La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

7 juin 2007 Yasser HACHAICHIEDA 2007 1 DU RELATIONNEL AU MULTIDIMENSIONNEL : CONCEPTION DE MAGASINS DE DONNÉES Présenté par : Yasser HACHAICHI Sous la.

Présentations similaires


Présentation au sujet: "7 juin 2007 Yasser HACHAICHIEDA 2007 1 DU RELATIONNEL AU MULTIDIMENSIONNEL : CONCEPTION DE MAGASINS DE DONNÉES Présenté par : Yasser HACHAICHI Sous la."— Transcription de la présentation:

1 7 juin 2007 Yasser HACHAICHIEDA DU RELATIONNEL AU MULTIDIMENSIONNEL : CONCEPTION DE MAGASINS DE DONNÉES Présenté par : Yasser HACHAICHI Sous la direction de : Mr. Jamel FEKI

2 7 juin 2007 Yasser HACHAICHIEDA PLAN : 1.Systèmes dinformation décisionnels 2.Contexte et motivations 3.Présentation de lapproche 4.Extraction des concepts multidimensionnels 5.Bilan & Perspectives

3 7 juin 2007 Yasser HACHAICHIEDA Extraction de Concepts MDBilan & Perspectives Présentation de lapproche Introduction Contexte Introduction : Systèmes dinformation décisionnels (SID) Dédiés au pilotage des entreprises Basés sur des structures particulières de stockage ED & MD Réduites à des MD pour des raisons telle que déconomie de coûts, de délais du projet décisionnel Approche quasi-automatique de construction de schémas de MD à partir de sources cible ED MD SOURCES DE DONNEES

4 7 juin 2007 Yasser HACHAICHIEDA Contexte : Extraction de Concepts MDBilan & Perspectives Présentation de lapprocheIntroduction Contexte Approches de conception de SD : –Ascendantes, Descendantes et Mixtes –Ascendantes Partant de diagrammes E/R –E/R parfois non disponible ou obsolète –Double compétence en : Modélisation du SI, Modélisation MD Génération dun grand nombre de schémas MD Pas de règles pour dériver automatiquement les représentations logiques =>Approche quasi-automatique partant dune source relationnelle

5 7 juin 2007 Yasser HACHAICHIEDA Problématique : Méthode Objectif : Méthode et outil de conception –Élaborer une méthode quasi-automatique –Identifier les concepts multidimensionnels pertinents –Assister le concepteur décisionnel –Utiliser une version récente du schéma de la source –Préparer le passage automatique vers le niveau logique Proposition : –Développer un outil daide à la conception de MD –Définir des heuristiques dextraction (source rela.), –Affecter un niveau de pertinence aux concepts extraits –Associer concept-source Extraction de Concepts MDBilan & Perspectives Présentation de lapproche ContexteIntroduction

6 7 juin 2007 Yasser HACHAICHIEDA Principe de la méthode Extraction de Concepts MDBilan & Perspectives Présentation de lapproche ContexteIntroduction Interventions du concepteur BD MD retenus Attribution de pertinence

7 7 juin 2007 Yasser HACHAICHIEDA travaux sur lE/R – Associations n-aire fait (Kimball 97), (Golfarelli et al. 98), (Cabibbo et al. 98), (Soussi et al. 05) – Entité dimension, paramètre ou fait (Moody et al 2000), (Bonifati et al 2001), (Phipps et al 2002) Concepts – E/R: Deux concepts – Relationnel: Un concept Difficulté : Une relation R, Est-elle entité ? ou association ? Identification : Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte

8 7 juin 2007 Yasser HACHAICHIEDA Identification de la classe conceptuelle : Éléments de réponse (structure des rel.) : – Relation-entité : Clé primaire Clé étrangère – Relation-association : Clé primaire Clé étrangère Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte R1(A1,A2,A3) R2(A4,A5,A6) Rn(A1#,A4#,…,A9) Source Relationnelle Entité Association …

9 7 juin 2007 Yasser HACHAICHIEDA Extraction dun fait : Origine Deux niveaux de pertinence de faits Relation Fait Relation-Association Relation-Entité Origines des faits dans une source E/R : Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte Relation-Association Origine des faits dans une source rel.

