Tổng quan luận án

Luận án tiến sĩ ngành Máy tính, chuyên ngành Hệ thống thông tin (mã số 9 48 01 04) của nghiên cứu sinh Nguyễn Tấn Thuận, được thực hiện dưới sự hướng dẫn khoa học của người hướng dẫn Trương Ngọc Châu tại Học viện Khoa học và Công nghệ thuộc Viện Hàn lâm Khoa học và Công nghệ Việt Nam năm 2021, có đề tài: "Một số phương pháp xử lý truy vấn mới trên cơ sở dữ liệu hướng đối tượng mờ".

Tính cấp thiết của luận án bắt nguồn từ thực trạng các hệ thống thông tin truyền thống chủ yếu dựa trên cơ sở dữ liệu quan hệ hoặc cơ sở dữ liệu hướng đối tượng chuẩn ODMG (với các hệ quản trị như GEMSTONE, ORION, VBASE, OBJECTSTORE, POET). Các mô hình này được thiết kế để xử lý dữ liệu "cứng" (dữ liệu chính xác và xác định), do đó bộc lộ hạn chế khi biểu diễn và lưu trữ dữ liệu "mềm" (thông tin không chắc chắn, không đầy đủ, mơ hồ). Mặc dù toán học mờ đã được áp dụng vào hệ thống cơ sở dữ liệu để tạo ra mô hình cơ sở dữ liệu hướng đối tượng mờ (FOODB/FOODBMS), các mô hình đã công bố trước đây vẫn tồn tại khoảng trống nghiên cứu rõ rệt: thiếu định nghĩa hình thức cho một thiết kế kiến trúc hoàn chỉnh, thiếu hệ thống các phép toán đại số đối tượng mờ chuẩn mực và thiếu cơ chế ngôn ngữ xử lý cũng như quy trình tối ưu hóa truy vấn có tính hệ thống.

Mục tiêu nghiên cứu tổng quát của luận án bao gồm các nội dung được phân định như sau:

  1. Đề xuất đại số đối tượng mờ mới, xây dựng quy trình và phương pháp xử lý truy vấn mờ.
  2. Xây dựng phương pháp tối ưu hóa truy vấn mờ dựa trên đại số đề xuất kết hợp với các phép biến đổi tương đương và giải thuật Heuristic.
  3. Đề xuất các bước tiền xử lý dữ liệu bao gồm các kỹ thuật so sánh tính tương tự giữa hai đối tượng mờ và thuật toán gom cụm cải tiến EMC (Expectation Maximization Coefficient).

Đối tượng nghiên cứu của luận án là mô hình cơ sở dữ liệu hướng đối tượng mờ, các cấu trúc biểu diễn đối tượng mờ, đại số đối tượng mờ, thuật toán gom cụm và kỹ thuật tối ưu hóa kế hoạch thực thi câu truy vấn mờ. Phạm vi nghiên cứu tập trung vào mô hình dữ liệu khái niệm mờ mở rộng từ UML, ánh xạ sang mô hình hướng đối tượng mờ FOODB; các kỹ thuật trích rút dựa trên độ đo tương tự, độ đo ngữ nghĩa, đại số gia tử; thuật toán gom cụm EMC dựa trên mô hình phân bố Gaussian hỗn hợp GMM; hệ thống quy tắc biến đổi đại số tương đương và thực nghiệm đánh giá hiệu năng truy vấn trên các tập dữ liệu thực nghiệm chuẩn từ kho dữ liệu UCI với quy mô từ 10.000 đến 10.000.000 bản ghi.

Tổng quan tài liệu và vị trí của luận án

Luận án đã điểm lại các công trình nghiên cứu đi trước và phân loại theo ba nhóm hướng tiếp cận chính:

Nhóm nghiên cứu về các mô hình cơ sở dữ liệu hướng đối tượng mờ:

  • M. Umano và cộng sự (1998) đề xuất mô hình cơ sở dữ liệu hướng đối tượng mờ với các giá trị thuộc tính mờ kết hợp hệ số chắc chắn và thao tác dữ liệu qua ngôn ngữ SQL mở rộng.
  • Van Gyseghem và R. De Caluwe (1998) đề xuất mô hình UFO mô tả thông tin không hoàn hảo bằng tập mờ và phân bố khả năng, hỗ trợ cơ chế thừa kế bộ phận và đa thừa kế.
  • G. Bordogna và cộng sự (1994, 2001) xây dựng mô hình đối tượng mờ mở rộng dựa trên lý thuyết đồ thị, sử dụng các từ chỉ mức độ để mô tả quan hệ giữa đối tượng và lớp.
  • Đề xuất của Cross (1994) và các công trình liên quan áp dụng quan hệ tương tự để biểu diễn phạm vi giá trị thuộc tính hợp lệ trong một lớp.
  • Công trình của De Caluwe và cộng sự (1999) sử dụng lý thuyết khả năng để định lượng mức độ bao hàm của lớp con trong lớp cha thông qua các miền mờ của thuộc tính.
  • Kornatzky và Shimony (1994) cùng B. Ding và cộng sự đề xuất mô hình đối tượng dựa trên lý thuyết xác suất, định nghĩa lớp gắn với phân bố xác suất và đại số cho các bộ ba xác suất mờ.

