soviet math dokl 什么数据库

发布时间:2025-05-21 05:45:50 发布人:远客网络

一、soviet math dokl 什么数据库

1、数据库是依照某种数据模型组织起来并存放二级存储器中的数据集合。这种数据集合具有如下特点：尽可能不重复，以最优方式为某个特定组织的多种应用服务，其数据结构独立于使用它的应用程序，对数据的增、删、改和检索由统一软件进行管理和控制。从发展的历史看，数据库是数据管理的高级阶段，它是由文件管理系统发展起来的。

2、数据库的基本结构分三个层次，反映了观察数据库的三种不同角度。

3、(1)物理数据层。它是数据库的最内层，是物理存贮设备上实际存储的数据的集合。这些数据是原始数据，是用户加工的对象，由内部模式描述的指令操作处理的位串、字符和字组成。

4、(2)概念数据层。它是数据库的中间一层，是数据库的整体逻辑表示。指出了每个数据的逻辑定义及数据间的逻辑联系，是存贮记录的集合。它所涉及的是数据库所有对象的逻辑关系，而不是它们的物理情况，是数据库管理员概念下的数据库。

5、(3)逻辑数据层。它是用户所看到和使用的数据库，表示了一个或一些特定用户使用的数据集合，即逻辑记录的集合。

6、数据库不同层次之间的联系是通过映射进行转换的。数据库具有以下主要特点：

7、(1)实现数据共享。数据共享包含所有用户可同时存取数据库中的数据，也包括用户可以用各种方式通过接口使用数据库，并提供数据共享。

8、(2)减少数据的冗余度。同文件系统相比，由于数据库实现了数据共享，从而避免了用户各自建立应用文件。减少了大量重复数据，减少了数据冗余，维护了数据的一致性。

9、(3)数据的独立性。数据的独立性包括数据库中数据库的逻辑结构和应用程序相互独立，也包括数据物理结构的变化不影响数据的逻辑结构。

10、(4)数据实现集中控制。文件管理方式中，数据处于一种分散的状态，不同的用户或同一用户在不同处理中其文件之间毫无关系。利用数据库可对数据进行集中控制和管理，并通过数据模型表示各种数据的组织以及数据间的联系。

11、(5)数据一致性和可维护性，以确保数据的安全性和可靠性。主要包括：①安全性控制：以防止数据丢失、错误更新和越权使用；②完整性控制：保证数据的正确性、有效性和相容性；③并发控制：使在同一时间周期内，允许对数据实现多路存取，又能防止用户之间的不正常交互作用；④故障的发现和恢复：由数据库管理系统提供一套方法，可及时发现故障和修复故障，从而防止数据被破坏

二、怎么使用mathscinet数据库

1、经过详细调查。根据需求情况进行组织结构分析、业务流程分析、数据流程分析的方法、并会使用业务流程图、数据流程图、数据字典等工具来建立系统的逻辑模型。

2、根据逻辑模型建立物理模型，包括总体设计、代码设计、处理流程设计、数据库设计、输入输出等设计等。使用功能结构图、信息系统流程图、E-R图等确实系统的物理模型。

3、根据信息物理模型，选用合适的程序设计语言及数据库，综合运用所学的知识，完成信息系统的开发。

4、（1）搜集资料：选择合适的研究对象，通过系统详细调查，搜集组织相关资料。完成可行性分析与系统概述。

5、（2）系统分析：根据调查搜集的相关资料，对现行系统进行详细的分析，包括需求分析、业务流程分析、数据流程分析等，并使用相关的分析工具确定系统的逻辑模型。（重点）

6、（3）系统设计：根据分析阶段得到的逻辑模型，进行总体设计、数据库设计及各模块的详细设计。并使用相关的设计工具确定系统的物理模型。（重点）

7、（4）系统实施：根据系统设计阶段的物理模型，选择合适的程序设计语言与数据库，进行程序的编写与调试，实现系统的功能。（只需给出少量源代码，给出部分系统界面）

三、权威的数据库会议由哪些

SIGMOD(Special Interest Group on Management Of Data）：97分，数据库的最高会议，每年一次，涉及范围广泛，稍偏应用（因为理论文章有PODS(Symposium on Principles of Database Systems）。没说的，景仰如滔滔江水。这个会议不仅是double-blind review，而且有rebuttal procedure，可谓独树一帜，与众不同。

