CN100426289C - 目标变量的自动数据透视生成 - Google Patents

目标变量的自动数据透视生成 Download PDF

Info

Publication number
CN100426289C
CN100426289C CNB2005100673750A CN200510067375A CN100426289C CN 100426289 C CN100426289 C CN 100426289C CN B2005100673750 A CNB2005100673750 A CN B2005100673750A CN 200510067375 A CN200510067375 A CN 200510067375A CN 100426289 C CN100426289 C CN 100426289C
Authority
CN
China
Prior art keywords
variable
conditional
decision tree
user
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CNB2005100673750A
Other languages
English (en)
Other versions
CN1684068A (zh
Inventor
A·福尔廷
B·蒂森
C·M·卡迪
C·A·米克
D·E·海克曼
D·M·奇克林
E·B·维格萨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Microsoft Technology Licensing LLC
Original Assignee
Microsoft Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Microsoft Corp filed Critical Microsoft Corp
Publication of CN1684068A publication Critical patent/CN1684068A/zh
Application granted granted Critical
Publication of CN100426289C publication Critical patent/CN100426289C/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99931—Database or file accessing
    • Y10S707/99933—Query processing, i.e. searching
    • Y10S707/99936—Pattern matching access
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99941—Database schema or data structure
    • Y10S707/99943—Generating database or data structure, e.g. via user interface

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Air Conditioning Control Device (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明充分利用机器学习技术来提供条件变量的自动生成，用于对给定的目标变量构造数据透视。本发明确定和分析给定目标变量的最佳目标变量预测符，利用它们以便于将有关目标变量的信息传递给用户。它自动离散化用作目标变量预测符的连续变量和离散变量，以建立它们的粒度。在本发明的其它示例中，能指定复杂性和/或实用性参数，以便于通过分析最佳目标变量预测符以及条件变量的复杂性和/或实用性来生成数据透视。本发明还能调节数据透视的条件变量(即目标变量预测符)，以提供最优视图，和/或接受来自用户的输入来引导/控制数据透视的生成。

