18、数据泛化与概念描述的属性导向归纳方法

数据泛化与概念描述的属性导向归纳方法

1. 数据泛化与概念描述概述

数据泛化是将相对低级的值（如年龄属性的数值）替换为高级概念（如年轻、中年和老年）来总结数据。概念描述是数据泛化的一种形式，它不是简单地枚举数据，而是生成用于数据特征化和比较的描述。特征化提供给定数据集的简洁总结，而概念或类比较则提供两个或多个数据集之间的比较描述。

传统的数据立方体（OLAP）方法在进行概念描述时存在一些局限性：
- 复杂数据类型和聚合 ：许多当前的OLAP系统将维度限制为非数值数据，将度量限制为数值数据。但实际数据库中可能包含各种数据类型的属性，如数值、非数值、空间、文本或图像，并且属性的聚合可能涉及复杂的数据类型。因此，OLAP是一种简化的数据模型，概念描述应能处理属性的复杂数据类型及其聚合。
- 用户控制与自动化 ：数据仓库中的在线分析处理是用户控制的过程，用户需要对每个维度有较好的理解，并可能需要指定一长串OLAP操作来找到满意的数据描述。因此，需要一个更自动化的过程来帮助用户确定分析中应包含哪些维度，以及给定数据集应泛化的程度。

2. 属性导向归纳（AOI）方法

2.1 属性导向归纳的基本思想

属性导向归纳（AOI）方法最早于1989年提出，它是一种基于查询、基于泛化的在线数据分析技术。其基本思想是首先使用数据库查询收集与任务相关的数据，然后根据相关数据集中每个属性的不同值的数量进行泛化。泛化通过属性移除或属性泛化来实现，聚合通过合并相同的泛化元组并累积其相应的计数来完成，从而减少泛化数据集的大小。最终的泛化关系可以映射为不同的形式呈现给用户，如