Mô Hình Cơ Sở Dữ Liệu Quan Hệ Với Thông Tin Không Chắc Chắn

Luận văn thạc sĩ phân tích về một mô hình csdl quan hệ với thông tin không chắc chắn dạng ngôn ngữ gần tự nhiên, đánh giá thực trạng, chỉ ra hạn chế, đề xuất giải pháp khả thi cho

• Tác giả: Phạm Lê Cương
• Người hướng dẫn: PGS, TS Nguyễn Cát Hổ
• Trường học: Đại Học Quốc Gia Hà Nội
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Mô Hình Cơ Sở Dữ Liệu Quan Hệ Với Thông Tin Không Chắc Chắn
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2008
• Địa điểm: Hà Nội

Tóm tắt

I. Giới Thiệu Mô Hình Cơ Sở Dữ Liệu Quan Hệ 55 ký tự

Trong kỷ nguyên số, thông tin không chắc chắn là một thách thức lớn đối với việc quản lý và khai thác dữ liệu. Các cơ sở dữ liệu quan hệ truyền thống thường gặp khó khăn trong việc xử lý các thông tin mơ hồ, không đầy đủ hoặc không chính xác. Do đó, việc nghiên cứu và phát triển các mô hình dữ liệu mới, có khả năng biểu diễn và xử lý thông tin không chắc chắn, trở nên vô cùng quan trọng. Các nghiên cứu gần đây đã tập trung vào việc mở rộng cơ sở dữ liệu quan hệ để có thể làm việc với dữ liệu không chắc chắn, sử dụng các phương pháp như logic mờ, lý thuyết độ tin cậy và xác suất. Mục tiêu là xây dựng các hệ thống có thể đưa ra quyết định tốt hơn trong môi trường dữ liệu không đầy đủ hoặc dữ liệu không chính xác. Luận văn này nghiên cứu tiếp mô hình CSDL với thông tin được biểu thị bằng ngôn ngữ tự nhiên với ngữ nghĩa dựa trên cấu trúc thứ tự của đại số gia tử và phân tích những ưu điểm của mô hình mới.

1.1. Tổng Quan Về Quản Lý Thông Tin Không Chắc Chắn

Quản lý thông tin không chắc chắn là một lĩnh vực rộng lớn, bao gồm nhiều phương pháp tiếp cận khác nhau. Một số phương pháp phổ biến bao gồm sử dụng lý thuyết độ tin cậy, logic mờ, và các mô hình xác suất. Mỗi phương pháp có ưu điểm và nhược điểm riêng, và việc lựa chọn phương pháp phù hợp phụ thuộc vào đặc điểm của dữ liệu và yêu cầu của ứng dụng. Theo tài liệu gốc, nhiều tác giả đã quan tâm nghiên cứu và có những kết quả đáng kể về CSDL mờ. Do sự đa dạng của những loại thông tin này nên chúng ta gặp rất khó khăn trong biểu thị ngữ nghĩa và thao tác với chúng.

1.2. Vai Trò Của Mô Hình Dữ Liệu Trong Xử Lý Dữ Liệu Không Chắc Chắn

Mô hình dữ liệu đóng vai trò quan trọng trong việc biểu diễn và xử lý dữ liệu không chắc chắn. Một mô hình dữ liệu tốt cần có khả năng biểu diễn một cách chính xác các loại thông tin không chắc chắn, đồng thời cung cấp các công cụ hiệu quả để truy vấn dữ liệu không chắc chắn và đưa ra các quyết định dựa trên dữ liệu này. Việc nghiên cứu và cài đặt các thủ tục thao 8 tác dữ liệu để bảo đảm tính trọn vẹn dữ liệu đối với mô hình CSDL mới này và chứng tỏ sự thuận tiện và đơn giản của loại mô hình này .