10 7 juin 2007 Yasser HACHAICHIEDA COMPORTE_GRP (AN_UNIV, COD_MAT #, NAT_ENSMT, NBR_GRP) Extraction des faits : Relation-association (R-a) Hf1 : Toute R-a contenant au moins un attribut numérique non clé est un fait candidat pertinent. Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte R-association Numérique

11 7 juin 2007 Yasser HACHAICHIEDA Hf2 : Toute R-e contenant au moins un attribut numérique non clé est un fait candidat de faible pertinence. Extraction des faits : Relation-entité (R-e) Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte R-entité Numérique AUDITOIRE (COD_AUD, INT_AUD, NUM_CYC, COD_SEC # )

12 7 juin 2007 Yasser HACHAICHIEDA Extraction des mesures : Origine Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte Attributs Mesures Relation-Fait F Relations parallèles Deux cas : Deux niveaux de pertinence de mesures Relation-Fait F

13 7 juin 2007 Yasser HACHAICHIEDA Extraction des mesures : Relation-fait : Hm1 : Les attributs numériques non clés appartenant exclusivement à une relation- fait F sont des mesures candidates pour F. COMPORTE_GRP (AN_UNIV, COD_MAT #, NAT_ENSMT, NBR_GRP) Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte Numérique Relation fait

14 7 juin 2007 Yasser HACHAICHIEDA Extraction des mesures : Relations // Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte Associations parallèles Relations parallèles R1 (ID_ENT2#, ID_ENT1, ATT_NUM1) R2 (ID_ENT2#, ID_ENT1, ID_ENT3, ATT_NUM1) R1 (ID_ENT2#, ID_ENT1, ATT_NUM1) R2 (ID_ENT2#, ID_ENT1, ATT_NUM1) = //

15 7 juin 2007 Yasser HACHAICHIEDA Extraction des mesures : Relations // : Hm2 : Si une relation-fait R1 est parallèle à une autre R2 alors les attributs numériques non clés appartenant à R2 constituent des mesures candidates, éventuellement agrégées, pour R1. REGROUPE_ETUD (AN_UNIV, COD_MAT #, NBR_ETUD) Agrégation Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte COMPORTE_GRP (AN_UNIV, COD_MAT #, NAT_ENSMT, NBR_GRP)

16 7 juin 2007 Yasser HACHAICHIEDA Extraction des dimensions : Origines Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte Plusieurs cas : Deux niveaux de pertinence Dimension (F) Relation-Entité Directement liées à F Attributs temporels ou Booléens Attribut Entité vide Attributs temporels ou Booléens Relation-Entité Directement liées à F

17 7 juin 2007 Yasser HACHAICHIEDA Extraction des dimensions : Relation Hd1 : Toute relation-entité R directement référencée par une relation-fait F est une dimension candidate pour F. Lidentifiant de cette dimension est celui de R COMPORTE_GRP (AN_UNIV, COD_MAT #, NAT_ENSMT, NBR_GRP) MATIERE (COD_MAT, COD_AUD #, INT_MAT, VOL_HOR_MAT) Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte Dimension ID_dimension

18 7 juin 2007 Yasser HACHAICHIEDA Extraction des dimensions : Attribut (1) Hd2 : Tout attribut booléen ou temporel ( Hd3 ) appartenant à une relation-fait donne naissance à une dimension pertinente dont il est lidentifiant. Attributs booléens ou temporels Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte

19 7 juin 2007 Yasser HACHAICHIEDA Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte Extraction des dimensions : Attribut (2) Hd4 : Si un attribut de la clé primaire d'une relation-fait de classe Ra n'est pas une clé étrangère alors cet attribut construit une dimension candidate. Attribut clé décrivant une entité vide Ent_2 (A4, A5) Assoc_1 (A4#, A1, A7)

20 7 juin 2007 Yasser HACHAICHIEDA Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte Extraction des dimensions : Attribut (3) Attribut non clé décrivant une entité vide Ent_1 (A1, A2, A4). Problème!! Résolu si ?,y?,n Ent_1 (A1, A2, A4). Ent_3 (A7,…, A4) (si y = 1) Assoc_2 (A7, A4) (si y>1)

21 7 juin 2007 Yasser HACHAICHIEDA Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte Extraction des dimensions : Attribut (3) Attribut non clé décrivant une entité vide CHARGE_EXIGEE (NAT_ENSMT, GRAD_ENS, CHARG_HOR_EXI) ENSEIGNANT (NUM_ENS, NOM_ENS, PRE_ENS, NUM_TEL_F, NUM_TEL_M, E_MAIL, TYP_ENS, GRAD_ENS) Problème Hd5 : Tout attribut a non clé appartenant à une relation-fait et à dautre(s) relation(s) est un identifiant candidat d'une dimension construite sur a.

