Tổng quan luận án

Luận án tiến sĩ toán học của nghiên cứu sinh Đoàn Văn Thắng, với đề tài "Cơ sở dữ liệu hướng đối tượng với thông tin ngôn ngữ mờ", được thực hiện tại Viện Công nghệ Thông tin thuộc Viện Hàn lâm Khoa học và Công nghệ Việt Nam dưới sự hướng dẫn khoa học của TS. Trương Công Tuấn. Luận án thuộc chuyên ngành Bảo đảm toán học cho máy tính và hệ thống tính toán (mã số: 62.01).

Tính cấp thiết và khoảng trống nghiên cứu

Mô hình cơ sở dữ liệu hướng đối tượng (OODB) truyền thống sở hữu nhiều ưu điểm trong mô hình hóa, thiết kế và thực thi hệ thống phần mềm cũng như cơ sở dữ liệu quy mô lớn nhờ khả năng biểu diễn trạng thái, hành vi, cấu trúc phân cấp, phân loại và cơ chế kế thừa mã nguồn. Tuy nhiên, mô hình hướng đối tượng kinh điển giả định mọi thông tin, trạng thái và mối quan hệ giữa các đối tượng luôn được xác định tường minh, chính xác tuyệt đối. Trong thực tế, dữ liệu thế giới thực thường xuyên mang tính mơ hồ, không đầy đủ hoặc không chắc chắn (ví dụ: truy vấn tìm bệnh nhân "trẻ" có tiền sử viêm thanh quản, hoặc kiện hàng thể tích "khoảng 25000 cm³").

Khoảng trống nghiên cứu được tác giả chỉ ra là:

  1. Các mô hình cơ sở dữ liệu hướng đối tượng mờ (FOODB) phát triển trước đây chủ yếu mở rộng dựa trên lý thuyết tập mờ truyền thống (hàm thuộc $\mu(x)$), lý thuyết khả năng hoặc quan hệ tương tự. Các phương pháp này phụ thuộc vào việc xác định hàm thuộc và ngưỡng cắt $\alpha$ mang tính chủ quan của chuyên gia, đồng thời làm mất đi cấu trúc thứ tự tự nhiên của các giá trị ngôn ngữ.
  2. Việc thao tác dữ liệu mờ theo hướng cũ đòi hỏi hệ thống phải xử lý đồng thời kiểu dữ liệu kinh điển lẫn biểu diễn tập mờ phức tạp, làm giảm tính thuần nhất của kiểu dữ liệu.
  3. Chưa có một mô hình hình thức chuẩn hóa dựa trên cơ sở toán học thống nhất để định lượng ngữ nghĩa ngôn ngữ mờ, đồng thời thiếu hệ thống lý thuyết hoàn chỉnh về phụ thuộc dữ liệu mờ (phụ thuộc hàm mờ, phụ thuộc phương thức mờ) và kỹ thuật lập luận giải quyết truy vấn Null trong mô hình hướng đối tượng.

Mục tiêu nghiên cứu

Luận án xác định ba mục tiêu nghiên cứu cụ thể được đánh số như sau:

  1. Nghiên cứu mô hình cơ sở dữ liệu hướng đối tượng với thông tin ngôn ngữ mờ dựa trên định lượng của Đại số gia tử (ĐSGT) và lân cận ngữ nghĩa của Đại số gia tử.
  2. Xây dựng một số dạng phụ thuộc dữ liệu và các vấn đề liên quan trong mô hình hướng đối tượng mờ.
  3. Tiến hành nghiên cứu một số thao tác dữ liệu và ngôn ngữ truy vấn trong mô hình cơ sở dữ liệu hướng đối tượng mờ.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Mô hình cơ sở dữ liệu hướng đối tượng mờ tích hợp thông tin ngôn ngữ; cấu trúc toán học Đại số gia tử tuyến tính đầy đủ; các quan hệ phụ thuộc dữ liệu (phụ thuộc thuộc tính mờ - FFD, phụ thuộc phương thức mờ - FMD); ngôn ngữ truy vấn đối tượng mờ (FOQL) và cơ chế lập luận xấp xỉ cho truy vấn Null.
  • Phạm vi nghiên cứu: Về mặt lý thuyết, luận án giới hạn không gian khảo sát trong cấu trúc Đại số gia tử tuyến tính đầy đủ với số lượng gia tử tác động liên tiếp $k \le 4$; tích hợp trên chuẩn mô hình đối tượng ODMG. Về mặt không gian - thời gian thực hiện, luận án được bảo vệ và hoàn thành vào năm 2014 tại Viện Công nghệ Thông tin, Hà Nội.

