间接关联

使用自身连接查询每一门课程的间接先修课（即先修课的先修课）。

介绍了如何利用PowerDesigner工具设计和构建针对间接工作的概念模型。内容涵盖了从需求分析到概念模型设计的完整流程，并结合实例阐述了关键步骤和注意事项。 核心内容: 间接工作需求分析: 明确间接工作的定义、范围、目标，以及与其他业务流程的关系。 实体识别: 根据需求分析，识别出与间接工作相关的关键实体及其属性。 关系建立: 确定实体之间的联系类型，例如一对一、一对多、多对多等，并定义关系的属性。 概念模型设计: 使用PowerDesigner工具，将上述分析结果转化为可视化的概念模型图，清晰地展现实体、属性、关系等要素。 模型验证与优化: 通过模拟业务场景，验证模型的合理

在操作型环境向数据仓库发起数据访问请求时，由于严格的传输条件，直接访问数据仓库的情况很少见。相反，间接访问数据仓库数据成为了一种有效的应对策略。例如，航空公司的佣金计算系统就是一个典型的间接访问数据仓库的案例。这种方式不仅减少了数据传输中的技术协调问题，还优化了数据访问的效率。

本内容适合于数据挖掘方向的硕士研究生阅读学习，对关联规则与动态关联规则做了简介。

关联分析基本概念及购物篮分析 Apriori算法及FP树

多层关联规则里的冗余问题，挺让人头疼的，尤其是在数据量大的时候。冗余过滤就是个不错的工具，能帮你把“祖先关系”导致的重复规则过滤掉，逻辑清爽不少。用在那种需要分层挖掘的场景，比如商品分类、用户行为，效果还蛮的。 多层结构的数据，比如商品分“食品-零食-饼干”这几级，多时候你会挖出一堆类似的规则。其实上层已经有了，下层再出来一条，就是冗余。靠人工一个个过？太费劲。用这个过滤方案，效率高不少。 Apriori这种算法你肯定用过吧？配合这类过滤机制一起用，能大大提升输出规则的质量。不只是多，更重要的是准。有些规则看着热闹，其实一点价值都没有，这一步能帮你把水分滤掉。 顺带一提，想深入挖的话，可以看看

右关联和全关联的 SQL 语句例子，讲得还挺清楚的，适合你刚开始上手多表查询的时候用。右关联的重点在于：就算左边表没数据，右边的也照样保留，类似在问：“右边部门表里所有部门，员工有没有就随缘啦”。代码是这样写的：SELECT * FROM Employee EMP Right JOIN Department DP ON EMP.dp_id = DP.DP_ID嗯，查询结果会把Department里的所有记录都保留下来，Employee里没匹配的就是NULL。全关联（Full Join）就更野一点，两边表都不放过——谁有就展示谁，相当于“全体集合大展示”。用法是：SELECT * FROM Em

Association（关联）在PD中的定义是： “一个关联是实体之间的连接。在Merise建模方法中，关联用于连接几个分别代表明确对象的实体，这些对象通过一个事件链接，而该事件可能不那么明确地由另一个实体表示。”。

powerdesigner的关联优化技巧

购物网站项目中使用自关联的方式来定义商品类目分类。