学位论文 > 优秀研究生学位论文题录展示

数据仓库与数据挖掘技术对于软件项目管理的应用

作　者: 张瑶
导　师: 姚天昉；张艳红
学　校: 上海交通大学
专　业: 软件工程
关键词: 项目管理数据仓库意见挖掘关键词极性项目意见
分类号: TP311.13
类　型: 硕士论文
年　份: 2009年
下　载: 99次
引　用: 0次
阅　读: 论文下载

内容摘要

一直以来,如何提高项目的成功率被各行各业所关注,因此,项目管理也逐步地成为了一门独立的管理学科。然而,再浩大的工程最终是需要使用工具来完成的,而什么工具才能帮助项目管理提高项目的成功率?近年来,数据仓库(Data Warehouse,简称:DW)、联机分析(Online Analytical Processing,简称:OLAP)以及数据挖掘(Data Mining,简称:DM)已经在许多商业环境分析中发挥了出色的效用。数据仓库作为数据的集散地被广泛使用,有效利用这份庞大的资源体成为当前各项研究的重点课题。本文以项目管理知识体系(Project Management Bode of Knowledge,简称PMBOK[1])为背景,对项目管理进行了的描述,除将管理过程中的9大管理领域、软件项目管理活动节点以及节点上的产物详细描述之外,还结合现实项目信息,利用数据仓库存储信息,开发数据挖掘工具寻找项目中的知识——项目的意见。作者借鉴了企业资源管理系统(Enterprise Resource Planning,简称:ERP)中物料清单(Bill of Material,简称:BOM)、工作中心(Workcentre)和工艺单(Routing)的概念建立项目管理数据仓库,从候选方案中选择最佳项目管理信息资源结构的组织方式,并建立项目管理信息仓库。之后,从累积多年的项目信息中筛选、转化、加载具有代表价值的数据导入数据仓库,且形成一套完成的ETL独立工具——SSIS_DM。建立信息数据仓库后,研究重点进入对数据挖掘算法的研究。在文本意见挖掘的思路基础上研究并发展适合项目意见挖掘的算法,通过计算获得软件项目过程节点产物中的关键词及其极性,帮助抽取项目观念,即:SO-PAV算法(Project Artifact Valence,简称:SO-PAV)。其中,对于特征选择函数的比较与选择都经过了慎重地考虑,并使用事实数据加以实验说明。另外,第六章开篇部分的挖掘引擎图详细地描述了挖掘工具的工作原理、相关算法以及结果判断,直至预测分析。考虑到系统代码的标准统一性、规范性以及可扩展性,本项目相关的系统开发工作主要使用的实验开发工具是SQL SERVER 2005,.net framework的语言体系架构,外部数据源来自于ACCESS,PROJECT,EXCEL等等工具。本研究意图开立结合项目管理与数据挖掘的研究。在无论是经济危机笼罩的当下,还是经济复苏的未来,此类研究都必将是极其重要的。

全文目录

摘要  5-6
ABSTRACT  6-12
1 绪论  12-15
  1.1 研究背景  12-13
  1.2 研究内容  13
  1.3 论文结构  13-15
2 项目管理  15-25
  2.1 项目管理概述  15
  2.2 项目管理的研究  15-16
  2.3 了解项目管理体系中的九大管理领域  16-23
    2.3.1 整体管理  17-18
    2.3.2 范围管理  18
    2.3.3 时间管理  18-19
    2.3.4 成本管理  19
    2.3.5 质量管理  19-20
    2.3.6 人力资源管理  20
    2.3.7 沟通管理  20-21
    2.3.8 风险管理  21-22
    2.3.9 采购管理  22-23
  2.4 软件项目特有的管理过程  23-24
    2.4.1 需求管理  23
    2.4.2 开发管理  23
    2.4.3 测试管理  23-24
  2.5 项目化管理对软件工程的影响  24
  2.6 国内软件项目管理呼唤先进的项目管理技术  24-25
  2.7 小结  25
3 数据仓库  25-35
  3.1 数据仓库的历史  26-28
    3.1.1 什么是数据仓库  26
    3.1.2 数据仓库的特征  26-28
  3.2 数据仓库的结构  28-33
    3.2.1 数据仓库的系统结构  29-30
    3.2.2 理解主题  30-31
    3.2.3 理解元数据  31
    3.2.4 事实  31-32
    3.2.5 数据分割策略  32
    3.2.6 数据仓库数据模式  32-33
  3.3 SSIS 信息包  33-34
    3.3.1 使用SSIS 达到的效果  33-34
    3.3.2 SSIS 的工作原理  34
  3.4 小结  34-35
4 数据挖掘  35-43
  4.1 什么是数据挖掘  36
  4.2 知识发掘过程  36-37
  4.3 数据挖掘系统的主要成分  37-39
  4.4 挖掘什么类型的模式  39-40
    4.4.1 类/概念描述：特征化和区分  39
    4.4.2 挖掘频繁模式、关联和相关  39-40
  4.5 数据挖掘的方法论  40
  4.6 特征选择  40-41
  4.7 挖掘频繁模式、关联和相关  41-43
    4.7.1 频繁项集和关联规则  41-42
    4.7.2 频繁模式挖掘标准  42-43
  4.8 意见挖掘  43
  4.9 小结  43
5 建立项目管理数据仓库  43-61
  5.1 原因、目的及必要性  44
  5.2 了解相关业务数据库结构  44-46
  5.3 项目管理数据仓库概念模型定义  46
    5.3.1 项目意见分析信息包  46
    5.3.2 业务处理信息存储表  46
  5.4 分析主题域  46-47
  5.5 事实表和维表  47-52
    5.5.1 事实表  47-48
    5.5.2 维表  48-52
  5.6 确定数据分割策略  52-53
  5.7 关系模型定义  53-54
  5.8 生成SSIS 信息包  54-60
  5.9 小结  60-61
6 项目关键词意见挖掘  61-74
  6.1 项目关键词意见挖掘引擎  61-63
    6.1.1 重要的输入特征变量  62
    6.1.2 输出变量  62-63
    6.1.3 关于节点产物的层次安排  63
  6.2 选取合适的数据  63
  6.3 为挖掘准备数据  63-66
  6.4 项目关键词意见挖掘算法  66-70
    6.4.1 选择特征属性  67-68
    6.4.2 寻找各节点产品与评分关联支持度  68-69
    6.4.3 寻找关键词的极性  69
    6.4.4 挖掘项目的意见  69-70
  6.5 划分模型集  70-73
    6.5.1 训练集  70-72
    6.5.2 验证集  72-73
  6.6 小结  73-74
7 实验和结论  74-79
  7.1 系统设计  74
  7.2 系统运行界面  74-75
  7.3 实验结果分析  75-77
    7.3.1 产品提交情况  75-76
    7.3.2 绩效考核情况  76-77
  7.4 小结  77-79
8 结论  79-81
  8.1 研究总结  79-80
  8.2 未来展望  80-81
参考文献  81-84
附录  84-86
  附录A：绩效考核规则以及部分公式  84-86
致谢  86
攻读学位期间发表的学术论文目录  86

数据仓库与数据挖掘技术对于软件项目管理的应用

内容摘要

全文目录

相似论文