Description

目标变量的自动数据透视生成
技术领域
本发明一般涉及数据挖掘，尤其涉及用于基于用户指定的输入提供数据透视的条件变量的自动生成的系统和方法。
背景技术
数字化信息使得巨量数据能存储在不可想象的小空间中。例如，该过程允许一个图书馆的内容的存储能在单个计算机硬盘驱动器上捕捉。这是可能的，因为数据被转换成二进制状态，它们能通过数字编码设备存储在各类数字存储介质中，如硬盘驱动器，CD-ROM盘和软盘。当数字存储技术在进展时，存储设备的密度允许更多的数据存储在给定大小的空间中，数据的密度主要受物理和制作过程的限制。
随着增加的存储容量，有效的数据检索的问题也增加了，使得使数据容易被访问成为至关重要。例如，图书馆有一本书，但不能找到它，此事实不能帮助喜欢读此书的顾客。同样，除非数字化数据能被容易地访问，否则无法进展。这导致建立数据结构的创建，以便于有效的数据检索。这些结构通常被称作“数据库”。数据库包含结构化格式的数据，以提供对数据的有效访问。结构化数据存储比非结构化的数据存储在检索数据方面达到更高的效率。还能应用索引和其它组织技术。数据之间的关系也与数据一起存储，以提高数据的价值。
在数据库发展的早期，用户一般观看“原始数据”，或就象它进入数据库时的数据。技术最终发展到使数据能以更有效的方式格式化、操纵和察看。例如，这允许用户向数据应用数学操作符，并甚至建立报表。商业用户能从只包含各次销售的数据库中的数据访问如“总销量”等信息。继续开发用户界面，以进一步便于以用户友好的格式检索和显示数据。用户最终感到，如来自各次销售的总销量等数据的不同视图使他们能从数据库中的原始数据获得附加信息。附加数据的收集称为“数据挖掘(daga minging)”，并产生“元数据”(即关于数据的数据)。数据挖掘使得能从原始数据提取有价值的附加数据。这在商业上特别有用，在那里在单从数据库的原始输入数据的结果上能找到解释商业销量及产品输出的信息。
因此，数据操纵能从原始数据取关键信息。由于存储数据的数字特性，此数据的操纵是可能的。从不同的方面对巨量的数字化数据的察看比用手做大大地加快。数据的每个新的透视使用户能获取关于数据的附加的见识。这是很有力的概念，有了它，能使商业成功，没有它，商业会失败。例如，趋势分析、因果分析、影响研究和预测能从输入到数据库的原始数据中确定一通过对数字化信息的直观的、用户友好的访问预测其值和时间线。
当前，为增加数据挖掘能力的数据操纵需要大量的用户输入以及指令操纵程序如何最佳察看数据以提取希望的参数的知识。这需要用户必须具有数据的内在知识以及对从那些数据能搜索什么数据的见识。没有此先验知识，用户必须尝试“碰巧(hit and miss)”方法，希望击中数据的正确的透视，以检索希望的附加信息(挖掘的数据)。此方法通常对没有决心的用户是不行的，和/或对高级用户太耗费时间。存储数据的量一般太大，且关系太复杂，使用户无法有效地开发有用的策略来挖掘有关且有价值信息的数据。因此，尽管用户可能知道他们喜欢提取什么特定信息片断(即“目标变量”)，他们仍还必须知道正确的维度参数(如察看参数)，这些参数允许他们察看提供希望的挖掘数据的数据透视。
发明内容
下面提出本发明的简化概述，以提供本发明的某些方面的基本理解。此概述不是本发明的广泛的概貌。它不试图标识本发明的关键/紧要元素或勾划出本发明的范围。其唯一目的是以简化方式提出本发明的某些概念，作为下面给出的更详细描述的序言。
本发明一般涉及数据挖掘，尤其涉及基于用户指定的输入提供数据透视的自动生成系统和方法。充分利用机器学习技术以提供对给定的目标变量的条件变量的自动生成。这考虑了数据透视的构造，如从用户希望的参数和数据库来构造数据透视表和/或OLAP立体块图。通过提供自动数据透视生成，本发明使无经验的用户能从数据库搜索或‘数据挖掘’附加的有价值数据。它确定并分析对给定目标变量的最佳目标变量预测符，利用它们来便于将有关目标变量的信息传递给用户。本发明自动离散化用作目标变量预测符的连续的和离散的变量，以建立它们的粒度(granularity)，并加强对用户的信息传递。
在本发明的其它例子中，用户也能指定复杂性参数，便于在确定一组最佳目标变量预测符和它们的复杂性时(如条件变量的复杂性)自动生成数据透视。本发明还能调节数据透视的条件变量(即目标变量预测)，以提供最优视图和/或接受用户的控制输入来引导/控制数据透视的生成。因此，本发明提供有力和直观的装置，让甚至是新手的用户即使从最大最复杂的数据库中也能快速地挖掘信息。
为达到上述及有关目的，这里结合下面描述及附图来描述本发明的某些示例方面。然而，这些方面仅是能采用本发明的原理的各种方法中的一些的说明，本发明旨在包括所有那些方面及它们的等价方面。结合附图考虑本发明的下面详述，能够明白本发明的其它优点及新颖特征。
附图说明
图1是按本发明的一方面的自动数据透视生成系统的框图。
图2是按本发明的一方面的自动数据透视生成系统的另一个框图。
图3是按本发明的一方面的自动数据透视生成系统的又一个框图。
图4是按本发明的一方面示出来自数据库的信息的表。
图5是按本发明的一方面从数据库示出对给定的目标变量的数据透视的表。
图6是按本发明的一方面示出完整的决策树的图。
图7是按本发明的一方面示出决策树的图。
图8是按本发明的一方面便于自动数据透视生成的方法的流程图。
图9是按本发明的一方面便于自动数据透视生成的方法的另一个流程图。
图10是按本发明的一方面便于自动数据透视生成的方法的又一个流程图。
图11是按本发明的一方面便于自动数据透视生成的方法的再一个流程图。
图12示出本发明能在其中工作的示例性操作环境。
图13示出本发明能在其中工作的另一个示例性操作环境。
具体实施方式
现参考附图描述本发明，其中类似的标号用于指类似的元素。在下面描述中，为了说明的目的，列出许多具体的细节，以提供对本发明的透彻理解。然而明显的是，本发明可以不采用这些具体细节来实施。在其它示例中，以框图形式示出众知的结构和设备，以便于描述本发明。
本专利中使中的术语“组件”意指有关计算机的实体，包括硬件、硬件和软件的组合、软件、或执行中的软件。例如，组件可以是，但不限于在处理器上运行的进程、处理器、对象、可执行代码、执行的线程、程序、和/或计算机。作为说明，在一台服务器上运行的应用程序或服务器都能是计算机组件。一个或多个组件能驻留在进程和/或执行的线程中，且一个组件能位于一台计算机上和/或分布在两台或更多计算机之间。“线程”是在进程中由操作系统内核调度执行的实体。本领域中众知，每个线程具有与之关联的“环境”，它是与该线程的执行关联的易失数据。线程的环境包括系统注册表的内容和属于该线程的进程的虚拟地址。因此，包括线程的环境的实际数据在执行时变化。
本发明提供系统和方法，它们通过自动生成数据透视帮助用户便于数据库的数据挖掘。在本发明的一个实例中，用户选择感兴趣的数据并指定目标变量、累计函数以及确定得出的表应该如何复杂的“复杂性”参数。然后本发明利用机器学习技术来标识哪些条件变量要包括在数据透视中，如在微软的Excel的电子表格数据透视表(数据透视表是数据察看工具，它允许用户识别和综合电子表格和/或数据库表中选中的列和行数据，以获得感兴趣的数据的希望的视图或“透视”)的顶上集合或左边集合。此外，这些变量的每一个的粒度由连续和离散变量的自动离散化来确定。连续变量的范围被自动评估，并对最优变量范围分配新的代表变量。这允许本发明提供具有对目标变量的最佳预测符/条件变量的数据的最佳视图/透视。类似地，本发明还能用于提供OPAP立方体等的维度(预测符/条件变量)。OLAP立方体是累计数据的多维视图，它允许通过快速、可靠、交互过程来深入了解信息。
在图1中，示出按本发明的一方面的自动数据透视生成系统100的框图。自动数据透视生成系统100包括接收输入数据104和访问数据库106的数据透视生成组件102。组件102自动生成输出数据108，这包括但不限于，数据透视表和/或OLAP立方体等。本发明的其它实例也能用作对给定的目标变量的预测符/条件变量的自动生成源。因此，本发明能在系统中使用而不完全地生成(即不采用累计函数)完整的数据透视表和/或OLAP立方体等。输入数据104提供诸如目标变量和感兴趣的数据等信息。这些参数允许本发明自动分析和生成最佳预测目标变量的条件变量。数据透视生成组件102访问数据库106以基于输入数据104检索用于生成数据透视的有关数据。输入数据104通常从用户110发出，他选择用于生成数据透视的参数。
本领域的技术人员可以理解，本发明能利用由可任选的其它数据源112表示的附加数据和来源。其它数据源112能提供参数给输入数据104和/或数据透视生成组件102。其它数源112能包括但不限于：环境上下文数据(如用户上下文环境)、用户概况数据、综合系统利用信息(如被设计成倾向于节省开销的结果的系统)，以及可得到的替换数据库数据(如关于从提供目标变量的更好预测符的可选源来选择和/或检索数据的分析信息)等。
在本发明的另外实例中，用户110能与数据透视生成组件102交互，并提供有关自动数据透视生成的用户控制/反馈。例如，用户110能在构造数据透视前察看、调整和/或拒绝自动选择的条件变量。诸如适当的数据库选择、数据源和/或连续条件变量的范围的适合程度等附加的控制/反馈能由本发明使用。这些示例仅是说明性的，并不意味限制本发明的范围。