Nhóm nghiên cứu về tiền xử lý dữ liệu (đối sánh và gom cụm) cho mô hình cơ sở dữ liệu hướng đối tượng mờ:

  • Thuật toán GNP (Genetic Network Programming) do nhóm nghiên cứu đề xuất năm 2015 nhằm phân cụm đối tượng dựa trên các đặc trưng mờ.
  • L. Ma và cộng sự (2012) áp dụng thước đo ngữ nghĩa của dữ liệu mờ để so sánh các thực thể, lớp và kiểu dữ liệu mờ.
  • M. Mouna, Bashon và các cộng sự (2010, 2011) đưa ra phương pháp tính toán độ tương tự giữa hai đối tượng mờ thông qua khoảng cách Euclide và mô hình đối sánh Tversky mở rộng trên tập mờ.

Nhóm nghiên cứu về xử lý và tối ưu hóa truy vấn mờ:

  • X. Hu, S. Park và cộng sự (1996) phát triển mô hình F-model và đại số kết hợp mờ mở rộng (FA-algebra), sử dụng giá trị chân lý để trích lọc đối tượng.
  • Goswami (2010) thiết kế đại số đối tượng dựa trên cấu trúc kiểu và tập hợp của lớp.
  • Trương Ngọc Châu (2011) nghiên cứu các phương pháp tối ưu hóa truy vấn cơ sở dữ liệu hướng đối tượng dựa trên đại số và quy tắc viết lại.

Khoảng trống luận án lựa chọn giải quyết: Các mô hình trước đây còn phân tán, thiếu vắng một thiết kế kiến trúc xử lý thống nhất, chưa hoàn thiện định nghĩa toán học chặt chẽ cho hệ thống các phép toán đại số đối tượng mờ mở rộng (đặc biệt là các phép nối, chia, chiếu, chọn mờ trên cấu trúc phức tạp), thiếu ngôn ngữ truy vấn đối tượng mờ (FOQL) có khả năng ánh xạ trực tiếp sang đại số thực thi và chưa xây dựng được giải thuật heuristic hoàn chỉnh kết hợp hệ thống luật chuyển đổi tương đương để tối ưu hóa kế hoạch thực thi truy vấn mờ.

Cơ sở lý thuyết và phương pháp nghiên cứu

Luận án dựa trên nền tảng toán học mờ do L. A. Zadeh khởi xướng, bao gồm lý thuyết tập mờ (Fuzzy Sets), lý thuyết khả năng (Possibility Theory), phân bố khả năng $\pi_X(u)$, logic mờ, đại số gia tử và mô hình dữ liệu hướng đối tượng chuẩn ODMG 3.0.

Cơ sở phân loại thông tin không hoàn hảo được luận án áp dụng gồm 5 dạng:

  1. Sự không nhất quán (Inconsistency): Xung đột ngữ nghĩa khi một khía cạnh thực tế được biểu diễn nhiều hơn một giá trị mâu thuẫn (ví dụ: tuổi vừa là 34 vừa là 37).
  2. Tính không chính xác (Imprecision): Giá trị thuộc tính phải lựa chọn trong một khoảng hoặc một tập hợp (ví dụ: tuổi thuộc {17, 18, 19, 20} hoặc chiều cao thuộc [1.70; 1.95]).
  3. Sự mơ hồ (Vagueness): Giá trị được diễn tả bằng ngôn ngữ tự nhiên (ví dụ: "trẻ", "cao").
  4. Tính không chắc chắn (Uncertainty): Thiếu thông tin để khẳng định một phát biểu logic là đúng hay sai hoàn toàn.
  5. Sự không rõ ràng (Ambiguity): Thiếu hoàn chỉnh về ngữ nghĩa dẫn đến nhiều cách diễn giải khác nhau.

