ОПИСАНИЕ МЕТАДАННЫХ МНОГОМЕРНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ С ИСПОЛЬЗОВАНИЕМ КЛАСТЕРНОГО МЕТОДА

ЦЕЛЬ. Разработка метода описания структуры разреженного многомерного куба данных, лежащего в основе информационной системы, построенной на базе многомерного подхода. МЕТОДЫ. В основе метода лежит выявление в разреженном многомерном кубе кластеров семантически связанных ячеек. Ячейки, входящие в кластер, могут быть описаны сочетаниями значений измерений, являющимися размерностями многомерного куба. РЕЗУЛЬТАТЫ. В системах с многоаспектным описанием предметной области кубы данных характеризуются большой разреженностью, что затрудняет организацию хранения данных и порождает сложности в процессе анализа информации. Кластерный метод базируется на анализе попарной сочетаемости значений разных измерений многомерного куба данных. Такой анализ обеспечивает возможность выявить семантически связанные группы значений измерений. Построение связей между группами значений разных измерений позволяет выявить в кубе данных кластеры - наборы ячеек, которые обладают сходными свойствами и могут быть описаны единым образом. ВЫВОДЫ. Кластерный метод анализа многомерного куба данных позволяет сформулировать описание метаданных многомерной информационной системы.

CLUSTER METHOD-BASED DESCRIPTION OF MULTIDIMENSIONAL INFORMATION SYSTEM METADATA

The PURPOSE of this article is development of a method for describing the structure of a sparse multidimensional data cube which forms the basis of a multidimensional information system. METHODS. The method is based on the identification of clusters of semantically related cells in a sparse multidimensional cube. The cells included in a cluster can be defined by combinations of members which are the cube dimensions. RESULTS. Data cubes are characterized by substantial sparseness in the systems with multi-aspect description of the data domain. This sparseness complicates the organization of data storage and complicates the process of information analysis. The proposed cluster method is based on the analysis of pairwise compatibility of members of different dimensions of a multidimensional data cube. This analysis enables the identification of semantically related groups of members. Detection of relationships between the groups of members allows to construct clusters represented by the sets of cells with similar properties which may be described in the same way. CONCLUSIONS. The cluster analysis method of a multidimensional data cube allows to formulate the description of metadata of a multidimensional information system.