Mô Hình Dữ Liệu Mờ và Ứng Dụng SQL

Lý thuyết tập mờ dùng công cụ toán học để mô tả khái niệm mơ hồ như "cao", "thấp", "nặng", "nhẹ", "trẻ", "già". Cho X là tập vũ trụ các đối tượng. Tập mờ A trên X là tập các cặp A = { µA(x) / x : x ∈ X, µA(x) ∈ [0, 1] }. µA(x) là hàm từ X vào [0, 1] gán cho mỗi phần tử x thuộc X giá trị µA(x) phản ánh mức độ của x thuộc vào tập mờ A. µA(x) được gọi là độ thuộc của phần tử x vào tập mờ A. Độ thuộc này là một số thực trong đoạn [0, 1]. Nếu µA(x) = 0 nghĩa là x không thuộc vào tập mờ A. Nếu µA(x) = 1 nghĩa là x hoàn toàn thuộc vào tập mờ A. µA(x) còn được gọi là hàm đặc trưng hay hàm thuộc của tập mờ A.

Nhãn ngôn ngữ (Linguistic label) là một từ, trong ngôn ngữ tự nhiên, biểu diễn hoặc nhận biết một tập mờ mà có thể được định nghĩa hoặc không. Với định nghĩa này, trong cuộc sống hàng ngày, người ta thường sử dụng các nhãn ngôn ngữ để biểu diễn các khái niệm trừu tượng như: trẻ, già, nóng, lạnh, đắt, rẻ, v.v. Về trực giác, định nghĩa về các nhãn này không những biến đổi từ người này sang người khác và phụ thuộc vào từng thời điểm, mà còn biến đổi theo ngữ cảnh mà nó được áp dụng. Ví dụ nhãn ngôn ngữ “cao” trong ngữ cảnh một người cao và tòa nhà cao là khác nhau.

Dữ liệu với thông tin không đầy đủ: Chẳng hạn đã biết đầy đủ các thông tin về người A nhưng không biết ngày sinh. Dữ liệu với thông tin không chính xác, không chắc chắn: Chẳng hạn biết người A có lương cao, nhưng không biết cụ thể là bao nhiêu. Dữ liệu không xác định: Ví dụ như học sinh B không thể có lương vì còn đang đi học. Dữ liệu hoàn toàn không có thông tin: Không biết người A có lương hay không, nếu có là bao nhiêu. Tất cả các dạng dữ liệu trên, trong luận văn này gọi chung là dữ liệu mờ.

Ngôn ngữ SQL chuẩn chỉ cho phép thiết lập các câu truy vấn với các tiêu chuẩn chọn dữ liệu cứng nhắc và dữ liệu trả về phải chính xác với các tiêu chuẩn đó. Nó không cho phép thiết lập các câu truy vấn với các tiêu chuẩn chọn dữ liệu là mơ hồ, còn gọi là tiêu chuẩn mơ hồ hay tiêu chuẩn mờ, và dữ liệu trả về là “gần” với tiêu chuẩn đó. Do đó, một cách tự nhiên, chúng ta cần phải mở rộng ngôn ngữ SQL chuẩn sao cho có thể thiết lập được các câu truy vấn mềm dẻo với các tiêu chuẩn mờ.

Mô hình dựa trên quan hệ tương tự là một trong những hướng tiếp cận chính để mở rộng mô hình quan hệ. Trong mô hình này, quan hệ tương tự được sử dụng để biểu diễn sự tương đồng giữa các giá trị dữ liệu. Điều này cho phép xử lý các truy vấn mờ, nơi các tiêu chí tìm kiếm không được xác định một cách chính xác.

Phụ thuộc hàm mờ (Fuzzy Functional Dependency - FFD) là một khái niệm quan trọng trong mô hình cơ sở dữ liệu mờ. Nó mở rộng khái niệm phụ thuộc hàm truyền thống để xử lý các trường hợp mà mối quan hệ giữa các thuộc tính không hoàn toàn xác định. FFD cho phép biểu diễn sự phụ thuộc giữa các thuộc tính với một mức độ tin cậy nhất định.

Các dạng chuẩn mờ (Fuzzy Normal Forms) là các quy tắc được sử dụng để thiết kế cơ sở dữ liệu mờ sao cho giảm thiểu sự dư thừa dữ liệu và đảm bảo tính nhất quán. Các dạng chuẩn mờ phổ biến bao gồm 1NF, 2NF, 3NF và BCNF, tương tự như trong cơ sở dữ liệu quan hệ truyền thống, nhưng được điều chỉnh để phù hợp với tính chất mờ của dữ liệu.

Cú pháp của SQL mờ bao gồm các câu lệnh và toán tử mờ được thêm vào SQL chuẩn để cho phép truy vấn dữ liệu mờ. Các toán tử mờ như LIKE, IS SIMILAR TO, và các hàm mờ như FUZZY_AND, FUZZY_OR được sử dụng để biểu diễn các điều kiện tìm kiếm không chính xác.

SQL mờ có thể được sử dụng để truy vấn dữ liệu mờ trên mô hình cơ sở dữ liệu quan hệ truyền thống bằng cách sử dụng các hàm và toán tử mờ để so sánh các giá trị dữ liệu với các tiêu chí mờ. Điều này cho phép người dùng tìm kiếm các bản ghi gần đúng với các điều kiện tìm kiếm của họ.

Trên mô hình cơ sở dữ liệu mờ, SQL mờ có thể được sử dụng để truy vấn dữ liệu mờ một cách tự nhiên hơn, vì mô hình này đã hỗ trợ biểu diễn và lưu trữ dữ liệu mờ. Các truy vấn mờ có thể được thực hiện trực tiếp trên các thuộc tính mờ và các quan hệ mờ.

Việc triển khai SQL mờ đòi hỏi các cấu trúc dữ liệu phù hợp để lưu trữ và xử lý dữ liệu mờ. Các cấu trúc dữ liệu này có thể bao gồm các kiểu dữ liệu mờ, các hàm thành viên và các toán tử mờ.

Việc triển khai truy vấn SQL mờ bao gồm các bước như phân tích cú pháp, tối ưu hóa truy vấn và thực thi truy vấn. Các bước này cần được điều chỉnh để phù hợp với tính chất mờ của dữ liệu và các toán tử mờ.

Mô hình dữ liệu mờ cho phép biểu diễn và xử lý thông tin không chắc chắn và không đầy đủ một cách tự nhiên hơn so với mô hình dữ liệu quan hệ truyền thống. Điều này giúp cải thiện khả năng ra quyết định trong các tình huống mà thông tin không hoàn toàn chính xác.

Các hướng phát triển của mô hình dữ liệu mờ bao gồm việc nghiên cứu các mô hình mờ mới, phát triển các thuật toán truy vấn mờ hiệu quả hơn và tích hợp mô hình dữ liệu mờ với các công nghệ khác như học máy và khai phá dữ liệu.