Mô hình hóa biểu đồ lớp UML mờ được chuẩn hóa dưới dạng bộ $D̃_L = (C̃_L, Ã_L, R̃_L, Õ_L)$ đại diện cho tập các lớp mờ, thuộc tính mờ, mối quan hệ mờ và đối tượng mờ, biểu diễn qua 3 mức độ mờ:

  • Mức 1: Mức thành viên của lớp hoặc thuộc tính trong mô hình dữ liệu, khai báo bằng cú pháp WITH mem DEGREE ($0 \le mem \le 1$).
  • Mức 2: Mức thành viên của đối tượng thuộc về một lớp, ký hiệu bằng thuộc tính bổ sung $\mu \in [0; 1]$ (biểu thị trên sơ đồ bằng hình chữ nhật viền nét đứt).
  • Mức 3: Miền giá trị của thuộc tính là một tập mờ được xác định bởi phân bố khả năng, khai báo bằng từ khóa FUZZY.

Phương pháp nghiên cứu thực tế kết hợp giữa nghiên cứu lý thuyết hình thức hóa và thực nghiệm tính toán định lượng:

  • Phương pháp hình thức: Xây dựng các định nghĩa, hệ thống tiên đề và 10 luật tương đương đại số ($R1$ đến $R10$).
  • Phương pháp phân tích tiền xử lý dữ liệu: Sử dụng độ đo khoảng cách Euclide, độ đo ngữ nghĩa (SEM) và độ đo tương tự (SIM) để so sánh các đối tượng mờ cùng lớp hoặc khác lớp; thuật toán gom cụm cải tiến EMC tích hợp hệ số biến thiên (Coefficient of Variation) vào mô hình hỗn hợp Gauss (GMM) và thuật toán cực đại hóa kỳ vọng (EM); phương pháp đánh giá phân cụm dựa trên Log-Likelihood và phân tích phương sai giữa các nhóm; trích lọc mờ dựa trên đại số gia tử.
  • Nguồn dữ liệu thực nghiệm: Sử dụng các tập dữ liệu mẫu từ kho dữ liệu máy học chuẩn UCI với các kích thước mẫu đa dạng từ nhỏ đến lớn (10k, 100k, 1M, 10M bản ghi) được đo đạc trên cấu hình máy tính phần cứng Intel Core i3 370M.

Nội dung chính theo từng chương

Chương 1: TỔNG QUAN VỀ BÀI TOÁN XỬ LÝ TRUY VẤN TRÊN MÔ HÌNH CƠ SỞ DỮ LIỆU HƯỚNG ĐỐI TƯỢNG MỜ

Chương này tập trung trình bày tổng quan bài toán xử lý truy vấn trong môi trường dữ liệu không hoàn hảo, phân tích các hạn chế của cơ sở dữ liệu quan hệ và cơ sở dữ liệu hướng đối tượng truyền thống, đồng thời thiết lập khung mô hình hóa dữ liệu UML mờ và cơ chế ánh xạ sang mô hình cơ sở dữ liệu hướng đối tượng mờ (FOODB).

Tác giả phân tích cấu trúc của biểu đồ lớp UML mở rộng và các mối quan hệ mờ:

  • Quan hệ tổng quát hóa mờ: Xác định quan hệ lớp cha $c'$ và lớp con $c''$ dựa trên ngưỡng $\beta \in [0; 1]$. Điều kiện để $c''$ là lớp con của $c'$ là với mọi đối tượng $o$, $\beta \le \mu_{c''}(o) \le \mu_{c'}(o)$, và mức thành viên của quan hệ kế thừa được xác định là $\min_{\mu_{c''}(o) \ge \beta}(\mu_{c''}(o))$. Luận án giải quyết tính đa kế thừa mờ bằng phép hội và phép tuyển, xử lý xung đột thuộc tính kế thừa dựa trên khái niệm lớp trội.
  • Quan hệ kết tập mờ: Mô hình hóa mối quan hệ toàn thể - bộ phận ("whole - part" hay "is a part-of") khi lớp tổng thể $c'$ được tạo thành từ các bộ phận cấu thành $c''_1, c''2, \dots, c''n$. Phép chiếu của đối tượng $o \in c'$ lên thành phần $c''i$ được ký hiệu là $o \downarrow{c''i}$. Điều kiện kết tập mờ yêu cầu mức thành viên của $o$ trong $c'$ phải lớn hơn hoặc bằng ngưỡng $\beta$ và nhỏ hơn hoặc bằng mức thành viên của phép chiếu $o \downarrow{c''i}$ trên từng lớp bộ phận: $\mu{c'}(o) \le \mu{c''i}(o \downarrow{c''i})$. Mức độ liên thuộc kết tập là $\min{1 \le i \le n} (\mu{c''i}(o \downarrow{c''_i}))$.
  • Cơ chế quản lý siêu dữ liệu: Để lưu trữ thông tin mờ thống nhất dưới dạng phân bố khả năng, tác giả đề xuất hai quan hệ meta ở cấp siêu dữ liệu:
    1. Quan hệ meta ATTRIBUTES xác định danh mục thuộc tính:
attribute-id attribute-name defined-in data-type
attr-15 tên sao STAR {string}
attr-16 kiểu dữ liệu của sao STAR {symbolic}
attr-17 tuổi STAR {linguistic label, integer}
attr-18 độ sáng STAR {linguistic label, real}
attr-19 vị trí STAR {linguistic label, real}
attr-20 trọng lượng STAR {interval, real}
attr-77 lĩnh vực nghiên cứu SCIENTIST {scalar}
attr-80 tuổi SCIENTIST {linguistic label, integer}
  1. Quan hệ meta PARAMETERS lưu trữ tham số xây dựng phân bố khả năng cho các nhãn ngôn ngữ:
attribute-id label parameters
attr-15 nill {sao mới, sao băng}
attr-17 rất trẻ {0, 3, 5, 10, 15}
attr-17 rất già {12, 17, 50, 60}