II. Thách Thức Với Cơ Sở Dữ Liệu Quan Hệ Truyền Thống 58 ký tự

Các cơ sở dữ liệu quan hệ truyền thống được thiết kế để làm việc với dữ liệu chính xác và đầy đủ. Khi đối mặt với thông tin không chắc chắn, chúng thường gặp nhiều khó khăn. Một trong những thách thức lớn nhất là việc biểu diễn các giá trị không rõ ràng hoặc mơ hồ. Các mô hình quan hệ truyền thống không có cơ chế tích hợp để xử lý các giá trị này, dẫn đến việc mất mát thông tin hoặc đưa ra các quyết định sai lầm. Ngoài ra, việc truy vấn dữ liệu không chắc chắn trong các cơ sở dữ liệu quan hệ truyền thống cũng là một vấn đề phức tạp. Các truy vấn SQL tiêu chuẩn không được thiết kế để xử lý các giá trị không chắc chắn, và cần phải sử dụng các kỹ thuật phức tạp để có thể truy vấn và xử lý dữ liệu không chính xác.

2.1. Hạn Chế Trong Biểu Diễn Dữ Liệu Không Đầy Đủ và Không Chính Xác

Các mô hình quan hệ truyền thống dựa trên khái niệm về các giá trị thuộc tính rõ ràng và xác định. Khi một giá trị bị thiếu hoặc không chính xác, các cơ sở dữ liệu này thường phải sử dụng các giá trị mặc định hoặc các giá trị null để biểu diễn sự thiếu hụt thông tin. Tuy nhiên, việc sử dụng các giá trị mặc định hoặc null có thể dẫn đến mất mát thông tin và ảnh hưởng đến độ chính xác của các truy vấn. (i) Với các thuộc tính mà giá trị là dữ liệu kinh điển và dữ liệu mờ, (gọi là các thuộc tính mờ), kiểu dữ liệu không đồng nhất, do đó, việc xử lý dữ liệu gặp nhiều khó khăn.

2.2. Khó Khăn Trong Truy Vấn Dữ Liệu Không Chắc Chắn Bằng SQL

SQL, ngôn ngữ truy vấn tiêu chuẩn cho các cơ sở dữ liệu quan hệ, không được thiết kế để xử lý thông tin không chắc chắn. Việc truy vấn dữ liệu không chắc chắn bằng SQL đòi hỏi việc sử dụng các hàm và toán tử phức tạp, cũng như các kỹ thuật lập trình nâng cao. Điều này có thể làm tăng độ phức tạp của các truy vấn và làm giảm hiệu suất của hệ thống. Ví dụ như, để diễn giải nghĩa của bảy thuật ngữ terms very very small , very small , small , medium , large , very large , very very large nhằm mô tả các giá trị của cường độ dòng điện trong khoảng [0, 10] am - pe, người ta có thể dựng bảy tam giác cân như hình 2 .

III. Đại Số Gia Tử Giải Pháp Cho Thông Tin Ngôn Ngữ 53 ký tự

Đại số gia tử cung cấp một cách tiếp cận mới để biểu diễn và xử lý thông tin ngôn ngữ trong cơ sở dữ liệu. Thay vì sử dụng các tập mờ để biểu diễn các giá trị ngôn ngữ, đại số gia tử xem các giá trị này như là các phần tử của một đại số, với các phép toán và quan hệ thứ tự được xác định rõ ràng. Cách tiếp cận này cho phép biểu diễn thông tin ngôn ngữ một cách tự nhiên và nhất quán, đồng thời cung cấp các công cụ mạnh mẽ để truy vấn dữ liệu và đưa ra các quyết định dựa trên thông tin ngôn ngữ. Trong cách tiếp cận này, miền giá trị của thuộc tính được phép nhận giá trị ngôn 13 ngữ và giả thiết tập các giá trị ngôn ngữ được nhúng vào một đại số gia tử.

3.1. Biểu Diễn Giá Trị Ngôn Ngữ Dựa Trên Cấu Trúc Đại Số Gia Tử

Trong đại số gia tử, các giá trị ngôn ngữ được biểu diễn như là các phần tử của một đại số, với các phép toán như kết hợp, giao, và bù. Các phép toán này cho phép kết hợp các giá trị ngôn ngữ khác nhau để tạo ra các biểu thức phức tạp hơn, đồng thời cho phép tính toán độ tương tự giữa các giá trị ngôn ngữ. Chúng ta xét miền ngôn ngữ của biến chân lý TRUTH gồm các từ sau: Dom (TRUTH)={ true, false, very true, very false, more - or - less true, more - or - less false, possibly true, possibly false, approximately true, approximately false, little true, little false, very possibly true, very possibly false .}, trong đó true, false là các từ nguyên thuỷ, các từ nhấn (mordifier hay intensifier) very, more - or - less, possibly, approximately true, little gọi là các gia tử (hedges).