参考图2，画出按本发明的一方面的自动数据透视生成系统200的另一框图。自动数据透视生成系统200包括数据透视生成组件202，它从用户208接收输入数据210-220，并基于输入数据210-220和数据库222自动生成输出数据224。在本发明的此实例中，输入数据210-220包括：感兴趣的数据210、目标变量212、复杂性参数214、实用性参数216、累计函数218和其它输入数据220。通常，用户208提供输入数据210-220，然而本发明的其它实例能从用户208以外的来源接受输入数据210-220。同样，不是本发明的所有实例都需要由输入数据210-220表示的所有数据。本发明的实例只用感兴趣的数据210和目标变量212作为输入数据也能合适地运作。本发明的这些实例能假设默认的固定复杂性参数和/或利用内部/或外部生成的动态复杂性参数作为输入数据复杂性参数214。类似地，实用性参数216能是可任选的输入数据和/或基于用户的偏爱和/或概况等内部生成的数据。本发明的其它实例生成条件变量作为输出数据224，且从不利用/需要累计函数218。在构造数据透视期间利用如用于数据透视表的求和函数的累计函数218。其它输入数据220能包括但不限于：环境数据、用户概况数据、用户偏爱和综合系统功能目标等。
数据透视生成组件202包括变量确定组件204和数据透视构建器组件206。在本发明的典型实例中，变量确定组件204接收感兴趣的数据210、目标变量212、和复杂性参数214。组件204利用这些输入基于数据库222标识和确定目标变量212的最佳预测符/条件变量。变量确定组件204还自动确定条件变量的粒度，包括标识的连续条件变量的范围。它们用机器学习技术以便于寻找目标变量212的最佳预测符。数据透视构建器组件206接收选择的条件变量，并基于这些条件变量、数据库222和累计函数218构造数据透视。数据透视构建器组件206输出数据透视作为输出数据224。该数据透视能是但不限于，数据透视表和/或OLAP立方体等。在本发明的其它实例中，数据透视构建器组件206是可任选的，且输出数据224包括来自变量确定组件204来的已标识条件变量，从而取消了对累计函数218的利用。
变量确定组件204能利用条件变量特征输入来控制/影响条件变量的标识。本发明的其它例不利用这些条件变量特征输入。这些输入包括复杂性参数214和实用性参数216等。变量确定组件204在其机器学习过程中利用条件变量特征输入以便将希望的特征加入到数据透视中。这些特征包括但不限于，数据透视的复杂性和数据透视的实用性等。本领域的技术人员理解，在本发明的范围中可以加入其它特征。
转向图3，示出按本发明的一方面的自动数据透视生成系统300的又一个框图。自动数据透视生成系统300包括数据透视生成组件302，它接收输入数据304，并基于输入数据304及数据库(未示出)自动生成输入数据306。输入数据304包括但不限于，目标变量和感兴趣的数据。数据透视生成组件302包括：可任选的数据前置过滤器组件308、变量确定组件310、和数据透视构建器组件312。可任选的数据前置过滤器组件308接收输入数据304，并基于例如可任选的用户上下文数据320执行对输入数据304的过滤。这允许输入数据304在处理之前被调整好，以允许在数据透视生成组件302如何利用及利用什么数据方面有灵活性。变量确定组件310包括：变量优化器组件314、决策树生成器组件316、和决策树估值器组件318。变量优化器组件314从数据前置过滤器组件308接收可任选地过滤的输入数据，并通过采用如完全决策树学习程序那样的机器学习技术来标识目标变量的最佳预测符。(若树中每条路径对在树中使用的每个预测符变量确定一组唯一的值范围，且对这些变量的值的每个组合被该树所覆盖，则该决策树是完整的)。因此，在本发明的此实例中，从无预测符变量开始(对应于无预测符的平凡(trivial)决策树)，变量确定组件310以贪心(greedy)的方式如下地确定预测符变量及其粒度的最佳组。决策树生成组件316从变量优化器组件314接收初始数据，并生成带着比当前最佳决策树多一个预测符变量或当前最佳决策树中的变量的另外一个分割(split)的完整决策树。由决策树值组件318对此替换完整决策树的得分进行估值。然后，变量优化器组件314接收决策树得分，并作出关于该特定的树现在是否为当前最高得分的完整决策树的判断。变量确定组件310继续决策树的构建、估值和优化判断，直到找到条件变量及其粒度的最高得分集。数据透视构建器组件312接收最优条件变量，并利用累计函数322来自动构造数据透视，作为输出数据306输出。
利用上述示例系统以采用由本发明提供的过程。这些过程允许甚至无经验的用户进行有效的数据挖掘。本发明通过采用提供数据透视的自动生成的机器学习技术来达到此目的。为了更好地理解这些技术如何加入到本发明，了解如数据透视表那样的各种数据透视的编译组件是有帮助的。数据透视表是有效地组合和比较来自数据库的大量数据的交互式表。能操纵其行和列以察看源数据的各种不同综合，包括显示所感兴趣区域的细节。当用户希望分析有关的总和时，尤其当有长的数字列表要累加并希望比较有关每个数字的若干因素时，能利用这些数据透视。
数据透视表的更技术性的描述是允许用户在调整某些其它变量的值的同时察看目标变量的累计函数的表。条件变量在数据透视表中被划分成两个集合一顶层集合和左边集合。对于在顶层集合中变量的域的叉积中值的每个各异集合，表包括一列。对于在左边集合中变量的域的叉积中值的每个各异的集合，表包括一行。例如，若顶层集合包括分别带2个和3个状态的两个离散的变量，它将导致带6个列的表一且类似地，由左边集合变量确定诸行。当数据限于对应于每一单元格的顶层集合和左边集合的给定集合值时，表中的该单元格包含对目标变量的累计函数。
例如，假设存在包括区域销售、代理销售、和月销售的销售数据。数据的子集可以象图4所示那样，图4画出表示来自数据库的数据的表400。数据中的变量(即列)是区域402、代理404、月406、和销量408。使用销量408作为目标变量和Sum()作为累计函数，通过选择区域402作为对数据透视表的顶层集合的条件变量(即指定，顶层集合包含单个变量区域402)，选择代理404作为对表的左边集合的条件变量(即指定，左边集合包含单元变量代理404)，并设置累计函数为Sum()，可以利用数据透视表来察看每个区域和每个代理的销售总和。这就产生图5中所示的表500，它示出给定目标函数(如销量)的数据透视(如数据透视表)。
对如上所述的简单数据例子，可容易地选择合适的条件变量(即预测符变量)，以在数据透视表中使用。对于具有可从中选择的许多变量和/或许多数据记录的更复杂的情况，则困难得多。本发明部分地解决了在这方面的两个相关问题。如在下面将更详细描述，本发明对这些变量的每一个自动地选择条件变量和细节(粒度)。
实质上，本发明首先标识一组输入变量和那些变量的粒度。然后，如为了通过对相应的完整决策树进行估值来生成数据透视表的目的，对任何输入变量和它们对应的粒度的集合确定其质量。定义完整的决策树，使得树中的每条路径规定了在该树中利用的每个预测符变量的一组唯一的值的范围，且该树覆盖了这些变量的值的每个组合。例如，在图6中示出完整的决策树的图600。在此例中，有三个输入变量A、B和C，其中A和B是二进制变量而C是三进制变量。在此例中，二进制状态用值0和1来表示。然而0和1值仅是代表性的，本领域的技术人员理解，这些状态能是离散实体和/或连续实体的范围。对变量A、B、C的值的2*2*3＝12种不同的可能组合的每一组，完整决策树也提供单独的叶节点。(多个可能中的)一个完整决策树在变量A上具有根分割，然后是在变量B上的下一层的所有分割，然后是在变量C的第三层上的所有分割，如图600所示。虚线602表示可能的最优估值路径，使得可能的组合#3提供最高的估值得分。
使用“正常”的决策树试探同时标识候选的预测符变量和它们对应的粒度。因此，对任一个给定的决策树，由该树将预测符变量定义为在该树中分割的每个变量，而粒度由分割点本身来定义。例如，假设一树在三进制变量X上包含一分割，它使x＝2向下到一个分枝，而X＝1或3向下到另一分枝；且该树在连续变量Y上包含一分割，它使Y＜5向下到一个分枝，而Y≥5向下到另一分枝。然后此树定义两个‘新’变量X′和Y′，它们均是离散的：X′具有两个值：“2”和“1或3”，而Y′具有两个值“＜5”和“≥5”。例如，若新的分割加到树中的X上，其中X＝1向下到一个分枝，而X＝2或3向下到另一分枝。此新的树定义了新的变量X″，它具有三个值(1，2和3)。因而，通过由诸分割确定的范围的交集定义了预测符变量的状态。因此，单个决策树被转换成一组预测符变量和那些变量的对应值。
由本发明采用的试探允许学习单个决策树，并随后搜索该决策树的子树以找出一组好的预测符变量和粒度。通常考虑的第一子树是根节点，它不对应于任何预测符变量。从此树开始，考虑的‘下一’树通过从该全树添加单个分割而选择。因此，在第一树之后，唯一可能的下一树是具有单个根分割的树。若存在多个可以添加的分割，利用具有最佳预测符变量和粒度得分的分割(即估算对应的完全树得分)。若没有另外的分割增加得分(或若当前树已扩展到全树)，则停止当前树扩展。