Tổng quan tài liệu và vị trí của luận án

Tác giả đã hệ thống hóa các công trình nghiên cứu trong và ngoài nước liên quan đến việc xử lý thông tin không chắc chắn trong cơ sở dữ liệu theo các nhóm hướng tiếp cận:

Hướng tiếp cận Nhóm tác giả và công trình tiêu biểu Đặc điểm mô hình
Quan hệ tương tự George, Buckles và Petry (1993); Yazici và George (1999, 1999b); Yazici, George và Aksoy (1999) Cho phép giá trị thuộc tính là tập mờ kết hợp quan hệ tương tự trên miền trị; định nghĩa phân cấp lớp và mức độ thành viên mờ qua độ đo tương tự; phát triển tập luật suy diễn.
Phân bố khả năng và đồ thị Bordogna, Lucarella và Pasi (1994, mở rộng thêm khoảng $[0, 1]$); Rossazza, Dubois và Prade (1997) Biểu diễn thuộc tính đối tượng bằng phân bố khả năng; mô hình hóa bao hàm lớp con trong lớp cha dạng tập mờ; đa thừa kế thuộc tính bằng phép giao các miền trị mờ.
Tập mờ và phương thức Van Gyseghem và De Caluwe (1997); Marín, Pons và Vila (2001); Berzal và cộng sự (2005a) Định nghĩa lớp gồm thuộc tính và phương thức thao tác trên tập mờ; kế thừa không chắc chắn tính qua mức độ bao hàm miền trị.
Xác suất và kết hợp mờ - xác suất Kornatzky và Shimony (1994); De Tré và De Caluwe (2005); Baldwin và cộng sự (2000); Cao và Rossiter (2003) Lớp gắn với phân bố xác suất hoặc khoảng xác suất cận trên/cận dưới; mô hình hướng đối tượng mờ xác suất dựa trên logic vị từ.
Tổng quát hóa hướng đối tượng Zongmin Ma Đảm bảo các tính chất cốt lõi của ODMG, mô hình hóa tính mờ của đối tượng, lớp, quan hệ giữa đối tượng - lớp và quan hệ cha - con.
Nghiên cứu trong nước (CSDL quan hệ mờ) Lê Tiến Vương (1985); Lê Tiến Vương và Hồ Thuần (1989); Đinh Thị Ngọc Thanh (1991); Trương Đức Hùng (1996); Hồ Cẩm Hà (2002); Trần Thiên Thanh (2004) Ứng dụng tập mờ và biến ngôn ngữ vào mô hình quan hệ; mở rộng phụ thuộc hàm, phụ thuộc đa trị, dạng chuẩn, phân tách lược đồ và đại số quan hệ mờ.
Đại số gia tử và ngữ nghĩa ngôn ngữ Nguyễn Cát Hồ và Wechler (1990, 1992); Nguyễn Cát Hồ và cộng sự (các giai đoạn nghiên cứu cấu trúc ĐSGT) Thiết lập cấu trúc đại số cho miền ngôn ngữ; xây dựng hàm độ đo tính mờ $f_m$, hàm định lượng ngữ nghĩa $v$ và hệ thống lân cận ngữ nghĩa.

Khoảng trống luận án lựa chọn giải quyết: Khác với các công trình sử dụng tập mờ kinh điển phải dựa vào phép gán nhãn và hàm thuộc $\mu(x)$ phụ thuộc ngữ cảnh, luận án lựa chọn hướng tiếp cận ngữ nghĩa định lượng của Đại số gia tử tuyến tính đầy đủ. Phương pháp này coi trực tiếp giá trị ngôn ngữ là dữ liệu, cho phép định lượng hóa ngữ nghĩa thông qua các ánh xạ toán học bảo toàn thứ tự, đảm bảo tính thuần nhất của kiểu dữ liệu trong lưu trữ và truy vấn đối tượng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Lý thuyết, khái niệm và khung phân tích