3.2. Ưu Điểm Của Đại Số Gia Tử So Với Lý Thuyết Tập Mờ

So với lý thuyết tập mờ, đại số gia tử cung cấp một cách tiếp cận tự nhiên và nhất quán hơn để biểu diễn thông tin ngôn ngữ. Trong lý thuyết tập mờ, các giá trị ngôn ngữ được biểu diễn bằng các hàm thuộc, đòi hỏi việc xác định các hàm này một cách chủ quan. Ngược lại, đại số gia tử không yêu cầu việc xác định các hàm thuộc, và cung cấp một khuôn khổ toán học chặt chẽ để lý luận về thông tin ngôn ngữ. Vì vậy, mặc dù đã có nhiều kết quả nghiên cứu về CSDL mờ, theo chiều hướng đó cách tiếp cận nghi ên cứu CSDL mờ với ngữ nghĩa dựa trên đại số gia tử vẫn có thể được xem là một vấn đề nghiên cứu mới.

IV. Xây Dựng Mô Hình Cơ Sở Dữ Liệu Dựa Trên ĐSGT 58 ký tự

Việc xây dựng mô hình cơ sở dữ liệu dựa trên đại số gia tử đòi hỏi việc mở rộng các khái niệm và kỹ thuật của mô hình quan hệ để có thể làm việc với thông tin ngôn ngữ. Điều này bao gồm việc định nghĩa các kiểu dữ liệu mới để biểu diễn các giá trị ngôn ngữ, cũng như việc phát triển các toán tử truy vấn mới để xử lý các giá trị này. Các phụ thuộc hàm dựa trên độ tương tự trong CS DL ngôn ngữ .Khi đó miền ngôn ngữ T= dom (TRUTH ) có thể biểu thị như một đại số AH = ( X, C, H,  ) , trong đó C là tập các từ nguyên thuỷ được xem là các phần tử sinh. H là tập các gia tử được xem như là các phép toán một ngôi, quan hệ  trên các từ (các khái niệm mờ) là quan hệ thứ tự được "cảm sinh" từ ngữ nghĩa tự nhiên.

4.1. Mở Rộng Các Kiểu Dữ Liệu Để Biểu Diễn Giá Trị Ngôn Ngữ

Để biểu diễn giá trị ngôn ngữ trong cơ sở dữ liệu, cần phải định nghĩa các kiểu dữ liệu mới, có khả năng lưu trữ các phần tử của đại số gia tử. Các kiểu dữ liệu này có thể được xây dựng dựa trên các kiểu dữ liệu hiện có, chẳng hạn như kiểu chuỗi, hoặc có thể được định nghĩa hoàn toàn mới. Ví dụ dựa trên ngữ nghĩa, các quan hệ thứ tự sau là đúng: false  true, more true  very true nhưng very false  more false, possibly true  true nhưng false  possibly false .

4.2. Phát Triển Các Toán Tử Truy Vấn Mới Cho Dữ Liệu Ngôn Ngữ

Các toán tử truy vấn SQL truyền thống không được thiết kế để xử lý dữ liệu ngôn ngữ. Do đó, cần phải phát triển các toán tử truy vấn mới, có khả năng so sánh, kết hợp, và truy vấn các giá trị ngôn ngữ. Các toán tử này có thể được xây dựng dựa trên các phép toán của đại số gia tử, hoặc có thể được định nghĩa hoàn toàn mới. Tập X được sinh ra từ C bởi các phép tính trong H. Như vậy mỗ i phần tử của X sẽ có dạng biểu diễn x=h n h n - 1 . Tập tất cả các phần tử được sinh ra từ một phần tử x được ký hiệu là H(x).

V. Ứng Dụng và Kết Quả Tìm Kiếm Thông Tin Mờ 54 ký tự

Mô hình cơ sở dữ liệu sử dụng đại số gia tử được ứng dụng trong các hệ thống tìm kiếm và quản lý tri thức. Trong các hệ thống này, thông tin không chắc chắn thường xuyên xuất hiện, và việc sử dụng đại số gia tử cho phép xử lý các thông tin này một cách hiệu quả. Việc ứng dụng đại số gia tử chỉ ra rằng mô hình CSDL với thông tin mờ trở nên rõ ràng, nhất quán trong thao t ác và thao tác dữ liệu đơn giản hơn.

