主动XML数据研究综述

主动XML的提出,能够有效的解决当前分布式数据管理中存在的数据源异构性、交互性及自主性问题,为分布式Web数据管理提供了新的发展方向。主动XML文档是一部分数据直接给出,另一部分数据以Web服务调用方式隐含给出的XML文档,通过触发这些服务调用,可以获得其包含的隐含信息来扩充文档内容。该文介绍了主动XML数据的特点、局限性以及挑战,综述了AXML事务特征、AXML系统的组织等方面的工作。     

XML弱多值依赖的推理规则

数据约束是数据库规范化理论的基础,不完全信息引入XML文档后,需要重新定义数据约束。基于XML Schema、符合XML Schema的不完全XML文档树、子树信息等价和子树信息相容等定义给出了XML弱多值依赖的定义和性质;为了研究数据依赖的逻辑蕴涵问题,给出了XML弱多值依赖的推理规则集,并对其正确性进行了证明。以上研究为不完全信息环境下存在XML弱多值依赖的XML文档的规范化研究奠定了基础。     

基于特征分箱和K-Means算法的用户行为分析方法

针对网购用户所产生的购物行为进行分析,首先通过数据处理构建客户关系管理模型(RFM模型),在此模型的基础上采用特征分箱法和K-Means聚类两种方法对用户进行细分,并对2种模型结果进行比较分析,讨论二者的差异性和具体的应用范围和意义.其中,基于特征分箱法的RFM模型将变量转化到相似的尺度上并将变量离散化,使得用户分类标签更加清晰,也可依据各类标签分类出不同类型的用户.K-Means算法通过轮廓系数评估聚类算法质量以至于选取最优K值.本文实验分析结果可为运营商提供更加可靠直观的数据,使得运营商可以根据不同用户的不同行为进行市场细分,进而进行精准营销和服务设置.     

XML局部函数依赖

函数依赖在关系数据库中起着基本的作用,尤其是用在完整性约束和数据库设计方面。同样地,这些约束在中XML也起基本的作用。近年来已定义了XML上的函数依赖。本文扩展了在XML中函数依赖以前的定义,使之成为XML局部函数依赖;同时给出了局部函数依赖的推理规则。     

基于关联规则挖掘算法的A股股票联动性分析

为了更好地观察国内A股间的联动性,针对股票效应的滞后性问题,提出了一种基于时序的改进关联规则挖掘算法Gap-Apriori.实验采用Apriori、FP-growth、Eclat、Gap-Apriori 4种关联规则挖掘算法,对我国2007年到2021年间的A股交易数据进行了关联分析.实验结果表明,Apriori算法较其他3种算法更适用于高维股票数据挖掘,改进算法Gap-Apriori能够分析任意周期内的股票联动状态,有效地提高了算法的运行效率.     

一种概率XML Twig查询的计算

传统数据库只管理确定性信息．但在许多应用中涉及大量不确定数据。本文把概率数据引入XML文档中．提出概率XML文档树、概率XML模式树、概率XML文档树符合概率XML模式树的定义;给出了概率XML Twig查询树和概率XML Twig查询匹配的定义,最后提出了计算概率XML Twig查询结果概率的定理。     

一种概率XML数据模型和查询代数

传统数据库只管理确定性信息,但在许多应用中涉及大量不确定数据.该文把概率信息引入XML数据库中,给出概率XML模式树,概率XML数据树等相关定义,以此为基础,提出了概率XML数据树的查询代数,如选择操作,投影操作.研究成果为概率XML数据库的查询奠定了基础.