  1. Phân loại thông tin không hoàn hảo (imperfect information): Văn bản phân biệt ba dạng thông tin cốt lõi trong cơ sở dữ liệu:
    • Thông tin sai lệch (inconsistent/erroneous): Dữ liệu khác với thông tin thực hoặc mâu thuẫn lẫn nhau giữa các nguồn tích hợp.
    • Thông tin thiếu chính xác (inexact): Dữ liệu mô tả một tập các giá trị có thể xảy ra mà giá trị thực thuộc tập đó (thông tin tuyển, thông tin âm, thông tin khoảng/miền, thông tin có cận sai số, giá trị Null).
    • Thông tin không chắc chắn (uncertain): Dữ liệu không thể phát biểu với mức độ chân lý tuyệt đối mà cần xác định giá trị chân lý hoặc xác suất xảy ra.
  2. Lý thuyết tập mờ (Fuzzy Sets - L. Zadeh, 1965):
    • Tập mờ $F$ trên không gian vũ trụ $U$ là tập các cặp có thứ tự $(x, \mu_F(x))$ với hàm thuộc $\mu_F: U \to [0, 1]$.
    • Tập mờ hình thang xác định bởi bộ 4 giá trị $(a, b, c, d)$.
    • Các khái niệm đặc trưng: Giá đỡ ($Support$: $S_F = {x \mid \mu_F(x) > 0}$), Lõi ($Core$: $C_F = {x \mid \mu_F(x) = 1}$), Tập mức $\alpha$ ($\alpha$-cut: ${x \mid \mu_F(x) \ge \alpha}$).
    • Toán tử tổng quát hóa: Họ toán tử $t$-norm, $t$-conorm và $N$-negation.
  3. Biến ngôn ngữ (Linguistic Variable): Cấu trúc bộ 5 $(X, T(X), U, G, M)$, trong đó $X$ là tên biến, $T(X)$ là tập giá trị ngôn ngữ, $U$ là không gian tham chiếu, $G$ là quy tắc cú pháp sinh từ, $M$ là quy tắc ngữ nghĩa ánh xạ giá trị ngôn ngữ sang tập mờ. Hai đặc trưng bản chất là tính phổ quát của biến ngôn ngữ và tính độc lập ngữ cảnh của các gia tử.
  4. Đại số gia tử tuyến tính đầy đủ (Linear Hedge Algebras):
    • Cấu trúc $AX = (X, G, H, \Sigma, \Phi, \le)$, trong đó $G = {0, c^-, W, c^+, 1}$ là tập phần tử sinh ($c^-$ là phần tử sinh âm, $c^+$ là phần tử sinh dương, $W$ là phần tử trung hòa); $H = H^- \cup H^+$ là tập các gia tử âm và dương.
    • Độ dài phần tử: $|x| = 1 + |x'|$ nếu $x = hx'$.
    • Dấu đại số (PN-dấu): $Sgn(hx)$ nhận giá trị ${+1, -1, 0}$ để xác định hướng biến thiên ngữ nghĩa khi có gia tử tác động.
    • Hàm độ đo tính mờ $f_m(x)$ thỏa mãn $|I(x)| = f_m(x)$ và phân hoạch đoạn $[0, 1]$.
    • Ánh xạ định lượng ngữ nghĩa $v: X \to [0, 1]$ là ánh xạ 1-1, bảo toàn thứ tự ($x < y \Leftrightarrow v(x) < v(y)$), trù mật trong $[0, 1]$.
  5. Lân cận ngữ nghĩa tôpô mức $k$:
    • Khoảng mờ mức $k$: $I(x)$ được xây dựng quy nạp dựa trên độ đo tính mờ $f_m$.
    • Phân hoạch tương đương mức $k$: Miền $[0, 1]$ được phân chia thành các lớp tương đương $S(x)$ dựa trên các điểm mút và lân cận của phần tử sinh.
    • Lân cận mờ mức $k$ của giá trị $fu$, ký hiệu $FN_k(fu)$, là khoảng phân hoạch $S(x_i)$ chứa giá trị đại diện $v(fu)$.