5.1. Hệ Thống Tìm Kiếm Tri Thức Với Thông Tin Không Chắc Chắn

Đại số gia tử cung cấp một cách tiếp cận hiệu quả để xây dựng các hệ thống tìm kiếm tri thức có khả năng xử lý thông tin không chắc chắn. Các hệ thống này có thể được sử dụng để tìm kiếm thông tin trong các kho tri thức lớn, hoặc để đưa ra các khuyến nghị dựa trên thông tin không chắc chắn. Xét ĐSGT AX = ( X , G, LH, s,  ,  ). Với mọi h  LH i c , mọi k  LH c i+1 , nếu  x,  x  lim(x) (hay  x,  x  LH(G)) thì: hx  kx kéo theo  hx =  kx, hx  kx kéo theo fhx =  kx.

5.2. Cải Thiện Độ Chính Xác Của Truy Vấn Với Đại Số Gia Tử

Việc sử dụng đại số gia tử có thể cải thiện đáng kể độ chính xác của các truy vấn trong cơ sở dữ liệu. Bằng cách sử dụng các toán tử truy vấn được định nghĩa trên đại số gia tử, các truy vấn có thể trả về các kết quả chính xác hơn, ngay cả khi dữ liệu chứa thông tin không chắc chắn. Trong cách tiếp cận này, miền giá trị của thuộc tính được phép nhận giá trị ngôn 13 ngữ và giả thiết tập các giá trị ngôn ngữ được nhúng vào một đại số gia tử. Ngữ nghĩa của các quan hệ hai ngôi trên mỗi miền giá trị thuộc tính, bao gồm các giá trị kinh điể n và các giá trị ngôn ngữ, sẽ được nghiên cứu và trên cơ sở đó các phép toán đại số quan hệ sẽ được định nghĩa phù hợp với ngữ nghĩa mới.

VI. Kết Luận và Hướng Phát Triển Cơ Sở Dữ Liệu 52 ký tự

Nghiên cứu về mô hình cơ sở dữ liệu quan hệ với thông tin không chắc chắn đang tiếp tục phát triển mạnh mẽ. Việc sử dụng đại số gia tử cung cấp một hướng đi đầy hứa hẹn, cho phép xây dựng các hệ thống quản lý và khai thác tri thức hiệu quả hơn. Các kết quả nghiên cứu trong luận văn này có thể được sử dụng để xây dựng các ứng dụng thực tế, cũng như để tiếp tục nghiên cứu và phát triển các mô hình dữ liệu tiên tiến hơn.Trong những năm gần đây, CSDL mờ đã được nhiều tác giả trong và ngoài nước quan tâm nghiên cứu và đã có những kết quả đáng kể [1,6,14,15]

6.1. Tóm Tắt Các Kết Quả Chính Của Nghiên Cứu

Nghiên cứu này đã trình bày một mô hình cơ sở dữ liệu quan hệ mới, dựa trên đại số gia tử, để biểu diễn và xử lý thông tin không chắc chắn. Mô hình này cung cấp các kiểu dữ liệu mới và các toán tử truy vấn mới, cho phép truy vấn và xử lý dữ liệu không chính xác một cách hiệu quả. Việc nghiên cứu và cài đặt các thủ tục thao 8 tác dữ liệu để bảo đảm tính trọn vẹn dữ liệu đối với mô hình CSDL mới này và chứng tỏ sự thuận tiện và đơn giản của loại mô hình này .

