Chương 1 trình bày phạm vi, mục tiêu và ý nghĩa về lý thuyết cũng như ứng dụng của đề tài luận văn, giới thiệu cấu trúc, các qui ước ký hiệu và viết tắt trong luận văn. Mỗi chương tiếp theo, từ Chương 2 đến Chương 7 có một phần giới thiệu và một phần kết luận. Chương 2 giới thiệu tổng quan về mô hình CSDL quan hệ xác suất và mô hình CSDL quan hệ truyền thống như một nền tảng, cơ sở để xây dựng và phát triển mô hình PRDB. Từ mô hình CSDL truyền thống này, chúng ta thấy được mối liên hệ của những yếu tố mở rộng trong PRDB.
Chương 3 trình bày cơ sở toán học để phát triển mô hình PRDB. Đó là các khái niệm cơ bản, nền tảng của lý thuyết tập hợp và lý thuyết xác suất làm cơ sở để Trang 5 Một mô hình cơ sở dữ liệu quan hệ xác suất biểu diễn và xử lý thông tin không chắc chắn của các thuộc tính quan hệ trong PRDB. Chương 4 trình bày mô hình ý niệm hay các khái niệm kiểu, thuộc tính, giá trị, lược đồ và quan hệ xác suất của PRDB trên cơ sở mở rộng các khái niệm tương ứng trong CSDL quan hệ truyền thống. Chương 5 trình bày các phép toán đại số quan hệ trên PRDB.
Đó là các phép toán như Chọn, Chiếu, Tích Descartes, Kết, Giao, Hợp và Trừ trên các quan hệ xác suất trong PRDB. Các phép toán này là mở rộng các phép toán đại số tương ứng trong CSDL quan hệ truyền thống với sự tích hợp các giá trị không chắc chắn của các thuộc tính. Chương 6 trình bày ngôn ngữ truy vấn cơ sở dữ liệu ProbSQL được xây dựng trên nền tảng các phép toán đại số quan hệ PRDB để truy vấn các dữ liệu không chắc chắn trong mô hình PRDB. Chương 7 trình bày các bước để hiện thực và xây dựng một hệ quản trị CSDL khởi đầu cho mô hình PRDB để cho thấy khả năng áp dụng của mô hình này vào thực tế.
Chương 8 là tổng kết và đề nghị các hướng nghiên cứu tiếp theo cho đề tài của luận văn.4 Qui ước ký hiệu và viết tắt Các ký hiệu và qui ước chung sau đây được sử dụng trong suốt luận văn này: : quan hệ tập con : phép toán giao tập hợp : phép toán hợp tập hợp : quan hệ nhỏ hơn hoặc bằng trên tập các số thực/khoảng : quan hệ lớn hơn hoặc bằng trên tập các số thực/khoảng : phép toán hội xác suất của hai khoảng ứng với hai biến cố : phép toán tuyển xác suất của hai khoảng ứng với hai biến cố ⊝ : phép toán trừ xác suất của hai khoảng ứng với hai biến cố Pr : hàm tính xác suất của một quan hệ/sự kiện Trang 6 Một mô hình cơ sở dữ liệu quan hệ xác suất prob : hàm tính xác suất của các quan hệ hai ngôi trên các tập hợp probR,r,t : hàm tính diễn dịch xác suất của các biểu thức chọn xác suất min : hàm tính giá trị nhỏ nhất của một tập các số thực max : hàm tính giá trị lớn nhất của một tập các số thực N : tập tất cả các số tự nhiên R : tập các số thực Trang 7 Một mô hình cơ sở dữ liệu quan hệ xác suất Chương 2 TỔNG QUAN VỀ CƠ SỞ DỮ LIỆU QUAN HỆ XÁC SUẤT 2.1 Giới thiệu Chương này trình bày một bức tranh khái quát về các mô hình CSDL quan hệ xác suất và mô hình CSDL quan hệ truyền thống đã được E.Codd đề xuất năm 1970 trong [1]. Mô hình CSDL quan hệ truyền thống của Codd đã chứng tỏ nhiều ưu điểm trong việc mô hình hóa và trong các áp dụng thực tế. Tuy nhiên, mô hình này vẫn có mặt hạn chế là không thể biểu diễn và thao tác được các dữ liệu không chắc chắn ([9], [27]), mà các dữ liệu này tồn tại rất phổ biến trong thực tế. Hạn chế này đã thúc đẩy sự nghiên cứu và phát triển các mô hình CSDL quan hệ xác suất là mở rộng tổng quát của mô hình CSDL quan hệ truyền thống.