22 7 juin 2007 Yasser HACHAICHIEDA Extraction des hiérarchies : Origines Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte Plusieurs cas : Deux niveaux de pertinence Hiérarchie (Hd1) Relation-Entité Directement liées à d Attributs temporels ou Booléens Attribut Entité vide Attributs temporels ou Booléens Relation-Entité Directement liées à d

23 7 juin 2007 Yasser HACHAICHIEDA Extraction des hiérarchies : Relations Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte Hh1 : Si la clé primaire PK d'une relation de classe R-e est directement référencée par une relation-dimension d alors PK est un paramètre candidat de rang 2 pour une nouvelle hiérarchie de d. Paramètres de rang 2

24 7 juin 2007 Yasser HACHAICHIEDA Extraction des hiérarchies : Attributs (1) Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte Hh2 : Tout attribut booléen ou temporel appartenant à une relation-dimension d est un paramètre candidat terminal de rang 2 d'une hiérarchie définie sur d. Paramètres de rang 2

25 7 juin 2007 Yasser HACHAICHIEDA Extraction des hiérarchies : Attributs (2) Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte Hh3 : Tout attribut non clé appartenant simultanément à une relation-dimension d et à d'autre(s) relation(s) est un paramètre candidat de rang 2 d'une hiérarchie de d. L'application récursive de Hh1 à Hh3 sur les relations dont la clé est un paramètre de rang i>1(Hh1) produit des paramètres de rang i+1. Paramètres de rang 2 Paramètres de rang > 2

26 7 juin 2007 Yasser HACHAICHIEDA Illustration : Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte ENSEIGNEMENT _ASSURE COD_MAT : NUM_ENS : NUM_SEM, NAT_ENSMT, AN_UNIV, NBR_GRP_ENS MATIERE COD_MAT COD_AUD : INT_MAT, VOL_HOR_MAT ENSEIGNANT NUM_ENS, NOM_ENS, PRE_ENS, NUM_TEL_F, NUM_TEL_M, E_MAIL, TYP_ENS, GRAD_ENS M P P P AUDITOIRE COD_AUD, INT_AUD, NUM_CYC, COD_SEC P SECTION COD_SEC, INT_SEC P CHARGE_EXIGEE NAT_ENSMT GRAD_ENS, CHARG_HOR_EXI Hf1 Hm1 Hd1 Hd4 Hh1 Hh4

27 7 juin 2007 Yasser HACHAICHIEDA Illustration : Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte ENSEIGNEMENT_ASSURE NBR_GRP_ENS ENSEIGNANT COD_ENS NOM_ENS PRE_ENS TYP_ENS E_MAIL GRAD_ENS DCS_AN_UNIV AN_UNIV DCS_NAT_ENSMT DCS_NUM_SEM NUM_SEM MATIERE COD_AUD COD_MAT COD_SEC INT_SEC INT_AUD NUM_CYC INT_MAT NAT_ENSM

28 7 juin 2007 Yasser HACHAICHIEDA Evaluation : Extraction de Concepts MD Bilan & Perspectives Présentation de lapprocheIntroductionContexte Appliqué en plus sur des sources dans la littérature des systèmes décisionnels : CAME : identifie automatiquement tous les faits possiblesCAME : identifie toutes les mesures à l'exception des mesures calculables. CAME : identifie toutes les dimensions à l'exception des dimensions construites sur des entités vides uniquement liées au fait

29 7 juin 2007 Yasser HACHAICHIEDA Bilan & Perspectives : Bilan & Perspectives Présentation de lapprocheIntroductionContexteExtraction de Concepts MD Méthode de construction assistée de schémas de MD en étoile Outil CAME Tests de notre méthode sur plusieurs cas type de sources relationnelles Bilan Perspectives Introduction des mesures calculées Génération automatique des procédures de génération de schémas logiques et de chargement (Mastère qui démarre). Finaliser CAME produit qui aide les entreprises à se doter de leur propre SD : Diversification des sources

30 7 juin 2007 Yasser HACHAICHIEDA Merci de votre attention Yasser Hachaichi Département Informatique, Faculté des Sciences Economiques et de Gestion de Sfax-Tunisie Laboratoire MIRACL

31 7 juin 2007 Yasser HACHAICHIEDA , JFO 2007 …


Télécharger ppt "7 juin 2007 Yasser HACHAICHIEDA 2007 1 DU RELATIONNEL AU MULTIDIMENSIONNEL : CONCEPTION DE MAGASINS DE DONNÉES Présenté par : Yasser HACHAICHI Sous la."

Présentations similaires


Annonces Google