6.2. Hướng Nghiên Cứu Tiềm Năng Trong Tương Lai

Trong tương lai, có nhiều hướng nghiên cứu tiềm năng liên quan đến mô hình cơ sở dữ liệu dựa trên đại số gia tử. Một hướng đi là nghiên cứu các phương pháp tối ưu hóa truy vấn để cải thiện hiệu suất của hệ thống. Một hướng khác là nghiên cứu các ứng dụng mới của mô hình dữ liệu này trong các lĩnh vực như khai phá dữ liệu và học máy. Khác với CSDL mờ trong đó giá trị ngôn ngữ được xem như là nhãn của tập mờ, theo cách tiếp cận của ĐSGT, các giá trị như vậy được xem chính là các phần t ử của đại số gia tử, vì theo cách biểu thị ngữ nghĩa trong ĐSGT, chúng có thể được xem chính là các giá trị ngôn ngữ.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 – TỔNG QUAN 1.1 Tập mờ Các tập mờ hay tập hợp mờ (tiếng Anh: Fuzzy set) là một mở rộng của lý thuyết tập hợp kinh điển và được dùng trong lôgic mờ. Trong lý thuyết tập hợp kinh điển, quan hệ thành viên của các phần tử trong một tập hợp được đánh giá theo một điều kiện rõ ràng — một phần tử hoặc thuộc hoặc không thuộc về tập hợp. Ngược lại, lý thuyết tập mờ cho phép đánh giá quan hệ thành viên giữa một phần tử và một tập hợp; quan hệ này được mô tả bằng một hàm thuộc (membership function). Các tập mờ được coi là một mở rộng của lý thuyết tập hợp kinh điển là vì, với một miền nhất định, một hàm thuộc có thể giữ vai trò của một hàm đặc trưng ánh xạ mỗi phần tử tới một giá trị 0 hoặc 1 như trong khái niệm kinh điển.1 Một tập hợp mờ trên một tập hợp kinh điển Χ được định nghĩa như sau: Hàm thuộc μA(x) lượng hóa mức độ mà các phần tử x thuộc về tập cơ sở Χ.

Nếu hàm cho kết quả 0 đối với một phần tử thì phần tử đó không có trong tập đã cho, kết quả 1 mô tả một thành viên toàn phần của tập hợp. Các giá trị trong khoảng mở từ 0 đến 1 đặc trưng cho các thành viên mờ.nhien TIEU LUAN MOI download : [e-mail] 10 Hình 1: Tập mờ và tập rõ Hàm thuộc μA(x) thỏa mãn các điều kiện sau 1.2 Lôgic mờ Lôgic mờ (tiếng Anh: Fuzzy logic) được phát triển từ lý thuyết tập mờ để thực hiện lập luận một cách xấp xỉ thay vì lập luận chính xác theo lôgic vị từ kinh điển. Lôgic mờ có thể được coi là mặt ứng dụng của lý thuyết tập mờ để xử lý các giá trị trong thế giới thực cho các bài toán phức tạp (Klir 1997). Người ta hay nhầm lẫn khả năng đúng với xác suất.

Tuy nhiên, hai khái niệm này khác hẳn nhau; độ đúng đắn của lôgic mờ biểu diễn độ thuộc với các tập được định nghĩa không rõ ràng, không phải khả năng xảy ra một biến cố hay điều kiện nào đó. Để minh họa sự khác biệt, xét tình huống sau: Bảo đang đứng trong một ngôi nhà có hai phòng thông nhau: phòng bếp và phòng ăn. Trong nhiều trường hợp, trạng thái của Bảo trong tập hợp gồm những thứ "ở trong bếp" hoàn toàn đơn giản: hoặc là anh ta "trong bếp" hoặc "không ở trong bếp". Nhưng nếu Bảo đứng tại cửa nối giữa hai phòng thì sao? Anh ta có thể được coi là "có phần ở trong bếp".

Việc định lượng trạng thái "một phần" này cho ra một quan hệ thuộc đối với một tập mờ. Chẳng hạn, nếu Bảo chỉ thò một ngón chân cái vào phòng ăn, ta có thể nói rằng Bảo ở "trong bếp" đến 99% và ở trong phòng ăn 1%. Một khi anh ta còn đứng ở cửa thì (LUAN.nhien TIEU LUAN MOI download : [e-mail] 11 không có một biến cố nào (ví dụ một đồng xu được tung lên) quyết định rằng Bảo hoàn toàn "ở trong bếp" hay hoàn toàn "không ở trong bếp". Các tập mờ được đặt cơ sở trên các định nghĩa mờ về các tập hợp chứ không phải dựa trên sự ngẫu nhiên.

