智能信息系统

第1章 引言

1.1 信息管理与商务智能

1.2 信息系统的智能化趋势

1.3 本书的研究内容

第2章 信息系统的数据建模

2.1 信息系统生命周期

2.1.1 瀑布模型

2.1.2 快速原型法

2.1.3 增量模型

2.1.4 螺旋模型

2.2 实体关系模型

2.2.1ER模型

2.2.2 EER模型

2.3 业务规则

2.3.1 完整性约束与数据依赖

2.3.2 秩约束

2.3.3 覆盖约束

第3章 数据模式

3.1 数据模型与数据模式

3.2 模式转换

3.2.1 关系模型

3.2.2 从ER模型到关系模型

3.2.3 模式转换方法对比

3.3 模式演化

3.3.1 模式修改、演化与版本化

3.3.2 模式的更改

3.3.3 模式演化的框架

第4章 数据挖掘的若干方法

4.1 数据挖掘概述

4.1.1 数据挖掘、知识发现、商务智能

4.1.2 数据挖掘的过程和体系

4.1.3 数据挖掘的任务

4.2 关联规则

4.2.1 关联规则概述

4.2.2 关联规则的挖掘

4.2.3 关联规则的形式扩展

4.3 聚类

4.3.1 聚类分析概述

4.3.2 聚类方法

第5章 基于关联知识的AR-EER建模

5.1 概念建模方法

5.1.1 关联规则的语义

5.1.2 实体特殊化与关系特殊化

5.1.3 扩展的实体关系模型：AR-EER

5.1.4 AR-EER模型评价

……

第6章 以关联知识增强零售信息系统

第7章 结语

术语表

《智能信息系统：以关联知识优化数据建模的方法和实践》构建了信息系统建模和数据挖掘的桥梁，这是随着信息技术的飞速发展而兴起的两个研究领域。研究聚焦到数据挖掘领域一种重要且常见的知识——关联规则，挖掘到的关联规则对于数据模型来讲是新颖的、有意义的补充。研究关注概念层次上的数据建模，并选取广泛用于关系数据库建模的实体关系（ER）模型作为基础，它有助于捕捉现实世界的结构和语义，通常是技术人员与用户之间的沟通桥梁。《智能信息系统：以关联知识优化数据建模的方法和实践》建立了关联规则和ER模型之间的术语和语义的对照，探讨了使用关联规则丰富ER模型的方法和技术，对特殊化建模机制进行扩展，引入了关系特殊化，用于表达关联规则的语义，提高模型的语义表达力。