VLDB( Very Large Data Base)：95分，非常好的数据库会议，每年一次。与SIGMOD类似，涉及范围广泛，稍偏应用。

1、从文章的质量来说，SIGMOD和VLDB难分伯仲，没有说谁比谁更高。他们的范围也几乎一样。不少牛人都认为，今年的rebuttal procedure其实并不怎么成功。投稿太多，很难做到每一篇都公平公正。很多rebuttal没人看。

2、double-blind是把双刃剑。这几年来每年都有人冒充牛人的风格来投稿，有的还真进去了。反而VLDB的审稿质量一直很高。每年的VLDB都有很理论的paper。

3、一般来说，我感觉大家还是认为SIGMOD要好那么一点点。根据我个人读过的文章，也有这样的感觉。不过这个并不重要了，有差别也是那么一点。

PODS（Symposium on Principles of Database Systems）：95分。是“数据库理论的最好会议,也是一个很好的理论会议”。每年总是co-located with SIGMOD。感觉其中算法背景的人占主流（你可以数数PODS文章中有多少来自Motwani group），也有一部分AI背景的人（毕竟SIGART（Special Interest Group on Artificial Intelligence）也是主办者之一）。它的影响力远不及SIGMOD，然而其中文章的质量比较整齐，variance小于SIGMOD（以及其他任何数据库会议）。有一位牛人说：“PODS never had a really bad paper，”这是它值得骄傲的地方。

KDD（Knowledge Discovery and Data Mining）：full paper 95分，poster/short paper 90分。数据挖掘的最高会议。由于历史积累不足以及领域圈子较小，勿用讳言KDD目前比SIGMOD尚有所不如。我觉得我们可以这样类比：KDD:SIGMOD=CRYPTO:STOC（Symposium on Theory of Computing）。回顾密码学的历史，真正最牛的文章一般发在STOC/FOCS而非CRYPTO/EUROCRYPT，这和今天的数据挖掘何等类似！然而你看看今天的密码学文章，已经有顶级的密码学家（恕我不便写出名字）不再往STOC/FOCS投稿。我觉得同样的事情在不久的将来也会发生在数据挖掘中，让我们拭目以待。

这几年来KDD的质量都很高。其full paper的质量高于SIGMOD/VLDB中数据挖掘方面的paper的质量。原因是SIGMOD/VLDB审稿人中数据挖掘的人很少，审稿标准不一定能掌握得很好。这几年好几篇SIGMOD/VLDB的数据挖掘paper都follow一些KDD的paper。而在KDD，要拿一篇full paper真难。去年复旦拿了一篇，实属难能可贵。今年他们又拿了一个SIGMOD demo，说明工作的确很扎实。

听说在很多地方，如果能有一篇SIGMOD/VLDB/KDD，就能博士毕业，能有两篇就能找到不错的工作。“革命尚未成功，同志仍需努力！”

ICDE（International Conference on Data Engineering）：92分。很好的数据库会议，也是一个大杂烩。好处是覆盖面广、包容性强，坏处是文章水平参差不齐。

EDBT（Extending Database Technology）：88分，不错的数据库会议，双数年开一次，录取率很低然而历史积累不足，影响还明显不及ICDE。

ICDT（International Conference on Database Theory）：88分，PODS的欧洲版，数据库理论第二会议。

参考网址：

2009 joint conference两个会议2009一起在俄罗斯举行

和SIGMOD/VLDB一样，ICDE和EDBT在质量和影响上都不相上下。其它的如CIKM，ICDM，SDM，SSDBM，PKDD等等都比以上的会议差一截。

CIKM(Conference on Information and Knowledge Management)：85分。

SDM：full paper 90分，poster/short paper 85分。SIAM()的数据挖掘会议，与ICDM并列为数据挖掘领域的第二位，比KDD有明显差距。好像其中统计背景的人比较多，也有一部分机器学习背景的人，比较diversified。

ICDM(International Conference on Data Mining)：full paper 90分，poster/short paper 85分。IEEE的数据挖掘会议，与SDM并列为数据挖掘领域的第二位，比KDD有明显差距。

参考：

PKDD(Practice of Knowledge Discovery in Databases)：83分（因为poster/short paper数量很少，所以不予区分）。好像是KDD的欧洲版，但与KDD差距很大。