Các phần tiếp theo của chương này sẽ trình bày về các mô hình CSDL quan hệ xác suất như vậy đã được nghiên cứu và phát triển và các phương pháp tiếp cận khác nhau để xây dựng mô hình. Bên cạnh đó, chương này cũng trình bày về vai trò và ý nghĩa của các loại dữ liệu không chắc chắn là phương hướng và mục tiêu để xây dựng và áp dụng các mô hình CSDL quan hệ xác suất trong các ứng dụng thực tế.2 giới thiệu về dữ liệu không chắc chắn và ý nghĩa của việc biểu diễn dữ liệu không chắc chắn trong các mô hình CSDL.3 giới thiệu về mô hình cơ sở dữ liệu quan hệ xác suất và các hướng tiếp cận để xây dựng mô hình cơ sở dữ liệu quan hệ xác suất. Phần Trang 8 Một mô hình cơ sở dữ liệu quan hệ xác suất 2.4 trình bày về mô hình CSDL quan hệ truyền thống là nền tảng để xây dựng và phát triển mô hình PRDB. Cuối cùng, Phần 2.5 là một số kết luận đáng lưu ý của chương này.2 Dữ liệu không chắc chắn Dữ liệu không chắc chắn (uncertain data) là rất phổ biến và thường gặp trong thực tế.
Có nhiều nguyên nhân dẫn đến sự không chắc chắn của dữ liệu như dữ liệu không chắc chắn do giá trị dữ liệu chưa biết (unknown) hoặc chưa xác định được (undefined). Ví dụ, thông tin dự đoán về các giá trị cổ phiếu tương lai của các doanh nghiệp. Dữ liệu có thể không chắc chắn do tính chất tóm tắt hay tổng hợp của chính dữ liệu. Ví dụ, các kết quả khảo sát thị trường thường được diễn đạt theo một cách ước lượng mà trong đó các tiêu chí khảo sát thường được thống kê hay tổng hợp lại.
Ngoài ra, một nguyên nhân khác cũng dẫn đến sự không chắc chắn của dữ liệu đó là sự hợp nhất của dữ liệu từ nhiều nguồn lưu trữ khác nhau. Ví dụ, hai CSDL khác nhau có thể lưu trữ thông tin về cùng một bệnh nhân nhưng lại có hai giá trị ngày sinh khác nhau thì khi hợp nhất thông tin của bệnh nhân này về một CSDL chính, ta sẽ không biết lựa chọn dữ liệu ngày sinh của bệnh nhân từ CSDL nào. Hầu hết các dữ liệu không chắc chắn đều rất quan trọng và có ý nghĩa đối với việc xử lý và ra quyết định của người dùng cũng như của các ứng dụng. Vì vậy, một nhu cầu tự nhiên phát sinh là cần phải lưu trữ và biểu diễn được các dữ liệu không chắc chắn để đáp ứng cho các yêu cầu xử lý khác nhau của ứng dụng.