在本发明的一个实例中用户只要(1)选择感兴趣的数据，(2)指定目标变量，(3)指定累计函数，以及(4)指定确定得到的表应如何复杂的“复杂性”参数。然后本发明利用机器学习技术来标识在顶层集合和左边集合中包括哪些变量。此外，通过自动离散化连续及离散变量确定这些变量的每一个的粒度。传统上，若连续变量被指定为顶层集合或左边集合的成员，则数据中该变量的每个分别的值被处理成不同的分类状态。例如，若数据包含变量“年龄”，且在数据中存在98个不同的年龄值，则传统的数据透视表将“年龄”作为具有98个状态的分类变量来处理。将“年龄”添加到数据透视表的顶层(左边)集合的结果是列(行)数乘以98；按每个单独的不同年龄察看数据看来不是有用的。本发明自动检测连续变量的感兴趣的范围，并创建对应于那些范围的新变量。例如，本发明能确定，知道年龄是＞25还是≤25是重要的；在此情况下，本发明创建一新的分类变量，它的两个值对应于这些范围，且将此新变量插入到数据透视中。对如颜色等分类变量，本发明的自动离散化能将状态组合在一起。例如，若存在三种颜色，红、绿、和蓝，本发明能检测，相对于其它颜色，红色是最感兴趣的(变换的)变量，且利用它作为数据透视表的顶层集合或左边集合的成员。
本发明的一个实例通过利用下述事实操作，即数据透视表能被解释为给定顶层集合和左边集合中的所有变量时目标变量的完整表(或等价地，完整决策树)。存在标准的学习算法，它标识在此情况哪个变量对预测目标变量是最佳的。例如，若潜在的预测符变量都是离散的，能采用贪心搜索算法来选择预测符。当存在连续变量，搜索算法也能考虑添加那些变量的各种离散化版本作为预测符。类似地，搜索算法能考虑分类变量的各状态的各种组合。
本发明的另一实例利用下述非常简单的搜索算法来标识预测符。首先，对目标变量利用标准的贪心算法来学习(正规的)决策树。然后，利用该决策树贪心地添加预测符变量。重要的是注意，决策树的任何子树定义带有那些变量的对应离散化的一组预测符变量。通过以只包括根节点的子树开始，通过包括叶子节点的子节点来贪心地扩张子树，直到对相应变量的完整决策树得分不再增加。在此过程中，特定的子树可能不是完整的。在此情况下，对在此阶段的考虑的变量，树被扩展到完整树。
本领域的技术人员理解，能以许多方法定义完整决策树得分。本发明的一个实例利用一种得分，它将对决策树的数据配合(如，通过给定预测符对目标的条件对数似然性测量)与按此树构造的数据透视表的视觉复杂性(如，通过数据透视表中单元格数测量一由预测符变量的状态的叉积给出)相平衡。完整决策树的得分如下定义：
得分＝条件对数似然性-c*视觉复杂性；
其中c是由用户选择的“复杂性”因子。此外，用户可对所得的数据透视表中变量数目和/或单元格数目指定阈值。
例如，在图7中，示出按本发明的一方面的学习的决策树的图700。最初，子树简单地就是节点A 702，对应于没有预测符。通过考虑包括叶节点B 704和C 706的树来扩展决策树。此子树具有对应的单个二进制预值符D“年龄”(年龄的离散化版本)，其状态为“＜25”和“＞25”。此子树是完整的，且假设通过添加D“年龄”作为目标变量的预测符来改善完整决策树，节点C 706是下次考虑扩展的，所以新的叶节点是B 704、D 708、E 710。现在存在两个预测符：D“年龄”和“性别”。此决策子树是不完整的，但能通过也在B 704下面添加(虚构的)“性别”分割使其成为完整的。假设带这两个预测符的完整决策树的得分要比单带D“年龄”的得分好，则扩展D 708，使得子树的叶节点是B 704、F 712、G 714、E 710。现仍有两个预测符，但年龄的离散化是不同的：此子树定义了具有状态{＜25，(25，65)，≥65}的变量D“年龄2”。再次构造对应的(虚构的)完整决策树，且若对预测符D“年龄2”和“性别”的完整决策树的得分比对预测符D“年龄”和“性别”的更好，则替代地使用D“年龄2”。在此例中，总存在单个叶节点要扩展。若存在多个叶节点，则每个扩展如前那样记分，且接着提交最好地改善完整决策树得分的扩展(若有的话)。
此示例本发明的最后方面是，给出一组预测符变量，决定哪个变量要包括在顶层集合，以及哪个变量要包括在左边集合中。可作出此挑选，使得图表在视觉上最吸引人。例如，变量能被排列成使得出的数据透视表中的列数近似地等于行数。
本领域的技术人员理解，本发明可用于自动构造数据透视的其它方面，如OLAP立方体中的维度层次结构。具体说来，变量的组合及离散化确定了此层次结构。
考虑示出的和上面描述的示例系统，按照本发明能实现的方法参考图8-11的流程图将被更好地理解。虽然为了说明简单起见，方法被示作并描述成一系列框，然而可以理解，本发明不受各框的次序限制，因为按本发明的某些框能以不同的顺序发生和/或与这里示出及描述的其它框同时发生。此外，为实现按本发明的方法，不是所有示出的框都是必须的。
本发明能在由一个或多个组件执行的如程序模块的计算机可执行指令的一般上下文中描述。一般而言，程序模块包括例程、程序、对象、数据结构等，它们完成特定任务或实现特定的抽象数据类型。通常，在本发明的各种示例中程序模块的功能可以根据要求组合或分布。
在图8中，示出按本发明的一方面便于自动数据透视生成的方法的流程图。方法800通过输入目标变量、感兴趣的数据和可任选的累计函数(804)开始(802)。累计函数用于构造数据透视；然而，本发明甚至在实际构造数据透视之前能完成处理并使条件变量可用。因此，累计函数在确定给定目标的条件变量方面不是必需的。然后，通过利用机器学习技术自动确定最佳地预测目标变量的条件变量(806)。机器学习技术能包括但不限于，决策树学习、人工神经网络、贝叶斯学习方法、和基于实例的学习等。原则上，对每个提出的条件变量进行估值，直到利用机器学习技术确定了一组最优变量及其粒度。这是自动的步骤，在本发明的其它实例中它也能受用户的影响。用户能选择审阅选择的条件变量、它们的特征(如细节、粒度、范围等)，和/或处理的其它方面，并通过限制、修改、和/或重新初始化它们来影响这些元素的确定。一旦自动选定条件变量，采用选择的条件变量和累计函数生成数据透视(808)。数据透视能包括但不限于，数据透视表和/或OLAP立方体等。如前所述，在本发明的其它实例中，数据透视的实际生成是可任选的，本发明能只输出条件变量而不生成数据透视。实际数据透视的视图也能由本发明自动地调节(810)，然后流程结束(812)。机器学习技术和/或用户界面限制等被应用于得到的初始数据透视视图。这允许数据透视被额外地增强以供用户察看，通过由本发明提供的自动过程增加在传播从数据库挖掘的信息方面的价值。
参考图9，示出按本发明便于自动数据透视生成的方法900的另一流程图。此方法900画出用于自动确定给定目标变量的最佳预测符的特征的过程，和表示连续变量的感兴趣的范围的新的变量的生成。方法900通过提供选定的条件变量(904)开始(902)。选择的条件变量是通过前面描述的现有机器学习技术来选择的，并能包括离散和连续的变量。然后通过变量的自动离散化确定所选择条件变量的粒度(906)。变量的离散化能利用诸如完整决策树过程等机器学习技术。通常选择根据机器学习技术获得的带最高得分的离散变量用于数据透视生成。若选择的条件变量包括连续变量，则检测该连续变量的感兴趣的范围(908)。感兴趣的范围包括但不限于：高信息内容密度范围、用户偏爱的范围(即用户控制的输入)，高概率/似然性范围、和/或有效的数据视图范围等。一旦选定范围，本发明能创建对应于该范围的新变量(910)。对于分类变量，自动离散化步骤能将状态组合起来用于数据透视。然后，输出新的条件变量(若有的话)和/或条件特征(912)，流程结束(914)。
转向图10，画出按本发明的一方面便于自动数据透视生成的方法1000的又一流程图。方法1000通过输入目标变量、感兴趣的数据、变量选择参数、和可任选的累计函数(1004)开始(1002)。如前注意到，累计函数用于构造数据透视。然而，本发明甚至在实际构造数据透视之前能完成处理并使条件变量可用。因此，累计函数在确定给定目标的条件变量方面不是必需的。在本发明的此示例中，选择条件变量基于通过机器学习技术确定最佳预测目标变量的变量，同时考虑变量选择参数(1006)。采用的机器学习技术能包括，例如完整决策树学习过程。变量选择参数能包括但不限于，例如复杂性和/或实用性等的参数。因此，用户能通过输入复杂性参数和/或实用性参数来影响自动数据透视生成过程。因而，机器学习过程不仅考虑条件变量的最佳预测符方面，还考虑诸如复杂性和/或实用性等其选择参数。因此，在本发明的此示例中，从无预测符变量开始(对应于无预测符的平凡决策树)，以贪心的方式作出确定，如下所述地选择一组最佳的预测符变量及其粒度。输入初始数据，且生成具有比当前最佳决策树多一个的预测符或当前最佳决策树中变量的另外一个的分割的完整决策树。然后估算此替换完整决策树的得分，以判断该特定树现在是否为当前的最高得分完整决策树。继续决策树的构造、估值和最优判断，直到找到条件变量和它们的粒度的最高得分组。一旦确定了条件变量及其特征，利用这些变量及其特征生成数据透视(1008)，流程结束(1010)。应注意，为实现本发明，数据透视的实际生成不是必需的。它可用于只提供条件变量。