Lôgic mờ cho phép độ thuộc có giá trị trong khoảng đóng ([0,1]), và ở hình thức ngôn từ, các khái niệm không chính xác như "hơi hơi", "gần như", "khá là" và "rất". Cụ thể, nó cho phép quan hệ thành viên không đầy đủ giữa thành viên và tập hợp. Tính chất này có liên quan đến tập mờ và lý thuyết xác suất. Lôgic mờ đã được đưa ra lần đầu vào năm 1965 bởi GS.

Lotfi Zadeh tại Đại học California, Berkeley.3 Hạn chế của việc quản lý và thao tác thông tin mờ biểu thị bằng lý thuyết tập mờ trong CSDL Chúng ta có thể nhận thấy việc sử dụng tập mờ và mô hình quan hệ để xử lý thông tin mờ có một số hạn chế nhất định: (i) Với các thuộc tính mà giá trị là dữ liệu kinh điển và dữ liệu mờ, (gọi là các thuộc tính mờ), kiểu dữ liệu không đồng nhất, do đó, việc xử lý dữ liệu gặp nhiều khó khăn. Chẳng hạn, do dữ liệu ngôn ngữ được biểu diễn dưới dạng các tập mờ, nghĩa là được thể hiện bởi các hàm thuộc của U, miền thuộc tính cơ sở, vào khoảng đơn vị [0,1], định nghĩa các quan hệ đối sánh trên các dữ liệu này không phải là một vấn đề giản đơn và có nhiều cách giải quyết khác nhau. Tất nhiên, sự thỏa mãn các mối quan hệ trong trường hợp này được định nghĩa dựa trên logic đa trị thay vì logic hai giá trị. Chúng ta hãy xem xét một thí dụ, thuộc tính AGE (Tuổi) và giả thiết rằng dữ liệu rather young được thể hiện bằng một tập mờ R.young với hàm thuộc R.

Với trường hợp dữ liệu 34 và rather young, đẳng thức 34 = Rather young có thể được diễn giải là thỏa mãn mức độ chân lý R. Song có một câu hỏi khó hơn là làm sao ta có thể diễn giải điều kiện thỏa mãn logic của bất đẳng thức Rather young < 34?. Có một cách là diễn giải bất đẳng thức này bằng cách tính tập mức  R.young, của tập mờ R.young và kiểm tra bất đẳng thức R.young, < 34, trong đó bất đẳng thức có nghĩa rằng (u  R. Nếu bất đẳng thức này được thỏa mãn, (LUAN.nhien TIEU LUAN MOI download : [e-mail] 12 chúng ta nói rằng mức độ thỏa mãn của bất đẳng thức này là giá trị chân lý của .

Như vậy, tùy theo cách diễn giải của người sử dụng, ta cần thiết kế các thủ tục để quản lý dữ liệu có thuộc tính mờ. Hình 2: Mô tả cường độ dòng điện (ii) Việc diễn giải về ngữ nghĩa của dữ liệu ngôn ngữ là một vấn đề cơ bản, tuy nhiên, nó hoàn toàn phụ thuộc vào cách biểu thị quá chủ quan về ngữ nghĩa của ngôn ngữ biểu diễn bằng tập mờ. Điều này có nghĩa là mọi người thường tự thiết kế các tập mờ cho mỗi ứng dụng, trừ khi chọn lựa các giá trị dựa trên ngữ nghĩa trong thực tế. Không có ràng buộc chính thức nào cho thiết kế kiểu này.

Ví dụ như, để diễn giải nghĩa của bảy thuật ngữ terms very very small, very small, small, medium, large, very large, very very large nhằm mô tả các giá trị của cường độ dòng điện trong khoảng [0, 10] am-pe, người ta có thể dựng bảy tam giác cân như hình 2. Đó là các tam giác bằng nhau trừ tam giác đầu và cuối, hai tam giác này bằng một nửa các tam giác hoàn chỉnh. Vấn đề dường như rất kỹ thuật và chủ quan, và một câu hỏi phát sinh là vì sao các tam giác bằng nhau và các cạnh đáy của chúng nằm trùng lên nhau đúng một nửa. Điều này có vẻ không phù hợp khi xem xét ngữ nghĩa tự nhiên của các thuật ngữ này.4 Giới thiệu đại số gia tử Trong phần này, chúng ta sẽ tiếp cận đại số gia tử về ngữ nghĩa dựa trên quan hệ thứ tự của dữ liệu ngôn ngữ của biến ngôn ngữ để xây dựng mô hình CSDL quan hệ và nghiên cứu các phép thao tác trên các dữ liệu của CSDL với thông tin ngôn ngữ.

