Trabalho Futuro

A realização deste trabalho de dissertação contribui de forma decisiva para saber como fazer a avaliação comportamental de uma comunidade de utilizadores de plataformas OLAP e para perceber a importância dessa avaliação na reestruturação das estruturas multidimensionais que eles exploram, em particular na otimização dos recursos computacionais que com elas estão envolvidos desde a sua fase de processamento até à sua materialização. Ao realizarmos este

como descobrir a informação que usualmente é consultada pelos utilizadores. De facto, definição e caracterização, de assinaturas OLAP pode ajudar os administradores de plataformas analíticas nas suas atividades de melhoria do desempenho do sistema e na rentabilização do espaço em disco ocupado pelas estruturas multidimensionais. Mas, nesta altura, também sabemos que a caracterização de assinaturas que realizamos pode ser melhorada.

Várias linhas de atuação podem ser seguidas no futuro para melhorar o processo de definição e caracterização de assinaturas OLAP alcançado, nomeadamente, incorporar no processo as preferências definidas pelos próprios utilizadores, agrupar os diversos perfis de utilização com base numa análise prévio em vez de fazer a construção de assinaturas para de perfis individuais, agrupar perfis com características semelhantes, enriquecendo-os, de forma a melhorar a técnica de extração de informação, aperfeiçoar a técnica de escolha do caminho mais percorrido pelo utilizador no nosso modelo de cadeias de Markov, analisar mais profundamente as probabilidades entre consultas e melhorar a inferência de consultas futuras, prever a próxima vista a ser consultada (ou materializada) e proceder à sua colocação em cache antes da primeira consulta ser efetuada. Além disso, ao combinarmos todas estas técnicas num único processo de definição de assinaturas podemos propor a reestruturação de estruturas multidimensionais, percebendo de uma forma mais efetiva a diferença entre a estrutura que está em utilização e a estrutura proposta que foi prevista. Com isto, de certa forma, conseguimos fechar o nosso ciclo de trabalho, contribuindo para a evolução das estruturas de dados multidimensionais a par da evolução das necessidades de exploração dos utilizadores à medida que estas surjam no negócio.

Bibliografia

Araniti, G. et al., 2003. Adaptively controlling the QoS of multimedia wireless applications through “user profiling” techniques. EEE Journal on Selected Areas in Communications, 21(10), pp.1546–1556.

Belo, O. & Monsanto, P., 2012. Signature Based Credentials , an Alternative Method for Validating Student Access in e-Learning Systems. In European Conference on e-Learning. Kidmore End, pp. 1–9.

Cahill, M.H. et al., 2002. Detecting Fraud in the Real World. In Massive Computing. Springer, Boston, MA, pp. 911–929. Available at: http://link.springer.com/10.1007/978-1-4615-0005- 6_26 [Accessed September 12, 2017].

Codd, E., Codd, S.B. & Salley, C., 1993. Providing OLAP to User-Analysts: An IT Mandate. Available at: http://www.minet.uni-jena.de/dbis/lehre/ss2005/sem_dwh/lit/Cod93.pdf [Accessed September 12, 2017].

Cortes, C. et al., 2000. Hancock: A Language for Extracting Signatures from Data Streams.

Proceedings of the sixth ACM SIGKDD international conference on Knowledge discovery and data mining, pp.9–17. Available at: http://delivery.acm.org/10.1145/350000/347094/p9- cortes.pdf?ip=193.137.92.13&id=347094&acc=ACTIVE

SERVICE&key=2E5699D25B4FE09E.8B0EA5264B27B16E.4D4702B0C3E38B35.4D4702B0C3E3 8B35&CFID=808253165&CFTOKEN=24586111&__acm__=1505215340_1cf0314b79bb3c181 780651c73 [Accessed September 12, 2017].

Cortes, C. & Pregibon, D., 2001. Signature-Based Methods for Data Streams. Data Mining and Knowledge Discovery, 5(3), pp.167–182.

Cufoglu, A., 2014. User Profiling-A Short Review. International Journal of Computer Applications, 108(3), p.9. Available at: http://research.ijcaonline.org/volume108/number3/pxc3900179.pdf [Accessed July 19, 2017].

Edge, M.E. & Falcone Sampaio, P.R., 2009. A survey of signature based methods for financial fraud detection. Computers and Security, 28(6), pp.381–394. Available at:

http://dx.doi.org/10.1016/j.cose.2009.02.001.

Ferreira, P. et al., 2006. Establishing fraud detection patterns based on signatures. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture

Notes in Bioinformatics), 4065 LNAI, pp.526–538.