Phương pháp nghiên cứu thực tế

  • Phương pháp hình thức hóa toán học: Thiết lập mô hình cơ sở dữ liệu hướng đối tượng mờ thông qua việc toán học hóa các cấu trúc lớp, đối tượng, phương thức và quan hệ kế thừa trên nền tảng lý thuyết Đại số gia tử.
  • Phương pháp suy diễn logic và chứng minh đại số: Xây dựng hệ tiên đề cho phụ thuộc hàm mờ (FFD) và phụ thuộc phương thức mờ (FMD), chứng minh tính đúng đắn và đầy đủ của tập luật suy dẫn.
  • Phương pháp thuật toán: Thiết kế thuật toán tìm kiếm câu trả lời xấp xỉ cho truy vấn Null dựa trên cơ chế lập luận tương tự và ma trận tương tự thuộc tính.

Nguồn tư liệu và dữ liệu minh họa

Luận án sử dụng lược đồ cơ sở dữ liệu hướng đối tượng mẫu để minh họa các khái niệm lý thuyết, bao gồm các lớp đối tượng: SinhVien, PhongHoc, BoPhan, QuanLy với các thuộc tính ngôn ngữ (như mức độ trẻ, kết quả học tập, diện tích, mức lương) được ánh xạ qua các khoảng mờ và ma trận tương tự.

Nội dung chính theo từng chương

Chương 1. Tổng quan về cơ sở dữ liệu hướng đối tượng mờ

Chương 1 thiết lập nền tảng lý thuyết và tổng quan về việc mở rộng mô hình hướng đối tượng sang môi trường mờ:

  • Tổng quát hóa các phép toán mờ: Trình bày chi tiết cấu trúc tập mờ, hàm thuộc hình thang, tập mức $\alpha$, giá đỡ, lõi và hệ thống các toán tử $t$-norm, $t$-conorm, $N$-negation.
  • Đại số gia tử và định lượng ngữ nghĩa: Trình bày chi tiết cấu trúc $AX = (X, G, H, \Sigma, \Phi, \le)$, các tính chất di truyền ngữ nghĩa của gia tử, quy tắc xác định PN-dấu $Sgn(x)$, các định lý về hàm độ đo tính mờ $f_m$ và hàm định lượng ngữ nghĩa $v$.
  • Xây dựng hệ thống khoảng mờ và lân cận tôpô:
    • Thiết lập phân hoạch mức $k = 1$: $$\begin{aligned} S(0) &= I(h_p c^-) \ S(c^-) &= I(c^-) \setminus [I(h_{-q} c^-) \cup I(h_p c^-)] \ S(W) &= I(h_{-q} c^-) \cup I(h_{-q} c^+) \ S(c^+) &= I(c^+) \setminus [I(h_{-q} c^+) \cup I(h_p c^+)] \ S(1) &= I(h_p c^+) \end{aligned}$$
    • Thiết lập quy tắc phân hoạch mức $k = 2$ và tổng quát cho mức $k$ bất kỳ, chỉ ra rằng trong thực tế ứng dụng chỉ cần xét $k \le 4$.
  • Mở rộng mô hình CSDL hướng đối tượng mờ (FOODB): Định nghĩa hình thức các khái niệm mở rộng từ chuẩn ODMG bao gồm: định danh đối tượng (OID), thuộc tính mờ (nhận giá trị ngôn ngữ $LDA$), miền giá trị kinh điển $DA$, quan hệ lớp đối tượng mờ, quan hệ kế thừa và bao hàm mờ dựa trên độ đo tương tự và lân cận ngữ nghĩa.

Chương 2. Phụ thuộc dữ liệu trong mô hình cơ sở dữ liệu hướng đối tượng mờ

Chương 2 tập trung giải quyết các ràng buộc toàn vẹn và phụ thuộc dữ liệu nội tại trong lớp đối tượng:

  • Quan hệ ngữ nghĩa và sự tương đương giữa hai giá trị thuộc tính: Sử dụng khoảng mờ và hàm định lượng ngữ nghĩa để thiết lập quan hệ tương đương ngữ nghĩa mức $k$ giữa các giá trị thuộc tính ngôn ngữ của đối tượng.
  • Phụ thuộc thuộc tính mờ (Fuzzy Functional Dependency - FFD): Định nghĩa hình thức sự phụ thuộc giữa các thuộc tính trong một lớp đối tượng mờ; chứng minh tập luật suy dẫn tương tự hệ tiên đề Armstrong mở rộng cho dữ liệu mờ.
  • Phụ thuộc phương thức mờ (Fuzzy Method Dependency - FMD): Thiết lập khái niệm phụ thuộc phương thức trong lớp đối tượng mờ, trong đó kết quả thực thi phương thức bị ràng buộc bởi các thuộc tính ngôn ngữ đầu vào.
  • Truy vấn Null và lập luận tương tự:
    • Phân tích bản chất của giá trị Null trong mô hình đối tượng mờ như một dạng thông tin thiếu chính xác bao trùm toàn bộ miền trị hợp lệ.
    • Ứng dụng lý thuyết suy diễn tương tự để xây dựng thuật toán tìm kiếm câu trả lời gần đúng khi gặp dữ liệu Null.
    • Minh họa thuật toán thông qua các thể hiện thực tế của lớp SinhVien, BoPhan và QuanLy cùng ma trận tương tự giữa các thuộc tính.

Chương 3. Truy vấn dữ liệu trong hệ thống hướng đối tượng với thông tin không chắc chắn

Chương 3 giải quyết bài toán thao tác và khai thác dữ liệu mờ trên mô hình hướng đối tượng:

  • Xác định đối tượng mờ dư thừa: Đưa ra tiêu chuẩn xác định và loại bỏ các đối tượng dư thừa dựa trên độ đo tương đương lân cận ngữ nghĩa giữa các định danh OID và thể hiện thuộc tính.
  • Mở rộng ngôn ngữ truy vấn đối tượng mờ (FOQL):
    • Tích hợp các toán tử Đại số gia tử vào mệnh đề SELECT - FROM - WHERE kinh điển của OQL.
    • Đưa lượng từ ngôn ngữ và các gia tử vào điều kiện lọc của truy vấn.
  • Tìm kiếm dữ liệu theo lân cận ngữ nghĩa:
    • Thiết lập phương pháp truy vấn đối tượng theo lân cận mức $k$ ($FN_k$).
    • Thuật toán đối sánh giá trị đại diện định lượng $v_A$ với các khoảng lân cận để trả về tập đối tượng thỏa mãn điều kiện xấp xỉ mà không cần tính toán lại hàm thuộc phức tạp.
  • Các ví dụ thực nghiệm: Trình bày chi tiết các ví dụ truy vấn trên cấu trúc quan hệ giữa lớp SinhVien và PhongHoc.

Kết quả và những đóng góp mới

Đóng góp về mặt lý thuyết và lý luận

  1. Xây dựng hoàn chỉnh mô hình CSDL hướng đối tượng mờ dựa trên Đại số gia tử tuyến tính đầy đủ: Đề xuất phương pháp tiếp cận định lượng ngữ nghĩa ngôn ngữ, loại bỏ tính chủ quan trong việc chọn hàm thuộc của tập mờ truyền thống và duy trì tính thuần nhất của kiểu dữ liệu.
  2. Hình thức hóa hệ thống phụ thuộc dữ liệu mờ trong lớp đối tượng: Định nghĩa thành công phụ thuộc thuộc tính mờ (FFD) và phụ thuộc phương thức mờ (FMD) trong mô hình hướng đối tượng; thiết lập và chứng minh tính đúng đắn của hệ luật suy dẫn trên các phụ thuộc này.
  3. Đề xuất cơ chế lập luận tương tự xử lý truy vấn Null: Xây dựng thuật toán tìm câu trả lời gần đúng cho các truy vấn gặp dữ liệu rỗng (Null) dựa trên ma trận tương tự và lân cận ngữ nghĩa.
  4. Mở rộng ngôn ngữ truy vấn đối tượng (FOQL): Đưa các cấu trúc gia tử và lượng từ ngôn ngữ vào câu truy vấn đối tượng mờ, cho phép truy vấn theo lân cận tôpô ngữ nghĩa $FN_k$.

Đóng góp về mặt thực tiễn

  • Đưa ra khung mô hình toán học khả thi cho việc thiết kế các hệ quản trị cơ sở dữ liệu hướng đối tượng có khả năng lưu trữ và xử lý thông tin ngôn ngữ tự nhiên không chắc chắn.
  • Các kết quả đã được công bố trong 8 công trình khoa học và báo cáo tại các hội nghị chuyên ngành uy tín:
    • Hội thảo quốc gia "Một số vấn đề chọn lọc về Công nghệ thông tin và truyền thông" tại Cần Thơ (07-08/10/2011) và Hà Nội (03-04/12/2012).
    • Hội nghị khoa học kỷ niệm 35 năm thành lập Viện Công nghệ Thông tin tại Hà Nội (26/12/2011).
    • Hội nghị quốc tế The Fourth International Conference on Knowledge and Systems Engineering (KSE 2012) tại Đà Nẵng (08/2012).
    • Hội nghị khoa học quốc gia FAIR "Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin" tại Huế (20-21/06/2013) và Thái Nguyên (19-20/06/2014).

