Аннотації

Автор(и):
Гончаренко Т.А.
Автор(и) (англ)
Honcharenko Tetyana
Дата публікації:

10.05.2020

Анотація (укр):

Розроблено спосіб формування метаданих багатовимірної інформаційної системи шляхом сполучення класифікаційних схем. Кожна класифікаційна схема являє собою ієрархію значень вимірів, що належить до окремої структурної компоненти генерального плану (ГП). В основі методу лежить виявлення груп значень вимірів, які пов'язані з групами значень інших вимірів. Групи значень різних вимірів використовуються для побудови кластерів поєднань значень вимірів. Сполучення кластера формуються декартовим добутком груп значень вимірів. Метадані інформаційної системи представлені у вигляді множини допустимих поєднань значень вимірів, які формуються як набір кластерів. Для вирішення цього складного завдання ГП розглядається як набір структурних компонентів. З повного набору вимірювань інформаційної системи виокремлюються набори вимірювань, що семантично пов'язані зі структурними компонентами ГП. Семантичні зв'язки, виявлені в процесі аналізу структурної компоненти, дають змогу побудувати ієрархію груп значень вимірів і представити їх сукупність у вигляді графа ‒ класифікаційної схеми, пов'язаної зі структурною компонентою. В інформаційних системах з багатоаспектним описом предметної області куби даних характеризуються великою розрідженістю, що ускладнює формування метаданих. Класифікаційні схеми описують окремі аспекти метаданих, пов'язані з окремими структурними компонентами ГП. Сполучення класифікаційних схем дає можливість отримати повний опис метаданих. Використання класифікаційних схем допомагає розбити задачу опису структури аналітичного простору багатовимірної інформаційної системи на більш прості задачі аналізу його окремих структурних компонент. Сполучення класифікаційних схем, що належать до різних структурних компонентів, дає можливість сформувати метадані інформаційної системи. У метаданих центральне місце посідає множина допустимих поєднань значень вимірів.

Анотація (рус):

Разработан способ формирования метаданных многомерной информационной системы путем сочетания классификационных схем. Каждая классификационная схема представляет собой иерархию значений измерений, относящихся к отдельной структурной компоненты генерального плана (ГП). В основе метода лежит выявление групп значений измерений, связанных с группами значений других измерений. Группы значений различных измерений используются для построения кластеров сочетаний значений измерений. Сочетание кластера формируется декартовым произведением групп значений измерений. Метаданные информационной системы представлены в виде множества допустимых сочетаний значений измерений, которые формируются как набор кластеров. Для решения этой сложной задачи ГП рассматривается как набор структурных компонентов. Из полного набора измерений информационной системы выделяются отдельные наборы измерений, семантически связанные со структурными компонентами ГП. Семантические связи, выявленные в процессе анализа структурной компоненты, позволяющие построить иерархию групп значений измерений и представить их совокупность в виде графа – классификационной схемы, связанной со структурной компонентой. В информационных системах с многоаспектным описанием предметной области кубы данных характеризуются большой разреженностью, что затрудняет формирование метаданных. Классификационные схемы описывают отдельные аспекты метаданных, связанные с отдельными структурными компонентами ГП. Сочетание классификационных схем дает возможность получить полное описание метаданных. Использование классификационных схем позволяет разбить задачу описания структуры аналитического пространства многомерной информационной системы на более простые задачи анализа его отдельных структурных компонентов. Сочетание классификационных схем, относящихся к различным структурным компонентам, дает возможность сформировать метаданные информационной системы. В метаданных центральное место занимает множество допустимых сочетаний значений измерений.

Анотація (англ):

A method for generating metadata of a multidimensional information system by combining classification schemes has been developed. Each classification scheme is a hierarchy of measurement values related to a separate structural component of the master plan (GP). The method is based on the identification of groups of measurement values that are associated with groups of values of other dimensions. Groups of values of different dimensions are used to build clusters of combinations of values of measurements. Cluster connections are formed by the Cartesian product of groups of measurement values. The metadata of the information system is presented in the form of a set of valid combinations of measurement values, which are formed as a set of clusters. To solve this complex problem, GP is considered as a set of structural components. From the full set of measurements of the information system, separate sets of measurements are semantically related to the structural components of the GP. The semantic connections revealed in the course of the analysis of a structural component allow to construct hierarchy of groups of values of measurements and to present their set in the form of the graph – the classification scheme connected with a structural component. In information systems with a multifaceted description of the subject area, data cubes are characterized by high sparseness, which complicates the formation of metadata. Classification schemes describe certain aspects of metadata related to certain structural components of GP. The combination of classification schemes makes it possible to obtain a complete description of metadata. The use of classification schemes allows to divide the problem of describing the structure of the analytical space of a multidimensional information system into simpler problems of analysis of its individual structural components. The combination of classification schemes related to different structural components makes it possible to generate information system metadata. In metadata, the central place is occupied by the set of permissible combinations of measurement values.

