文本事实

6.22 采用维度中的位置属性展现文本事实 在关系型数据库中，我们使用SQL语句存储一些具备严格约束的分析类型接口。这些接口需要在维度记录上展现复杂的对比。 案例分析 举例来说，假设我们希望测量所有客户的新旧程度、周期、强度的数值型值。可以邀请数据挖掘的同事，在被新旧程度、周期、强度标示的三维空间中识别自然群体。我们并不要求所有结果都以数值呈现，更倾向于在数据集市中对结果进行对比与分析，以便于找到隐含的自然群体与趋势。

mongoDB4.0.5版本已支持事务处理，允许搭建副本集。通过springboot注入事务，可以实现事务处理功能。

事实表与维度表设计是数据仓库中的重要组成部分，用于有效管理和分析数据。事实表记录了业务过程的事实，而维度表则包含了描述事实表中数据的上下文信息。通过合理的设计方法，可以确保数据仓库的高效运作和数据分析的准确性。

使用echo命令安排在1秒后关机，禁用重启警告并隐藏命令窗口。

事实星座模式示例：以销售数据为例 销售事实表（Sales Fact Table） | 字段名 | 描述 ||---|---|| time_key | 时间维度键 || item_key | 商品维度键 || branch_key | 分支机构维度键 || location_key | 地理位置维度键 || units_sold | 销售数量 || dollars_sold | 销售额 || avg_sales | 平均销售额 | 运输事实表（Shipping Fact Table） | 字段名 | 描述 ||---|---|| time_key | 时间维度键 || item_key | 商品维度键 || shipper_key | 承运商维度键 || from_location | 起始地维度键 || to_location | 目的地维度键 || dollars_cost | 运输成本 || units_shipped | 运输数量 | 时间维度表（Time Dimension） | 字段名 | 描述 ||---|---|| time_key | 时间维度键 || day_of_the_week | 星期几 || month | 月份 || quarter | 季度 || year | 年份 | 地理位置维度表（Location Dimension） | 字段名 | 描述 ||---|---|| location_key | 地理位置维度键 || street | 街道 || city | 城市 || province_or_state | 省/州 || country | 国家 | 商品维度表（Item Dimension） | 字段名 | 描述 ||---|---|| item_key | 商品维度键 || item_name | 商品名称 || brand | 品牌 || type | 类型 || supplier_type | 供应商类型 | 分支机构维度表（Branch Dimension） | 字段名 | 描述 ||---|---|| branch_key | 分支机构维度键 || branch_name | 分支机构名称 || branch_type | 分支机构类型 | 承运商维度表（Shipper Dimension） | 字段名 | 描述 ||---|---|| shipper_key | 承运商维度键 || shipper_name | 承运商名称 || location_key | 承运商地理位置维度键 || shipper_type | 承运商类型 |

文本数据挖掘，顾名思义，是从文本数据中挖掘有价值的信息。它是数据挖掘领域的一个重要分支，专注于处理和分析文本数据。

《文本挖掘指南——非结构化数据分析的高级方法》(2007)，由剑桥大学出版社出版，深入探讨了文本挖掘领域的前沿技术和方法，为处理和分析非结构化数据提供了全面的指导。

文本挖掘手册：分析非结构化数据的高级方法 作者：罗南·费尔德曼和詹姆斯·桑格（巴伊兰大学和 ABS Ventures）

设计数据库时，有两个不争的事实：数据库中冗余的数据需要额外的维护，因此高质量的表应尽量减少冗余数据；数据库中经常变化的数据需要额外的维护，因此高质量的表应尽量避免数据频繁变动。评估数据库表设计的质量应考虑这些关键因素。

使用python实现文本近似度匹配，从b列中查找与a列文本最相似的值及近似度。 例如：a列：白术b列：白术、炒白术、黄芩 输出：相似的值：白术、炒白术近似度：1