Tuy nhiên, để lưu trữ hay mô hình hóa được các dữ liệu không chắc chắn, người ta cần phải xác định được bản chất sự không chắc chắn của dữ liệu được xem xét. Các nghiên cứu hiện nay đã ghi nhận được hai loại không chắc chắn chính của dữ liệu trong thế giới thực: sự không chắc chắn do tính mơ hồ (vagueness) của dữ liệu và sự không chắc chắn do tính nhập nhằng (ambiguity) của dữ liệu [38]. Tính không chắc chắn do mơ hồ liên quan việc nhận biết giá trị chính xác của dữ liệu. Ví dụ, các nhận xét về chiều cao của con người như cao, rất cao hay thấp đều là những nhận xét mang tính chủ quan và không thể xác định được chiều cao chính xác của con người.
Những trường hợp này có thể được mô hình hóa một cách hiệu quả với Trang 9 Một mô hình cơ sở dữ liệu quan hệ xác suất sự trợ giúp của những công cụ như lý thuyết tập mờ (fuzzy theory). Tính không chắc chắn do nhập nhằng có liên quan đến những tình huống mà ở đó dữ liệu có thể phù hợp với nhiều giá trị khác nhau nhưng không biết được giá trị nào là chính xác. Ví dụ, nhiệt độ trung bình vào mùa khô ở thành phố Hồ Chí Minh có thể là 28, 29 hay 30oC. Những tình huống như vậy có thể được biểu diễn hiệu quả bằng các phương pháp hay độ đo xác suất như trong [38].
Tóm lại, để đáp ứng nhu cầu lưu trữ và biểu diễn các dữ liệu không chắc chắn khác nhau của thế giới thực, ta cần phải nhận biết được loại không chắc chắn của dữ liệu và lựa chọn phương pháp hay công cụ biểu diễn cho phù hợp. Và trong nghiên cứu của luận văn này, chúng tôi chỉ xem xét việc biểu diễn và thao tác trên các dữ liệu không chắc chắn ở dạng nhập nhằng như đã trình bày ở trên.3 Các mô hình CSDL quan hệ xác suất Như chúng ta đã biết, mô hình CSDL quan hệ truyền thống đã chứng tỏ nhiều ưu điểm trong mô hình hóa các áp dụng thực tế. Tuy nhiên, mô hình quan hệ truyền thống không thể biểu diễn và xử lý được thông tin không đầy đủ hoặc không chắc chắn ([18], [26]). Hạn chế này thúc đẩy sự nghiên cứu và áp dụng các mô hình CSDL quan hệ xác suất.
Sau đây, chúng tôi sẽ trình bày quá trình nghiên cứu và phát triển các mô hình CSDL quan hệ xác suất thông qua một số mô hình tiêu biểu, theo các phương pháp mở rộng biểu diễn trên giá trị thuộc tính của quan hệ và mở rộng biểu diễn trên các bộ của quan hệ. Chúng tôi lưu ý rằng, chính cách thức biểu diễn dữ liệu qui định ràng buộc dữ liệu và cách thức thao tác dữ liệu. Trước tiên, các cách tiếp cận, khả năng và hạn chế của các mô hình CSDL quan hệ xác suất sẽ được trình bày. Một mô hình CSDL quan hệ xác suất là một tổng quát hóa của mô hình CSDL quan hệ truyền thống, trong đó các giá trị thuộc tính hoặc các biến bộ của quan hệ được mở rộng thành các cặp phân bố xác suất để biểu diễn mức độ không chắc chắn của dữ liệu.
Các khái niệm về ràng buộc dữ liệu và thao tác dữ liệu cũng được mở rộng để biểu diễn được mối quan hệ giữa các phân bố xác suất với dữ liệu và các thao tác trên chúng. Tuy nhiên, sự khác biệt cũng như khả năng và hạn chế của các Trang 10 Một mô hình cơ sở dữ liệu quan hệ xác suất mô hình CSDL quan hệ xác suất thể hiện ở các cách tiếp cận biểu diễn phân bố xác suất trên quan hệ. Vì vậy, các mô hình CSDL quan hệ xác suất được xem xét chủ yếu trên khía cạnh này.