Література:

  1. Thomsen E. OLAP Solution: Building Multidimensional Information System. NY, Willey Computer Publishing, 2002, 688 p.
  2. Viktor Mihaylenko, Tetyana Honcharenko, Khrystyna Chupryna, Yurii Andrashko, Svitlana Budnik, Modeling of Spatial Data on the Construction Site Based on Multidimensional Information Objects in ‘International Journal of Engineering and Advanced Technology (IJEAT)’, ISSN: 2249-8958 (Online), Volume-8 Issue-6, August 2019, Page No. 3934-3940. URL: https://www.ijeat.org/wp-content/uploads/papers/v8i6/F9057088619.pdf
  3. Hirata, C.M., Lima, J.C. Multidimensional cyclic graph approach: representing a data cube without common sub-graphs. Information Sciences, 2011, Vol. 181, P. 2626–2655, DOI: 10.1016/j.ins.2010.05.0
  4. Salmam F.Z., Fakir M., Errattahi R. Prediction on OLAP data cubes. Journal of Information & Knowledge Management. 2016. Vol. 15. No. 2. P. 449–458. DOI:10.1142/S0219649216500222
  5. Fu L.: Efficient evaluation of sparse data cubes. In: Li Q., Wang G., Feng L. Advances in Web-Age Information Management, vol. 3129 – WAIM 2004. Heidelberg, Springer, 2004. P. 336–345. DOI: 10.1007/978-3-540-27772-9_34
  6. Romero O., Pedersen T.B., Berlanga R., Nebot V., Aramburu M.J., Simitsis A.: Using semantic web technologies for exploratory OLAP: A survey. IEEE Transactions on Knowledge and Data Engineering. 2015. Vol. 27. No.2. P. 571–588. DOI: 10.1109/TKDE.2014.2330822
  7. Salmam F.Z., Fakir M., Errattahi R. Explanation in OLAP data cubes. Journal of Information Technology Research. 2014. Vol. 7. No. 4. P. 36–78. DOI: 10.4018/jitr.2014100105
  8. Orlov Y., Gaidamaka Y., Zaripova E. Approach to estimation of performance measures for SIP server model with batch arrivals. In: Vishnevsky V., Kozyrev D. Distributed Computer and Communication Networks. DCCN 2015, vol 601. Cham, Springer, pp. 141–150. DOI: 10.1007/978-3-319-30843-2_15
  9. Висков А.В., Фомин М.Б. Моделирование аналитических измерений в многомерных базах данных // Вестник Иркутского государственного технического университета. 2012. Т. 63. № 4. С. 15–19.
  10. Gomez L.I., Gomez S.A., Vaisman A.A. generic data model and query language for spatiotemporal OLAP cube analysis. In: Rundensteiner, E., Markl, V., Manolescu, I., Amer-Yahia S., Naumann F., Ari I. Proceedings of the 15-th International Conference on Extending Database Technology – EDBT 2012. New York, ACM, 2012, P. 300–311.
  11. Фомин М.Б. Описание метаданных многомерных информационных систем с использованием кластерного метода // Вестник Иркутского государственного технического университета, 2017, Т 21, № 7. С. 78–86. https:doi.org/10.21285/1814-3520-2017-7-78-86
  12. Гончаренко Т.А. "Застосування BIM-технології для створення інформаційної моделі території під забудову", Управління розвитком складних систем, № 33, с. 138–145, 2018. [Видання включено до НБД: BASE; Index Copernicus].
  13. Гончаренко Т.А. "Об’єктно-орієнтоване моделювання просторових об’єктів генерального планування", Управління розвитком складних систем, № 38, с. 64–70, 2019. [Видання включено до НБД: BASE; Index Copernicus].
  14. Oleksandr Terentyev, Svitlana Tsiutsiura, Tetyana Honcharenko, Tamara Lyashchenko, Multidimensional Space Structure for Adaptable in ‘International Journal of Recent Technology and Engineering (IJRTE)’, ISSN: 2277-3878 (Online), Volume-8 Issue-3, September 2019, Page No. 7753-7758. URL: https://www.ijrte.org/wp-content/uploads/papers/v8i3/C6318098319.pdf
  15. Гончаренко, Т.А. Метод багатоаспектної класифікації для верифікації багатовимірних інформаційних моделей об'єктів генерального планування [Текст] / Т.А. Гончаренко, В.М. Міхайленко // Управління розвитком складних систем. – 2020. – № 41. – С. 61 – 67; dx.doi.org\10.32347/2412-9933.2020.41.61-67.