Trong cách tiếp cận này, miền giá trị của thuộc tính được phép nhận giá trị ngôn (LUAN.nhien TIEU LUAN MOI download : [e-mail] 13 ngữ và giả thiết tập các giá trị ngôn ngữ được nhúng vào một đại số gia tử. Ngữ nghĩa của các quan hệ hai ngôi trên mỗi miền giá trị thuộc tính, bao gồm các giá trị kinh điển và các giá trị ngôn ngữ, sẽ được nghiên cứu và trên cơ sở đó các phép toán đại số quan hệ sẽ được định nghĩa phù hợp với ngữ nghĩa mới. Việc tiếp cận dựa trên đại số gia tử chỉ ra rằng mô hình CSDL với thông tin mờ trở nên rõ ràng, nhất quán trong thao tác và thao tác dữ liệu đơn giản hơn.nhien TIEU LUAN MOI download : skknchat@gmail.1 Đại số gia tử Để xây dựng cách tiếp cận đại số gia tử đối với CSDL mờ, trong phần này xin trình bày tổng quan về một số nét cơ bản của đại số gia tử và khả năng biểu thị ngữ nghĩa dựa vào cấu trúc của đại số gia tử. Chúng ta xét miền ngôn ngữ của biến chân lý TRUTH gồm các từ sau: Dom(TRUTH)={true, false, very true, very false, more-or-less true, more-or-less false, possibly true, possibly false, approximately true, approximately false, little true, little false, very possibly true, very possibly false.}, trong đó true, false là các từ nguyên thuỷ, các từ nhấn (mordifier hay intensifier) very, more-or-less, possibly, approximately true, little gọi là các gia tử (hedges).

Khi đó miền ngôn ngữ T=dom(TRUTH) có thể biểu thị như một đại số AH = ( X, C, H,  ), trong đó C là tập các từ nguyên thuỷ được xem là các phần tử sinh. H là tập các gia tử được xem như là các phép toán một ngôi, quan hệ  trên các từ (các khái niệm mờ) là quan hệ thứ tự được "cảm sinh" từ ngữ nghĩa tự nhiên. Ví dụ dựa trên ngữ nghĩa, các quan hệ thứ tự sau là đúng: falsetrue, more truevery true nhưng very false more false, possibly truetrue nhưng falsepossibly false. Tập X được sinh ra từ C bởi các phép tính trong H.

Như vậy mỗi phần tử của X sẽ có dạng biểu diễn x=hnhn- 1. Tập tất cả các phần tử được sinh ra từ một phần tử x được ký hiệu là H(x). Nếu C có đúng hai từ nguyên thuỷ mờ, thì một được gọi là phần tử sinh dương ký hiệu là c+, một gọi là phần tử sinh âm ký hiệu là c- và ta có c- < c+. Trong ví dụ trên True là dương còn False là âm.

Nếu các tập các phép toán (hay gia tử) H+, H và tập C các phần tử sinh là tuyến tính thì tập nền X = H(G) cũng tuyến tính. Tuy nhiên tập H(G) thiếu các phần tử giới hạn, hay nói khác đi nó không đóng đối với phép “lấy giới hạn”. Chính vì thế, đại số gia tử đầy đủ AX = < X, C, H, , ,  > được xây dựng bằng cách bổ sung vào tập X các phần tử giới hạn nhằm làm đẩy đủ miền giá trị của nó.nhien TIEU LUAN MOI download : skknchat@gmail.1 Những phát biểu cơ bản Cho X là một tập sắp thứ tự một phần (partially ordered set) và U, V là hai tập con của X. Xét đại số gia tử đầy đủ AX = < X, G, LH, , ,  >.

Giả sử x  X và nếu nó có biểu diễn dưới dạng x = hn. h1u, với u X, thì ta sẽ quy ước sử dụng ký pháp sau: x(i) = hi-1.