该论文主要探讨了若干关于数据仓库设计和数据挖掘实现的问题.首先,在总结前人提出了的数据仓库平台的基础上,针对其不足提出了自己的改进方法.数据仓库平台是决定数据仓库环境的性能的是一个要因素,而平台的体系结构则决定了平台的性能.数据仓库平台的体系结构有多种,在实际建立数据仓库时没有一个统一的标准.数据仓库平台的体系结构常用的有两层结构、三层结构和联合结构,其中较优的是联合结构.该文指出联合结构的成败在于全局逻辑模型,而它却难于设计,针对此作者提出了自己的改进方法,能够用来设计出更健壮的全局逻辑模型,其核心思想是:用E-R建模技术和上溯式迭代的方法来辅助设计全局逻辑模型.其次,归纳、总结了实施数据仓库工程项目的一般方案,明确指出每步的目的、工作内容、应得到的结果和衡量完成的标准.各个公司实施数据仓库的步骤主要是根据自己的数据仓库产品套件来安排,并没有一个唯一的遵循标准.作者总结一般的实施方案目的是想在遵循一个标准的基础上来确定每步应该选择的开发工具,使得开发过程更灵活,而不是局限于一两个厂商的解决方案.最后,用BP神经网络实现了对该文本数据源的挖掘,以葡萄酒的分类问题做为实例.在该程序中,实现了标准算法、加入动量项的算法和Quickprop算法,通过实例的验证比较了各个算法的收敛速度.