Kiến nghị và giải pháp đề xuất

  • Ứng dụng mô hình Đại số gia tử vào việc chuẩn hóa lược đồ đối tượng mờ nhằm giảm thiểu dư thừa dữ liệu.
  • Tích hợp mô hình phụ thuộc dữ liệu FFD và FMD vào các công cụ thiết kế cơ sở dữ liệu tự động.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được ghi nhận từ văn bản

  • Mô hình chỉ tập trung giải quyết trên cấu trúc Đại số gia tử tuyến tính đầy đủ (giả định các miền giá trị thuộc tính số được chuyển đổi tuyến tính về đoạn $[0, 1]$), chưa mở rộng sang các cấu trúc Đại số gia tử phi tuyến tính hoặc nửa thứ tự.
  • Giới hạn số mức gia tử tác động trong các ứng dụng thực tế khảo sát ở mức $k \le 4$.
  • Nghiên cứu tập trung vào việc xây dựng cơ sở toán học, mô hình hình thức và thuật toán giải tích, chưa triển khai thành một hệ quản trị cơ sở dữ liệu thương mại hoàn chỉnh.

Hướng nghiên cứu tiếp

  • Mở rộng lý thuyết phụ thuộc dữ liệu và ngôn ngữ truy vấn cho các cấu trúc Đại số gia tử tổng quát hơn (như Đại số gia tử với các phần tử sinh phức tạp).
  • Tối ưu hóa hiệu năng tính toán của thuật toán xử lý truy vấn Null trên các cơ sở dữ liệu hướng đối tượng phân tán quy mô lớn.
  • Cài đặt thực nghiệm các module xử lý ngôn ngữ truy vấn FOQL trên các hệ quản trị cơ sở dữ liệu đối tượng mã nguồn mở.

Giá trị tham khảo

Luận án là tài liệu tham khảo chuyên sâu cho:

  • Nghiên cứu sinh và học viên cao học ngành Khoa học máy tính, Toán tin ứng dụng và Hệ thống thông tin: Cung cấp phương pháp luận chặt chẽ trong việc ứng dụng cấu trúc đại số trừu tượng (Đại số gia tử) vào mô hình hóa cơ sở dữ liệu.
  • Giảng viên đại học: Sử dụng làm tài liệu giảng dạy các chuyên đề nâng cao về Cơ sở dữ liệu hướng đối tượng, Cơ sở dữ liệu nâng cao và Xử lý thông tin không chắc chắn/mờ.
  • Các kỹ sư thiết kế hệ thống: Tham khảo các thuật toán đối sánh lân cận ngữ nghĩa và xử lý truy vấn xấp xỉ khi xây dựng các hệ thống thông tin quản lý có chứa dữ liệu ngôn ngữ tự nhiên.

Nội dung có giá trị tham khảo cao nhất:

  • Kỹ thuật phân hoạch không gian $[0, 1]$ thành các lớp tương đương lân cận ngữ nghĩa mức $k$ ($S(x)$) trong Chương 1.
  • Hệ luật suy dẫn cho phụ thuộc hàm mờ (FFD) và phụ thuộc phương thức mờ (FMD) cùng thuật toán giải quyết truy vấn Null trong Chương 2.
  • Cú pháp và cơ chế thực thi ngôn ngữ truy vấn đối tượng mờ (FOQL) trong Chương 3.