References:

  1. Thomsen, E., (2002). OLAP Solution: Building Multidimensional Information System. NY, Willey Computer Publishing, 688.
  2. Mihaylenko, Viktor, Honcharenko, Tetyana, Chupryna, Khrystyna, Andrashko, Yurii, Budnik, Svitlana, (2019). Modeling of Spatial Data on the Construction Site Based on Multidimensional Information Objects. International Journal of Engineering and Advanced Technology (IJEAT), 8, 6, 3934 – 3940. URL: https://www.ijeat.org/wp-content/uploads/papers/v8i6/F9057088619.pdf
  3. Hirata, C.M., & Lima, J.C. (2011). Multidimensional cyclic graph approach: representing a data cube without common sub-graphs. Information Sciences, 181, 2626–2655. DOI: 10.1016/j.ins.2010.05.0
  4. Salmam, F.Z., Fakir, M., & Errattahi, R., (2016). Prediction on OLAP data cubes. Journal of Information & Knowledge Management, 15, 2, 449 458. DOI:10.1142/S0219649216500222
  5. Fu, L. (2004). Efficient evaluation of sparse data cubes. Advances in Web-Age Information Management, 336–345. DOI: 10.1007/978-3-540-27772-9_34
  6. Romero, O., Pedersen, T.B., Berlanga, R., Nebot, V., Aramburu, M.J., & Simitsis, A., (2015). Using semantic web technologies for exploratory OLAP: A survey. IEEE Transactions on Knowledge and Data Engineering, 27, 2, 571–588. DOI: 10.1109/TKDE.2014.2330822
  7. Salmam, F.Z., Fakir, M., & Errattahi, R., (2014). Explanation in OLAP data cubes. Journal of Information Technology Research, 7, 4, 36–78. DOI: 10.4018/jitr.2014100105
  8. Orlov, Y., Gaidamaka, Y., Zaripova, E., (2015). Approach to estimation of performance measures for SIP server model with batch arrivals. Distributed Computer and Communication Networks, 601, 141–150. DOI: 10.1007/978-3-319-30843-2_15
  9. Viskov, A.V., & Fomin, M.B., (2012). Modeling of analytical measurements in multidimensional databases. Bulletin of Irkutsk State Technical University, 63, 4, 15 – 19.
  10. Gomez, L.I., Gomez, S.A., & Vaisman, A.A., (2012). Generic data model and query language for spatiotemporal OLAP cube analysis. Proceedings of the 15-th International Conference on Extending Database Technology EDBT, New York, ACM,
    pp. 300
    311.
  11. Fomin, M.B., (2017). Description of metadata of multidimensional information systems using the cluster method. Bulletin of the Irkutsk State Technical University, 21, 7, 78 86. https:doi.org/10.21285/1814-3520-2017-7-78-86
  12. Honcharenko, Tetyana. (2018). The use of BIM-technology to create an information model territories for development. Management of Development of Complex Systems, 33, 131 138.
  13. Honcharenko, Tetyana, (2019). Object-oriented modeling of spatial objects of general planning. Management of Development of Complex Systems, 38, 64 70, dx.doi.org\10.6084/m9.figshare.9788462.
  14. Terentyev, Oleksandr, Tsiutsiura, Svitlana, Honcharenko, Tetyana, Lyashchenko, Tamara. (2019). Multidimensional Space Structure for Adaptable. International Journal of Recent Technology and Engineering (IJRTE), 8, 3, 7753 – 7758. URL: https://www.ijrte.org/wp-content/uploads/papers/v8i3/C6318098319.pdf.
  15. Honcharenko, Tetyana & Mihaylenko, Victor, (2020). Multi-aspect classification method for verification of multidimensional information models of objects of general planning. Management of Development of Complex Systems, 41, 61 67; dx.doi.org\10.32347/2412-9933.2020.41.61-67.