《智能信息系统：以关联知识优化数据建模的方法和实践》构建了信息系统建模和数据挖掘的桥梁，这是随着信息技术的飞速发展而兴起的两个研究领域。研究聚焦到数据挖掘领域一种重要且常见的知识——关联规则，挖掘到的关联规则对于数据模型来讲是新颖的、有意义的补充。研究关注概念层次上的数据建模，并选取广泛用于关系数据库建模的实体关系（ER）模型作为基础，它有助于捕捉现实世界的结构和语义，通常是技术人员与用户之间的沟通桥梁。《智能信息系统：以关联知识优化数据建模的方法和实践》建立了关联规则和ER模型之间的术语和语义的对照，探讨了使用关联规则丰富ER模型的方法和技术，对特殊化建模机制进行扩展，引入了关系特殊化，用于表达关联规则的语义，提高模型的语义表达力。

    本书旨在数据挖掘和概念建模之间的交叉领域范围内，构建基于数据挖掘发现的知识来丰富数据模型、增强信息系统的语义框架，推动信息系统的演进。为了研究的聚焦，我们关注一项典型的数据挖掘知识——关联规则，研究关联知识的引入对数据模式的影响；研究定位在概念建模层次上，以经典的实体关系（ER/EER）模型族作为基础数据模型。作为构建使用关联规则丰富ER/EER模型的探索性的一步，本书对ER/EER中的特殊化结构进行了扩展，提出关系特殊化来表达新关联知识，并比较系统地阐述了从数据挖掘知识到数据建模的语义转化的思路。本书侧重于交叉领域背景下的新问题，以及概念、性质的扩展，包括由此产生的对数据建模的影响和相关扩展。在模型结构扩展的基础上，具体地研究了三方面相关的技术问题，包括扩展模型（即AR-EER）中的秩约束建模、使用AR-EER进行关系数据库（RDB）建模、基于AR-EER的模式更改，以解决新的模型结构带来的问题。
    秩约束是概念模型中的一种重要约束，用于表达关系中的语义。在AR-EER中定义关系子类及其参与实体上的秩约束时，不仅要基于业务规则，也要考虑已定义秩约束的蕴涵，即超类上定义的秩约束意味着在子类上构成了一定的约束。本书研究了特殊化结构中的秩约束蕴涵，给出了特殊化结构中的秩约束蕴涵的推理规则系统，并根据导出的秩约束以及用户定义的秩约束两种语义来定义关系子类上的秩约束。为了保持新定义的秩约束与原秩约束是一致的，我们研究了特殊化结构中的秩约束一致性问题，对传统情形下用于检验秩约束一致性的不等式系统进行了扩展，提出了新的不等式系统检验AR-EER模式中的秩约束一致性。经过检验，遵照上述定义的秩约束不会影响原ER模式的秩约束一致性。
    在解决基于AR-EER进行关系数据库建模的问题时，我们特别解决了由概念模型中的新结构导致的语义对应和关系数据库形式，并使得相应的语义信息得以保持。我们定义了AR-EER模式的一致状态，给出了从AR-EER到关系数据库的模式转换算法，并深入研究了扩展算法的信息保持性质，以及所得关系模式的范式。
    在基于关联语义丰富模式的过程中，新的结构和语义的出现引出了模式演化的相关研究。我们着重结合AR-EER建模定义了模式更改的情形，定义相关的操作，并保证在更改时保持模式的一致性、统一性，等等。
    本书构建了基于关联知识丰富概念模型的框架，就建模扩展和重要相关技术开展了研究，其成果在丰富数据建模的表达力和有用性、扩展数据库设计方法和CASE建模工具等方面具有一定的理论、应用和参考价值。
    ……

第1章 引言
1.1 信息管理与商务智能
1.2 信息系统的智能化趋势
1.3 本书的研究内容

第2章 信息系统的数据建模
2.1 信息系统生命周期
2.1.1 瀑布模型
2.1.2 快速原型法
2.1.3 增量模型
2.1.4 螺旋模型
2.2 实体关系模型
2.2.1ER模型
2.2.2 EER模型
2.3 业务规则
2.3.1 完整性约束与数据依赖
2.3.2 秩约束
2.3.3 覆盖约束

第3章 数据模式
3.1 数据模型与数据模式
3.2 模式转换
3.2.1 关系模型
3.2.2 从ER模型到关系模型
3.2.3 模式转换方法对比
3.3 模式演化
3.3.1 模式修改、演化与版本化
3.3.2 模式的更改
3.3.3 模式演化的框架

第4章 数据挖掘的若干方法
4.1 数据挖掘概述
4.1.1 数据挖掘、知识发现、商务智能
4.1.2 数据挖掘的过程和体系
4.1.3 数据挖掘的任务
4.2 关联规则
4.2.1 关联规则概述
4.2.2 关联规则的挖掘
4.2.3 关联规则的形式扩展
4.3 聚类
4.3.1 聚类分析概述
4.3.2 聚类方法

第5章 基于关联知识的AR-EER建模
5.1 概念建模方法
5.1.1 关联规则的语义
5.1.2 实体特殊化与关系特殊化
5.1.3 扩展的实体关系模型：AR-EER
5.1.4 AR-EER模型评价
……
第6章 以关联知识增强零售信息系统
第7章 结语
术语表