Câu hỏi thường gặp

1. Đại số gia tử mang lại ưu điểm gì vượt trội so với lý thuyết tập mờ truyền thống trong mô hình cơ sở dữ liệu hướng đối tượng của luận án? Trong lý thuyết tập mờ truyền thống, ngữ nghĩa của giá trị ngôn ngữ được biểu diễn qua hàm thuộc $\mu(x)$ mang tính chủ quan và phụ thuộc chuyên gia, đồng thời hệ thống phải xử lý song song hai cấu trúc dữ liệu khác nhau (dữ liệu kinh điển và tập mờ). Đại số gia tử coi trực tiếp giá trị ngôn ngữ là dữ liệu, sử dụng hàm định lượng ngữ nghĩa $v$ để ánh xạ giá trị ngôn ngữ thành số thực đại diện trong $[0, 1]$ mà vẫn bảo toàn thứ tự tự nhiên. Điều này đảm bảo tính thuần nhất của kiểu dữ liệu và cho phép thao tác dữ liệu mờ bằng các phép toán kinh điển thông thường.

2. Khái niệm lân cận ngữ nghĩa mức $k$ ($FN_k$) được xây dựng như thế nào? Lân cận ngữ nghĩa mức $k$ được xây dựng dựa trên việc phân hoạch đoạn chuẩn hóa $[0, 1]$ thành các lớp tương đương $S(x)$ thông qua độ đo tính mờ $f_m(x)$ và các khoảng mờ $I(x)$. Mỗi giá trị ngôn ngữ $fu$ có một giá trị đại diện $v(fu)$ thuộc duy nhất một khoảng tương đương $S(x_i)$, và khoảng này chính là lân cận mức $k$ của nó, ký hiệu $FN_k(fu)$. Trong ứng dụng thực tế, số mức gia tử tác động $k$ được giới hạn $k \le 4$.

3. Phụ thuộc dữ liệu trong mô hình của luận án gồm những loại nào? Luận án nghiên cứu hai dạng phụ thuộc dữ liệu chính trong lớp đối tượng mờ:

  • Phụ thuộc thuộc tính mờ (FFD): Ràng buộc giữa các tập thuộc tính mờ dựa trên hàm đo xấp xỉ ngữ nghĩa.
  • Phụ thuộc phương thức mờ (FMD): Ràng buộc đối với hành vi/phương thức của lớp khi kết quả thực thi phụ thuộc vào các thuộc tính ngôn ngữ đầu vào.

4. Luận án giải quyết bài toán truy vấn Null (dữ liệu thiếu) bằng phương pháp nào? Luận án xem giá trị Null là thông tin thiếu chính xác có miền giá trị khả dĩ bao trùm toàn bộ miền hợp lệ. Tác giả áp dụng quy trình lập luận tương tự kết hợp với ma trận độ tương tự giữa các thuộc tính của đối tượng để xây dựng thuật toán tìm kiếm và suy diễn ra câu trả lời gần đúng nhất cho truy vấn.

5. Các kết quả nghiên cứu chính của luận án đã được công bố tại những đâu? Các kết quả của luận án đã được báo cáo tại Hội thảo quốc gia CNTT tại Cần Thơ (2011) và Hà Nội (2012), Hội nghị 35 năm Viện CNTT (2011), Hội nghị quốc tế KSE 2012 tại Đà Nẵng, Hội nghị quốc gia FAIR tại Huế (2013) và Thái Nguyên (2014), cùng 8 công trình khoa học được công bố chính thức trong danh mục của tác giả.

Kết luận

Luận án tiến sĩ của tác giả Đoàn Văn Thắng đã giải quyết một cách có hệ thống bài toán biểu diễn và xử lý thông tin ngôn ngữ mờ trong cơ sở dữ liệu hướng đối tượng thông qua việc ứng dụng lý thuyết Đại số gia tử tuyến tính đầy đủ. Công trình đã đóng góp mới về mặt lý thuyết qua việc hình thức hóa mô hình lớp đối tượng mờ, xây dựng hệ thống phụ thuộc thuộc tính mờ (FFD), phụ thuộc phương thức mờ (FMD) và phát triển ngôn ngữ truy vấn đối tượng mờ (FOQL) dựa trên lân cận ngữ nghĩa. Các thuật toán lập luận tương tự giải quyết truy vấn Null và loại bỏ đối tượng dư thừa đã hoàn thiện khung toán học cho mô hình cơ sở dữ liệu đối tượng mờ. Luận án là công trình nghiên cứu nghiêm cẩn thuộc chuyên ngành Bảo đảm toán học cho máy tính và hệ thống tính toán, có giá trị học thuật và tham khảo cao cho cộng đồng nghiên cứu cơ sở dữ liệu mờ.