掘的效率有重大意义。 　　1．数据仓库与数据挖掘简介 　　数据仓库(Data Warehouse)简称DW。它是集成的面向主题的数据库集合，可以用来支持决策，支持功能。其中每个数据单位都与时间相关。这些数据应该是良好定义的、一致的、不变的，并且支持数据分析、查询、报表生成和与长期积累的历史数据的对比。数据仓库系统并非一个简单由各种数据合并而成的超大型数据库，而是一种专为联机分析应用和决策支持系统(DDS)提供数据分析和决策工具的结构化数据环境。它涉及数据的抽取、转换、装载、数据存取、元数据管理、查询、报表、分析工具及相应的开发方法等。 　　数据挖掘（Data Mining）是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是一门交叉学科，它通过结合数据库技术、人工智能技术、数理统计、可视化技术、并行计算等，把人们对数据的应用从低层次的简单查询，提升到从数据中挖掘知识，提供决策支持。 　　2.数据仓库构建 　　应用到图书管理中的数据仓库建立步骤是，首先要合理地设计维度和划分粒度，分析设计指标，确保进入数据仓库的数据量不会过大，又不影响分析系统的性能。然后要建立数据仓库的逻辑模型和物理模型。具体实现过程如下： 　　首先建立数据库表。主要有（数据库中字段名为英文，便于理解，这里用中文标识）： 　　（1）当前图书表：图书编号，名称，在库数量，出版社，出版日期，作者。 　　（2）借出还入表：借阅单ID，借阅者编号，借书编号，借书日期，还书日期，超期天数，滞纳金。 　　(3)借阅者表：借阅者编号，姓名，性别，职业（院系），住址，联系电话，信箱。 　　(4) 采购信息表：采购单ID，供应商编号，采购日期，图书名称，出版社，出版日期，作者，采购数量，单价，总金额。 　　(5)丢失信息表：图书编号，借阅者编号，丢失日期，处罚措施，处罚日期。 　　(6)续借信息表：借阅者编号，借书编号，借阅日期，还书日期，续借日期，续还日期。 　　(7)供应商信息：供应商编号，名称，地址，联系电话，联系人。 　　在以上最基本的七个表中，图书编号，借阅者编号，供应商编号分别唯一区分图书信息，借阅者，供应商。图书采购回来之后，通过采购信息表转入到当前图书表，在转的过程中，通过贴标签扫描的方式采集到其图书编号，并将图书名称，出版日期，作者，出版社等信息带入，然后将在库信息改变成入库后的库存即可。 在此关系数据库的基础上设计数据仓库，采用星型模式，通过数据转换(DTS)创建可以存储多维数据集的多维数据库，读者借书还书的数据信息数据主维度，而图书信息，借阅者信息等是其扩展维度。在分析数据时并不是以单一的维度为基准，而是以多个维度为根据。我们将图书维度、借阅者维度、供应商维度、采购信息维度、超期维度整合在一起就构成一个多维数据集，即数据仓库。 　　其次是建立元数据。在定义各种元数据时，以一定的命名规则进行命名，并以不同主题分别存放于不同目录下。对元数据进行科学管理，有利于对数据仓库的管理和维护。 　　最后是数据转入。数据转换服务DTS的主要功能是保证数据在不同的数据库如Oracle，sql server，d