這種數(shù)據(jù)模型的基本特點是節(jié)點之間沒有明確的隸屬關系數(shù)據(jù)，一個節(jié)點可以與其他多個節(jié)點建立聯(lián)系，即節(jié)點之間的聯(lián)系是任意的，任意兩個節(jié)點都可以有聯(lián)系，可以表示多對多的關系。3.關系數(shù)據(jù)模型由于關系數(shù)據(jù)庫結構簡單，操作方便，理論基礎扎實，所以發(fā)展很快。80年代以后推出的數(shù)據(jù)圖書館管理系統(tǒng)幾乎都是關系型的。涉及的基礎知識有:關系模型的邏輯數(shù)據(jù)結構、表的運算符、表的完整性規(guī)則以及視圖和范式的概念。

數(shù)據(jù)常見的圖書館管理系統(tǒng)數(shù)據(jù)模型包括層次模型、網(wǎng)絡模型和[關系模型] 數(shù)據(jù)模型是針對現(xiàn)實世界的。層次 Model:層次模型用“樹形結構”表示數(shù)據(jù)它們之間的關系層次Model是數(shù)據(jù)庫系統(tǒng)使用最早的模型，它的根節(jié)點在最上面，層次最高，子節(jié)點在最下面，排列的層

(2)其他節(jié)點有且只有一個父節(jié)點。(除了根之外的其他節(jié)點只有一個父節(jié)點)這就使得層次數(shù)據(jù)library系統(tǒng)只能直接處理一對多的實體關系。(3)任何給定的記錄值只有按照其路徑查看才能顯示其全部意義，任何子記錄值都不能獨立于父記錄值而存在。比如:某師范學生層次模特。層次模型有四種記錄類型，即實體。分別是:(1)記錄類型(實體)系統(tǒng)為根節(jié)點，由編號、名稱、專業(yè)、編制屬性(字段)組成。

數(shù)據(jù)模型根據(jù)應用的不同分為概念數(shù)據(jù)模型、邏輯數(shù)據(jù)模型和物理數(shù)據(jù)模型。1.概念數(shù)據(jù)模型是面向用戶和面向現(xiàn)實世界的數(shù)據(jù)模型，描述一個單元的概念結構；具有較強的語義表達能力，能夠方便、直接地表達應用中的各種語義知識；簡單明了，便于用戶理解；概念模型是充滿主觀色彩的作品。2.logic 數(shù)據(jù) model的特點是直接反映業(yè)務部門的需求，對系統(tǒng)的物理實現(xiàn)具有重要的指導作用；可以通過實體和關系勾勒出一個企業(yè)的數(shù)據(jù)藍圖；邏輯模型為用戶提供了定義完整性約束的機制，以反映具體應用中所涉及的具體語義約束。

層次 Net類型和關系類型數(shù)據(jù)庫劃分原則是數(shù)據(jù)之間的聯(lián)系。1.層次 數(shù)據(jù)圖書館也是由records 數(shù)據(jù)訪問的。層次 數(shù)據(jù)模型中最基本的數(shù)據(jù)關系是基本的層次關系，表示兩個記錄類型之間的一對多關系，也稱為父子關系。2.mesh 數(shù)據(jù) library是在mesh 數(shù)據(jù)模型的基礎上，利用網(wǎng)格原理和方法建立的。一般指mesh 數(shù)據(jù)庫管理系統(tǒng)生成的mesh 數(shù)據(jù)庫系統(tǒng)。3.關系型數(shù)據(jù) Library是指數(shù)據(jù) Library是利用關系型模型來組織的，為了方便用戶使用，以行和列數(shù)據(jù)的形式存儲。

2.嚴格來說，數(shù)據(jù)庫是一個有組織的、可共享的數(shù)據(jù)長期存儲在電腦中的集合。數(shù)據(jù)在庫中數(shù)據(jù)是指在某個數(shù)據(jù)模型中被組織、描述和存儲在一起，盡可能少冗余，高數(shù)據(jù)獨立性和可擴展性，在一定范圍內(nèi)被多個用戶共享的特性。3.數(shù)據(jù) in圖書館是為許多用戶共享他們的信息而建立的，并且已經(jīng)擺脫了特定程序的限制和約束。

滿足更真實模擬現(xiàn)實世界的要求；容易被人理解；同時又可以分為兩個不同的層次，第一個是概念層數(shù)據(jù) model，第二個是邏輯層數(shù)據(jù) model和物理層數(shù)據(jù) model。其中，概念層數(shù)據(jù) model又稱數(shù)據(jù)的概念模型或信息模型，用于描述現(xiàn)實世界中的事物，與具體的計算機系統(tǒng)無關，獨立于任何DBMS，但很容易轉換成DBMS支持的邏輯數(shù)據(jù) model。

數(shù)據(jù)分析中的變量分類 數(shù)據(jù)分析工作每天都要面對各種數(shù)據(jù)而每一個數(shù)據(jù)都有其特定的含義。同樣的數(shù)據(jù)在不同的環(huán)境下有不同的含義，所以我們要選擇正確的分析方法，得出正確的結論。首先要明確分析目的，準確理解當前數(shù)據(jù)類型和意義。統(tǒng)計學中的變量是指研究對象的特征，有時也稱為屬性，如身高、性別等。每個變量都有一個變量值，這就是我們分析的。它沒有意義，只是一個參與計算的數(shù)字，所以我們主要關注變量的類型，不同的變量類型有不同的分析方法。

為了更好的發(fā)揮數(shù)據(jù)分析，D.J.Patil把數(shù)據(jù)分析分成了四個階段。大致如上圖所示。最低級的階段是:descriptiveanalytics，這個階段數(shù)據(jù)分析只是描述問題，發(fā)生了什么？一般來說，它的意思是什么，在哪里，什么時候和多少。普通SPC監(jiān)控系統(tǒng)，

第二階段是:診斷分析學，描述分析學的自然延續(xù)，回答了“為什么”的問題。在這個階段，只要應用鉆取，就需要相關參數(shù)(低級參數(shù))的分析，一般只要求說明問題的發(fā)生。第三階段是:PredictiveAnalytics，這是一種智能分析，這是一種人工智能。