观察图11，示出按本发明一方面便于自动数据透视生成的方法1100的再一个流程图。方法1100是通过决策树机器学习技术采用的试探性过程。方法1100通过首先借助贪心算法学习目标变量的正规决策树(1104)开始(1102)。然后将当前最佳正规子树初始化成根节点并对其记分(1106)。当前最佳正规子树得分被设置成此得分(1107)。然后作出判断，当前最佳正规子树是否等于学习的正规决策树(1108)。若是，流程结束(1110)。若否，最佳替换得分被设置成负无穷大(1112)。然后创建替换的子树，它具有比当前最佳子树多一个的分割，并用学习的正规决策树编译(1114)。从替换子树构造替换完整子树(1118)，并对其记分(1120)。然后作出关于替换完整子树得分是否大于最佳替换完整子树得分的判断(1122)。若大于，则在作出是否还有“多一个分割”的替换子树要考虑的判断(1126)前，最佳替换(不完整的)子树被设置成等于该替换(不完整的)子树，且最佳替换得分等于该替换得分(1124)。若有替换子树要考虑，则创建下一个替换子树(1114)，并如上讨论地继续。若不存在替换子树要考虑，作出最佳的替换得分是否大于最佳的正规子树得分的判断(1128)。若否，流程结束(1110)。若大于，则最佳正规子树被设置成等于当前的最佳替换子树，且最佳正规子树得分设置成等于该最佳替换得分(1130)。然后流程返回到1108，判断当前最佳正规子树是否等于学习的正规决策树，并如上所述地继续。此试探过程能用于估计条件变量及其范围和/或粒度等的选择。
为提供用于实现本发明的各方面的附加环境，图12及下面的讨论旨在提供其中能实现本发明的各方面的合适的计算环境1200的简单而一般的描述。虽然上面以在本地计算机和/或远程计算机上运行的计算机程序的计算机可执行指令的一般上下文描述了本发明，然而本领域的技术人员理解，本发明也能组合其它程序模块实现。一般而言，程序模块包括例程、程序、组件、数据结构等，它们完成特定任务和/或实现特定的抽象数据类型。此外，本领域的技术人员理解，本发明的方法能用其它计算机系统配置实施，包括单处理器或多处理器计算机系统、小型计算机、大型计算机、以及个人计算机、手持计算设备、基于微处理器和/或可编程消费品电子设备等，它们的每一个在操作上能与一个或多个关联设备通信。本发明所示的方面也能在分布式计算环境中实施，其中，某些任务能由通过通信网络连接的远程处理设备完成。然而，本发明的某些(如果不是所有的话)方面能在独立的计算机上实施。在分布式计算环境中，程序模块能位于本地和/或远程存储器存储设备中。
本专利使用的术语“组件”意指计算机有关的实体，可以是硬件、硬件和软件的组合、软件、或执行中的软件。例如，组件能是但不限于：在处理器上运行的进程、处理器、对象、可执行代码、执行的线程、程序和计算机。作为说明，在服务器上运行的应用程序和/或服务器能是组件。此外，组件能包括一个或多个子组件。
参考图12，用于实现本发明的各个方面的示例性环境1200包括一传统的计算机1202，它包括处理单元1204、系统存储器1206和将包括系统存储器的各种系统组件耦合到处理单元1204的系统总线1208。处理单元1204可以是市场上买得到的或专用的处理器。此外，处理单元能作为从一个以上处理器形成的多处理器实现，它们能如并行地连接。
系统总线1208能是若干种类总线结构的任一种，包括存储器总线或存储控制器、外围总线、和使用各种传统总线体系结构的任一种的局部总线，如PCI、VESA、微通道、ISA和EISA，这里仅列出少数。系统存储器1206包括只读存储器(ROM)1210和随机存取存储器(RAM)1212。基本输入/输出系统(BI0S)1214包含如在起动时帮助在计算机1202中的各元件间传递信息的基本例程，一般存储在ROM 1210中。
计算机1202还能包括，例如硬盘驱动器1216、读写可移动盘1220的磁盘驱动器1218、读写CD-ROM盘1224或其它光介质的光盘驱动器1222。硬盘驱动器1216、磁盘驱动器1218和光盘驱动器1222分别通过硬盘驱动器接口1226、磁盘驱动器接口1228、和光盘驱动器接口1230连接到系统总线1208。驱动器1216-1222和它们相关的计算机可读介质为计算机1202提供数据、数据结构、计算机可读指令等的非易失存储。虽然计算机可读介质的以上描述指硬盘、可移动磁盘和CD，然而本领域的技术人员理解，其它类型的计算机可读介质，如磁带盒、闪存卡、数字视频盘、Bernoulli盒式磁带等，也能用于示例性操作环境1200，此外任何那样的介质能包含用于实现本发明的方法的计算机可执行指令。
包括操作系统1232、一个或多个应用程序1234、其它程序模块1236、和程序数据1238的若干程序模块能存储在驱动器1216-1222和RAM 1212中。操作系统1232能是任何合适的操作系统或操作系统的组合。作为例子，应用程序1234和程序模块1236能包括按本发明的一方面的自动数据透视生成方案。
用户能通过如键盘1240和定位设备(如鼠标1242)那样的一个或多个用户输入设备将命令和信息输入到计算机1202。其它输入设备(未示出)可包括麦克风、操纵杆、游戏垫、圆盘式卫星天线、无线遥控器、扫描仪等。这些和其它输入设备常通过耦合至系统总线1208的串行端口接口1244连接至处理单元1204，但能通过其它接口连接，如并行端口、游戏端口或通用串口总线(USB)。监视器1246或其它类型的显示设备也通过如视频适配器1248的接口连接至系统总线1208。除监视器1246外，计算机1202可包括其它外围输出设备(未示出)，如扬声器、打印机等。
可以理解，计算机1202能使用到一个或多个远程计算机1260的逻辑连接在网络环境中操作。远程计算机1260能是工作站、服务器计算机、路由器、对等设备或其它公共网络节点，并通常包括对于计算机1202描述的许多或所有元件，虽然为了简单起见，在图12中只示出存储器存储设备1262。图12中画出的逻辑连接包括局域网(LAN)1264和广域网(WAN)1266。那样的网络环境常见于办公室、企业范围计算机网络、内联网和因特网。
在LAN网络环境中使用时，计算机1202能通过如网络接口或适配器1268连接到局域网1264。在WAN网络环境中使用时，计算机1202通常包括调制解调器(如电话、DSL、电缆等)1270，或连接到LAN上的通信服务器，或具有其它用于通过如因特网等WAN 1266建立通信的其它装置。相对于计算机1202是内置或外接的调制解调器1270通过串行端口接口1244连接至系统总线1208。在网络环境中，程序模块(包括应用程序1234)和/或程序数据1238能存储在远程存储器存储设备1262中。可以理解，示出的网络是示例性的，在实现本发明的一方面时可以使用在计算机1202和1260之间建立通信链路的其它装置(如有线或无线的)。
按在计算机编程领域的技术人员的实践，本发明已参考由如计算机1202或远程计算机1260等计算机完成的操作的动作和符号表示来描述，除非另外指明。那样的动作和操作有时被称为计算机执行的。可以理解，那些动作和符号表示的操作包括由处理单元1204对代表数据比特的电信号的处理，此处理导致电子信息表示的转换或缩减，并将数据比特保持在存储系统(包括系统存储器1206、硬盘1216、软盘1220、CD-ROM 1224、和远程存储器1262)的存储位置中，从而重新配置或更改计算机系统的操作，并作信号的其它处理。保持那些数据比特的存储器位置是物理装置，它们具有对应数据比特的特定的电、磁、或光的特性。
图13是本发明能与之交互的样本计算环境1300的另外框图。系统1300还示出包括一个或多个客户机1302的系统。客户机能是硬件和/或软件(如线程、进程、计算设备)。系统1300还包括一个或多个服务器1304。服务器1304也能是硬件和/或软件(如线程、进程、计算设备)。服务器1304能容纳线程，以例如通过采用本发明来完成转换。在客户机1302和服务器1304之间可能的通信能以适合于在两个或多个计算机进程之间传输的数据包形式进行。系统1300包括通信架构1308，它能用于方便在客户机1302和服务器1304之间的通信。客户机1302连接到一个或多个客户机数据存储1310，它们能用于存储对客户机1302本地的信息。类似地，服务器1304连接到一个或多个服务器数据存储1306，它们能用于存储对服务器1304本地的信息。
在本发明的一个示例中，在两个或多个便于数据透视生成的计算机组件之间传输的数据包至少部分地包括有关数据透视生成系统的信息，该系统至少部分地利用包括数据库的目标变量的用户指定的数据，以便从数据库自动地生成目标变量的数据透视的至少一个条件变量。
可以理解，本发明的系统和/或方法可以在便于计算机组件和非计算机组件的自动数据透视生成中使用。此外，本领域的技术人员认识到，本发明的各系统和/或方法可广泛地用在与电子有关的技术方面，包括但不限于计算机、服务器、和/或手持式电子设备等。
上面的描述包括本发明的诸例子。当然，不可能为了描述本发明的目的而描述各组件或方法的每个可想象的组合，但本领域的普通技术人员认识到，本发明的更多的组合及置换是可能的。因而，本发明旨在包括落入附后的权利要求书的精神和范围内的所有那些更换、修改和变种。此外，对于在详细描述和权利要求中的术语“包括”，该术语以类似于术语“包含”的方式意为广义的，如“包含”在权利要求中用作过渡词时所解释的。