Giacometti, A. et al., 2009. Query recommendations for OLAP discovery driven analysis. In

Proceeding of the ACM twelfth international workshop on Data warehousing and OLAP - DOLAP ’09. New York, New York, USA: ACM Press, p. 81. Available at:

http://portal.acm.org/citation.cfm?doid=1651291.1651306 [Accessed September 13, 2017]. Godoy, D. & Amandi, A., 2005. User profiling in personal information agents: a survey. The

Knowledge Engineering Review, 0, pp.1–33. Available at:

http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.60.4925&rep=rep1&type=pdf [Accessed September 12, 2017].

Golfarelli, M. & Rizzi, S., 2009. Expressing OLAP preferences. In Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in

Bioinformatics). pp. 83–91.

Harinarayan, V., Rajaraman, A. & U1lman, J.D., 1996. Implementing Data Cubes Efficiently*. Available at: http://delivery.acm.org/10.1145/240000/233333/p205-

harinarayan.pdf?ip=193.137.92.13&id=233333&acc=ACTIVE

SERVICE&key=2E5699D25B4FE09E.8B0EA5264B27B16E.4D4702B0C3E38B35.4D4702B0C3E3 8B35&CFID=808253165&CFTOKEN=24586111&__acm__=1505210320_97a7d230489c961a9 f5 [Accessed September 12, 2017].

Jerbi, H. et al., 2009. Preference-Based Recommendations for OLAP Analysis. In In Proceedings of te 11yh International Conference on Data Warehousing and Knowledge Discovery. Linz: Springer, Berlin, Heidelberg, pp. 467–478. Available at: http://link.springer.com/10.1007/978- 3-642-03730-6_37 [Accessed September 13, 2017].

Kozmina, N. & Niedrite, L., 2010. OLAP Personalizaton with User-describing Profiles. Perspectives in Business Informatics Research, 64, pp.188–202.

Kuflik, T. & Shoval, P., 2000. Generation of User Profiles for In formati on Filtering-Research Agend. In SIGIR conference on Research and development in information retrieval. Athens, pp. 313–315. Available at: http://delivery.acm.org/10.1145/350000/345615/p313-

kuflik.pdf?ip=193.137.92.13&id=345615&acc=ACTIVE

SERVICE&key=2E5699D25B4FE09E.8B0EA5264B27B16E.4D4702B0C3E38B35.4D4702B0C3E3 8B35&CFID=808253165&CFTOKEN=24586111&__acm__=1505224313_b5799cdf112999775 3e9b72b [Accessed September 12, 2017].

Lopes, J., Belo, O. & Vieira, C., 2011. Applying user signatures on fraud detection in

pp.286–299.

Mota, G., Fernandes, J. & Belo, O., 2014. An Alternative Method for Preventing Fraud in e- Commerce Applications. In Data Science and Advanced Analytics (DSAA). Shanghai. Nadeau, T.P. & Teorey, T.J., 2002. Achieving scalability in OLAP materialized view selection. In

Proceedings of the 5th ACM international workshop on Data Warehousing and OLAP - DOLAP ’02. New York, New York, USA: ACM Press, pp. 28–34. Available at:

http://portal.acm.org/citation.cfm?doid=583890.583895 [Accessed October 24, 2017]. Shukla, A., Deshpande, P.M. & Naughton, J.F., 1998. Materialized View Selection for

Multidimensional Datasets *. Available at:

https://www.researchgate.net/profile/Prasad_Deshpande4/publication/221310736_Materialize d_View_Selection_for_Multidimensional_Datasets/links/55260ee60cf295bf160ec910/Materializ ed-View-Selection-for-Multidimensional-Datasets.pdf [Accessed October 24, 2017].

Stein, D., Scheinerman, E.R. & Gregory S Chirikjian, G., 2003. Mathematical models of binary spherical-motion encoders. IEEE/ASME transactions on mechatronics, 8(2), pp.234–244. Available at:

https://www.researchgate.net/profile/Gregory_Chirikjian/publication/3414919_Mathematical_ models_of_binary_spherical-motion_encoders/links/549816460cf2519f5a1db885.pdf

[Accessed September 13, 2017].

Vijay Kumar, T. V. & Ghoshal, A., 2009. A Reduced Lattice Greedy Algorithm for Selecting Materialized Views. In Springer, Berlin, Heidelberg, pp. 6–18. Available at:

http://link.springer.com/10.1007/978-3-642-00405-6_5 [Accessed October 24, 2017].

Weber, R., 2011. Markov Chains. Available at: http://www.statslab.cam.ac.uk/~rrw1/Markov/M.pdf [Accessed September 13, 2017].

Wixom, B. & Watson, H., 2001. An Empirical Investigation of the Factors Affecting Data Warehousing Success. Management Information Systems Quarterly, 25(1). Available at: http://aisel.aisnet.org/misq/vol25/iss1/2 [Accessed September 13, 2017].