目的——在目前的研究中,高维度高层次数据集构建数据立方体时会造成维度灾难问题。为了解决高维度问题,提出了寻找关键维度,只对关键维度进行数据立方体构建和存储;为了解决高层次问题,提出了对层次关键字进行层次编码,对细粒度的层次数据集进行存储,其中粗粒度数据集由细粒度数据集聚集而来。方法——采用改进的Apriori算法对关键维度进行寻找,得到维度频繁项集。采用改进的片段化处理方法,对片段内的数据采用层次维度和非层次维度的组合方式进行物化,对片段间的数据保留关联索引。研究结果——第一,寻找关键维度时通过建立倒排列表来减少在生成候选项集时需要对数据库进行扫描计数的I/O开销,并对倒排列表中的事务列表采用二进制表示以减小存储开销。第二,对关键维度进行片段化处理。在片段内对数据立方体完全物化,采取1个层次维度和多个非层次维度的组合方式来减少子立方体。同时对于层次关键字进行层次编码以减少数据的存储压力。研究的局限性——(1)寻找维度频繁项集,阈值的确定以及额外的时间和存储开销。(2)对于数据立方体没有涉及的维度,则需要去原始数据仓库中查询。实际影响——通过对关键维度数据立方体的构建减少了一些无效数据的使用,提高了数据立方体的构建效率。独创性——通过改进Apriori算法寻找维度间的关联关系,得到维度频繁项集。结合维度频繁项集进行片段化构建数据立方体。