Claims (34)

1.一种便于数据透视生成的系统，其特征在于，包括：
接收包括来自数据库的目标变量的用户指定输入数据的组件；以及
生成组件，它对至少部分从所述用户指定输入数据和数据库中导出的目标变量的数据透视提供至少一个条件变量的自动生成，
其中所述条件变量由用于构造包括完整决策树的单个决策树的试探方法所确定，所述试探方法将所述单个决策树转换成一组预测符变量和所述预测符变量的对应值，其中搜索所述单个决策树的至少一个子树，以找出预测符变量及其粒度的至少一个最优组。
2.如权利要求1所述的系统，其特征在于，所述数据透视包括从包括数据透视表和在线分析处理(OLAP)立方体的组中选出的至少一个。
3.如权利要求1所述的系统，其特征在于，还包括：
数据透视组件，它利用至少一个自动生成的条件变量自动生成数据透视。
4.如权利要求3所述的系统，其特征在于，所述数据透视组件另外至少部分地根据机器学习技术调节所述数据透视的用户视图，以便自动地增强其对用户的呈现。
5.如权利要求4所述的系统，其特征在于，所述系统利用至少一个用户控制输入。
6.如权利要求1所述的系统，其特征在于，所述生成组件至少采用一种机器学习技术，以便于所述条件变量的自动生成。
7.如权利要求6所述的系统，其特征在于，所述机器学习技术对于从包括所述目标变量的数据透视的顶层集合和左边集合的组中选择的至少一个标识至少一个条件变量。
8.如权利要求7所述的系统，其特征在于，所述条件变量可通过用户控制输入来控制。
9.如权利要求7所述的系统，其特征在于，所述机器学习技术基于它预测所述目标变量和所述条件变量的复杂性的能力来标识所述条件变量。
10.如权利要求9所述的系统，其特征在于，所述机器学习技术在标识所述条件变量时另外应用变量的实用性。
11.如权利要求7所述的系统，其特征在于，所述条件变量包括从由离散变量和连续变量构成的组中选择的至少一个。
12.如权利要求11所述的系统，其特征在于，所述机器学习技术另外通过离散化来自动地确定所述条件变量的粒度。
13.如权利要求12所述的系统，其特征在于，所述粒度可通过用户控制输入来调节。
14.如权利要求12所述的系统，其特征在于，所述机器学习技术基于其预测所述目标变量以及所述条件变量的复杂性的能力来确定所述条件变量的粒度。
15.如权利要求14所述的系统，其特征在于，所述机器学习技术在标识条件变量的粒度时还应用所述条件变量的粒度的实用性。
16.如权利要求11所述的系统，其特征在于，所述机器学习技术自动地确定连续条件变量的至少一个范围，并将所述范围表示成新的条件变量。
17.如权利要求16所述的系统，其特征在于，所述范围可通过用户控制输入来调节。
18.如权利要求16所述的系统，其特征在于，所述机器学习技术基于其预测所述目标变量以及所述条件变量的复杂性的能力来确定所述连续条件变量的范围。
19.如权利要求18所述的系统，其特征在于，所述机器学习技术在标识连续条件变量的范围时另外应用所述连续变量的范围的实用性。
20.如权利要求18所述的系统，其特征在于，所述机器学习技术采用便于确定所述条件变量范围的至少一个完整决策树。
21.如权利要求20所述的系统，其特征在于，所述机器学习技术利用至少一个试探方法来构造所述完整决策树。
22.一种便于数据透视生成的方法，其特征在于，包括：
接收包括来自数据库的目标变量的用户指定输入数据；以及
对至少部分地从所述用户指定输入数据和所述数据库中导出的目标变量的数据透视自动生成至少一个条件变量；
通过学习包括完整决策树的单个决策树生成所述条件变量；
将所述单个决策树转换成一组预测符变量和所述预测符变量的对应值；以及
搜索所述单个决策树的至少一个子树，以找出预测符变量及其粒度的至少一个最优组。
23.如权利要求22所述的方法，其特征在于，自动生成所述数据透视还包括：
采用至少一个机器学习过程，以便于自动生成所述条件变量。
24.如权利要求23所述的方法，其特征在于，所述机器学习过程包括：
对于从由目标变量的数据透视的顶层集合和左边集合构成的组中选择的至少一个目标变量，标识至少一个条件变量；所述条件变量是基于其预测所述目标变量和所述条件变量的复杂性的能力来标识的；
自动确定离散条件变量的粒度；所述条件变量的粒度是基于其预测所述目标变量和所述条件变量的复杂性的能力；
确定连续条件变量的至少一个范围，并将所述范围表示成新的条件变量；所述条件变量的范围是基于其预测所述目标变量和所述条件变量的复杂性的能力。
25.如权利要求24所述的方法，其特征在于，标识所述条件变量包括：
采用至少一个完整决策树来确定最佳预测所述目标变量的至少一个最优条件变量及其粒度；所述完整决策树是利用至少一个试探方法来构造的。
26.如权利要求25所述的方法，其特征在于，搜索至少一个子树包括：
选择具有没有预测符变量的根节点的第一子树；
通过从所述单个决策树添加单个分割来挑选第二子树；所述单个分割是通过对最优得分的分割的估值来选择的；以及
当从包括没有出现增加最优得分的另外分割和出现等于所述单个决策树的第二子树的组中选择至少一个时，暂停。
27.如权利要求24所述的方法，其特征在于，还包括：
基于至少一个用户控制输入调节从包括条件变量、条件变量的粒度和连续条件变量的范围的组中选择的至少一个。
28.如权利要求24所述的方法，其特征在于，还包括：
应用实用性值以便于标识和/或确定从包括条件变量、条件变量的粒度和连续条件变量的范围的组中选择的至少一个。
29.如权利要求22所述的方法，其特征在于，还包括：
利用至少一个自动生成的条件变量自动地生成所述数据透视。
30.如权利要求29所述的方法，其特征在于，还包括：
至少部分地基于机器学习技术调节所述数据透视的视图，以增强对用户的呈现。
31.如权利要求30所述的方法，其特征在于，所述方法利用至少一个用户控制输入。
32.如权利要求22所述的方法，其特征在于，所述数据透视包括从包括数据透视表和在线分析处理(OLAP)立方体的组中选择的至少一个。
33.一种采用如权利要求26所述的方法的设备，包括：
用于接收包括来自数据库的目标变量的用户指定输入数据的装置；以及
用于对至少部分地从所述用户指定输入数据和所述数据库中导出的目标变量的数据透视自动生成至少一个条件变量的装置；
用于通过学习包括完整决策树的单个决策树生成所述条件变量的装置；
用于将所述单个决策树转换成一组预测符变量和所述预测符变量的对应值的装置；以及
用于搜索所述单个决策树的至少一个子树，以找出预测符变量及其粒度的至少一个最优组的装置。
34.一种采用如权利要求1所述的系统的设备，所述设备包括从包括计算机、服务器、和手持电子设备的组中选择的至少一个。
CNB2005100673750A 2004-04-14 2005-04-14 目标变量的自动数据透视生成 Expired - Fee Related CN100426289C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/824,108 US7225200B2 (en) 2004-04-14 2004-04-14 Automatic data perspective generation for a target variable
US10/824,108 2004-04-14

Publications (2)

Publication Number Publication Date
CN1684068A CN1684068A (zh) 2005-10-19
CN100426289C true CN100426289C (zh) 2008-10-15

Family

ID=34939156

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB2005100673750A Expired - Fee Related CN100426289C (zh) 2004-04-14 2005-04-14 目标变量的自动数据透视生成

Country Status (5)

Country Link
US (1) US7225200B2 (zh)
EP (1) EP1587008A3 (zh)
JP (1) JP4233541B2 (zh)
KR (1) KR101130524B1 (zh)
CN (1) CN100426289C (zh)

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10233609A1 (de) * 2002-07-24 2004-02-19 Siemens Ag Verfahren zur Ermittlung einer in vorgegebenen Daten vorhandenen Wahrscheinlichkeitsverteilung
DE602004029548D1 (de) * 2004-03-16 2010-11-25 Sap Ag Verfahren, Computerprogrammprodukt und Datenverarbeitungssystem zum Anzeigen einer Mehrzahl von Datenobjekten
US20050234761A1 (en) * 2004-04-16 2005-10-20 Pinto Stephen K Predictive model development
EP1643364A1 (en) * 2004-09-30 2006-04-05 Sap Ag Systems and methods for general aggregation of characteristics and key figures
WO2006066556A2 (de) * 2004-12-24 2006-06-29 Panoratio Database Images Gmbh Relationale komprimierte datenbank-abbilder (zur beschleunigten abfrage von datenbanken)
US7587410B2 (en) * 2005-03-22 2009-09-08 Microsoft Corporation Dynamic cube services
US8457997B2 (en) * 2005-04-29 2013-06-04 Landmark Graphics Corporation Optimization of decisions regarding multiple assets in the presence of various underlying uncertainties
WO2007048229A1 (en) 2005-10-25 2007-05-03 Angoss Software Corporation Strategy trees for data mining
US20080172671A1 (en) * 2007-01-11 2008-07-17 International Business Machines Corporation Method and system for efficient management of resource utilization data in on-demand computing
US8645390B1 (en) * 2007-08-31 2014-02-04 Google Inc. Reordering search query results in accordance with search context specific predicted performance functions
US8001158B2 (en) * 2007-12-13 2011-08-16 Hewlett-Packard Development Company, L.P. Systems and processes for evaluating database complexities
US8015129B2 (en) * 2008-04-14 2011-09-06 Microsoft Corporation Parsimonious multi-resolution value-item lists
CA2708911C (en) 2009-07-09 2016-06-28 Accenture Global Services Gmbh Marketing model determination system
JP5175903B2 (ja) * 2009-08-31 2013-04-03 アクセンチュア グローバル サービスィズ ゲーエムベーハー 適応分析多次元処理システム
US20120005151A1 (en) * 2010-07-01 2012-01-05 Vineetha Vasudevan Methods and systems of content development for a data warehouse
US8712989B2 (en) 2010-12-03 2014-04-29 Microsoft Corporation Wild card auto completion
US8774515B2 (en) * 2011-04-20 2014-07-08 Xerox Corporation Learning structured prediction models for interactive image labeling
US9135233B2 (en) 2011-10-13 2015-09-15 Microsoft Technology Licensing, Llc Suggesting alternate data mappings for charts
US10061473B2 (en) 2011-11-10 2018-08-28 Microsoft Technology Licensing, Llc Providing contextual on-object control launchers and controls
US8793567B2 (en) * 2011-11-16 2014-07-29 Microsoft Corporation Automated suggested summarizations of data
US9275334B2 (en) 2012-04-06 2016-03-01 Applied Materials, Inc. Increasing signal to noise ratio for creation of generalized and robust prediction models
US9304746B2 (en) * 2012-06-07 2016-04-05 Carmel-Haifa University Economic Corporation Ltd. Creating a user model using component based approach
CN110488991A (zh) 2012-06-25 2019-11-22 微软技术许可有限责任公司 输入法编辑器应用平台
US10001897B2 (en) 2012-08-20 2018-06-19 Microsoft Technology Licensing, Llc User interface tools for exploring data visualizations
US9563674B2 (en) * 2012-08-20 2017-02-07 Microsoft Technology Licensing, Llc Data exploration user interface
US9581726B2 (en) 2013-05-31 2017-02-28 Landmark Graphics Corporation Attribute importance determination
US10416871B2 (en) 2014-03-07 2019-09-17 Microsoft Technology Licensing, Llc Direct manipulation interface for data analysis
US10824799B2 (en) 2014-06-30 2020-11-03 Microsoft Technology Licensing, Llc Summary data autofill
US20160364770A1 (en) 2015-05-29 2016-12-15 Nanigans, Inc. System for high volume data analytic integration and channel-independent advertisement generation
US20170011418A1 (en) 2015-05-29 2017-01-12 Claude Denton System and method for account ingestion
JP7098327B2 (ja) 2015-11-25 2022-07-11 ドットデータ インコーポレイテッド 情報処理システム、関数作成方法および関数作成プログラム
US10140344B2 (en) 2016-01-13 2018-11-27 Microsoft Technology Licensing, Llc Extract metadata from datasets to mine data for insights
US20200057948A1 (en) * 2016-10-31 2020-02-20 Nec Corporation Automatic prediction system, automatic prediction method and automatic prediction program
EP3605363A4 (en) 2017-03-30 2020-02-26 Nec Corporation INFORMATION PROCESSING SYSTEM, CHARACTERISTICS, AND CHARACTERISTICS PROGRAM
US10581953B1 (en) * 2017-05-31 2020-03-03 Snap Inc. Real-time content integration based on machine learned selections
CN107562821A (zh) * 2017-08-17 2018-01-09 平安科技（深圳）有限公司 基于数据库的数据透视方法、装置和计算机存储介质
SG11202003814TA (en) 2017-10-05 2020-05-28 Dotdata Inc Feature generating device, feature generating method, and feature generating program
KR20200068043A (ko) * 2018-11-26 2020-06-15 전자부품연구원 영상 기계학습을 위한 객체 gt 정보 생성 방법 및 시스템
CN112783890B (zh) * 2019-11-08 2024-05-07 珠海金山办公软件有限公司 一种生成数据透视表行的方法及装置
CN115618193A (zh) * 2022-12-01 2023-01-17 北京维恩咨询有限公司 基于数据透视表的超级时间维度分析方法、装置和设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0863469A2 (en) * 1997-02-10 1998-09-09 Nippon Telegraph And Telephone Corporation Scheme for automatic data conversion definition generation according to data feature in visual multidimensional data analysis tool
JPH11212988A (ja) * 1998-01-23 1999-08-06 Hitachi Information Systems Ltd 多次元データベース階層型分類軸自動生成システム、分類項目解析方法及びこのプログラムを記録した記録媒体
EP1195694A2 (en) * 2000-10-06 2002-04-10 International Business Machines Corporation Automatic determination of OLAP Cube dimensions
US6430545B1 (en) * 1998-03-05 2002-08-06 American Management Systems, Inc. Use of online analytical processing (OLAP) in a rules based decision management system

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5537589A (en) 1994-06-30 1996-07-16 Microsoft Corporation Method and system for efficiently performing database table aggregation using an aggregation index
JPH1010995A (ja) 1996-06-20 1998-01-16 Fujitsu General Ltd 液晶プロジェクタ照明装置
US6298342B1 (en) 1998-03-16 2001-10-02 Microsoft Corporation Electronic database operations for perspective transformations on relational tables using pivot and unpivot columns
US6044366A (en) 1998-03-16 2000-03-28 Microsoft Corporation Use of the UNPIVOT relational operator in the efficient gathering of sufficient statistics for data mining
US6374251B1 (en) 1998-03-17 2002-04-16 Microsoft Corporation Scalable system for clustering of large databases
US6216134B1 (en) 1998-06-25 2001-04-10 Microsoft Corporation Method and system for visualization of clusters and classifications
US6360224B1 (en) 1999-04-23 2002-03-19 Microsoft Corporation Fast extraction of one-way and two-way counts from sparse data
US6626959B1 (en) 1999-06-14 2003-09-30 Microsoft Corporation Automatic formatting of pivot table reports within a spreadsheet
US6411313B1 (en) 1999-06-14 2002-06-25 Microsoft Corporation User interface for creating a spreadsheet pivottable
US6405207B1 (en) 1999-10-15 2002-06-11 Microsoft Corporation Reporting aggregate results from database queries
US6484163B1 (en) 2000-03-01 2002-11-19 International Business Machines Corporation Technique for data mining of large scale relational databases using SQL
US6519599B1 (en) 2000-03-02 2003-02-11 Microsoft Corporation Visualization of high-dimensional data
US6505185B1 (en) 2000-03-30 2003-01-07 Microsoft Corporation Dynamic determination of continuous split intervals for decision-tree learning without sorting
US7818286B2 (en) * 2001-01-22 2010-10-19 Sas Institute Inc. Computer-implemented dimension engine
US20040193633A1 (en) 2003-03-28 2004-09-30 Cristian Petculescu Systems, methods, and apparatus for automated dimensional model definitions and builds utilizing simplified analysis heuristics
US7089266B2 (en) * 2003-06-02 2006-08-08 The Board Of Trustees Of The Leland Stanford Jr. University Computer systems and methods for the query and visualization of multidimensional databases
US20050021489A1 (en) * 2003-07-22 2005-01-27 Microsoft Corporation Data mining structure

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0863469A2 (en) * 1997-02-10 1998-09-09 Nippon Telegraph And Telephone Corporation Scheme for automatic data conversion definition generation according to data feature in visual multidimensional data analysis tool
JPH11212988A (ja) * 1998-01-23 1999-08-06 Hitachi Information Systems Ltd 多次元データベース階層型分類軸自動生成システム、分類項目解析方法及びこのプログラムを記録した記録媒体
US6430545B1 (en) * 1998-03-05 2002-08-06 American Management Systems, Inc. Use of online analytical processing (OLAP) in a rules based decision management system
EP1195694A2 (en) * 2000-10-06 2002-04-10 International Business Machines Corporation Automatic determination of OLAP Cube dimensions

Also Published As

Publication number Publication date
JP2005302040A (ja) 2005-10-27
KR20060045677A (ko) 2006-05-17
US20050234960A1 (en) 2005-10-20
CN1684068A (zh) 2005-10-19
JP4233541B2 (ja) 2009-03-04
EP1587008A2 (en) 2005-10-19
US7225200B2 (en) 2007-05-29
EP1587008A3 (en) 2006-07-05
KR101130524B1 (ko) 2012-03-28

Similar Documents

Publication Publication Date Title
CN100426289C (zh) 目标变量的自动数据透视生成
El-Assady et al. Progressive learning of topic modeling parameters: A visual analytics framework
JP6106181B2 (ja) コンピューター・アプリケーションのための検索拡張メニューおよび構成
US11120347B2 (en) Optimizing data-to-learning-to-action
Mousseau et al. A user-oriented implementation of the ELECTRE-TRI method integrating preference elicitation support
CN107808278B (zh) 一种基于稀疏自编码器的Github开源项目推荐方法
Symeonidis et al. Agent intelligence through data mining
Ribeiro et al. Hybrid assessment method for software engineering decisions
CN100504861C (zh) 用于在展平的分层结构中有意义的名字的创建的方法和系统
US20060184482A1 (en) Adaptive decision process
WO2020162943A1 (en) Holistic intelligence and autonomous information system and method thereof
Meza Martínez et al. Towards an integrative theoretical framework of interactive machine learning systems
Hauder et al. Making data analysis expertise broadly accessible through workflows
CN117009668A (zh) 一种基于深度强化学习的自适应学习内容推荐方法及系统
CN118380094A (zh) 一种基于动态表单的专病库数据收集与导入系统及方法
US20220019909A1 (en) Intent-based command recommendation generation in an analytics system
CN117291111A (zh) 结合服装面料云计算平台的数字化面料仿真优化方法
CN116992758A (zh) 一种基于机器学习的复杂机械智能装配方法
JP7196148B2 (ja) 最適化支援装置および最適化支援方法
CN111274480B (zh) 用于内容推荐的特征组合方法及装置
Vairamuthu et al. Design of near optimal user interface with minimal UI elements using evidence based recommendations and multi criteria decision making: TOPSIS method
Rümpel et al. Fuzzy mashup quality requirements specification for web users
Colombo et al. Discovering patterns within the drilling reports using artificial intelligence for operation monitoring
JP2020046956A (ja) 機械学習システム
CN117725191B (zh) 大语言模型的引导信息生成方法、装置及电子设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: MICROSOFT TECHNOLOGY LICENSING LLC

Free format text: FORMER OWNER: MICROSOFT CORP.

Effective date: 20150505

C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20150505

Address after: Washington State

Patentee after: Micro soft technique license Co., Ltd

Address before: Washington State

Patentee before: Microsoft Corp.

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20081015

Termination date: 20190414