Chương 2: CÁC PHƯƠNG PHÁP XỬ LÝ TRUY VẤN MỜ DỰA VÀO ĐỘ ĐO TƯƠNG TỰ VÀ GOM CỤM DỮ LIỆU

Chương 2 trình bày các kỹ thuật tiền xử lý dữ liệu và thuật toán truy vấn mờ tương ứng. Nội dung chính tập trung vào hai hướng tiếp cận:

  1. Kỹ thuật so sánh đối tượng dựa trên độ đo tương tự: Luận án xác định hai đối tượng mờ là tương tự nhau nếu chúng có cùng thể hiện của một lớp đối tượng, hoặc giá trị một trong các thuộc tính của lớp này có ngữ nghĩa tương tự với giá trị thuộc tính của lớp kia. Tác giả kết hợp độ đo ngữ nghĩa (SEM) và khoảng cách Euclide để so sánh giữa các đối tượng có thuộc tính rõ, thuộc tính mờ hoặc hỗn hợp rõ/mờ. Dựa trên các độ đo này, luận án đề xuất ba thuật toán xử lý truy vấn:
  • FQSIMSC (Fuzzy Query Sim Single Condition): Thuật toán xử lý truy vấn mờ đơn điều kiện sử dụng độ đo tương tự SIM.
  • FQSIMMC (Fuzzy Query Sim Multi-Condition): Thuật toán xử lý truy vấn mờ đa điều kiện sử dụng SIM.
  • FQSEM (Fuzzy Query SEM): Thuật toán xử lý truy vấn mờ trích rút dữ liệu dạng phân bố khả năng dựa trên đại lượng ngữ nghĩa SEM.
  1. Thuật toán phân cụm cải tiến EMC và truy vấn theo khoảng mờ: Luận án cải tiến thuật toán EM (Expectation Maximization) kết hợp mô hình hỗn hợp Gauss (GMM) thành thuật toán EMC (Expectation Maximization Coefficient) bằng cách đưa thêm bước tính toán hệ số biến thiên (Coefficient of Variation - bước C). Bổ sung này giúp tăng tính mềm dẻo, khắc phục nhược điểm rơi vào tối ưu cục bộ và tăng khả năng đạt tối ưu toàn cục, cho phép số lượng cụm được tùy biến linh hoạt theo từng ứng dụng.

Hiệu quả của thuật toán EMC được đánh giá định lượng thông qua chỉ số hàm hợp lý Log-Likelihood và phương pháp phân tích sự khác biệt giữa các nhóm dữ liệu. Dựa trên kết quả gom cụm của EMC, tác giả xây dựng phương pháp phân định các khoảng mờ và phát triển thuật toán truy vấn FQINTERVAL (Fuzzy Query Interval), cho phép người dùng lọc dữ liệu trực tiếp trên các vùng mờ và mức độ thỏa mãn điều kiện ngôn ngữ một cách tự nhiên. Luận án cũng khảo sát việc tích hợp đại số gia tử trong xử lý truy vấn đa điều kiện và đo lường thời gian thực thi, dung lượng bộ nhớ sử dụng của các thuật toán.

Chương 3: XỬ LÝ VÀ TỐI ƯU HÓA TRUY VẤN TRONG CƠ SỞ DỮ LIỆU HƯỚNG ĐỐI TƯỢNG MỜ

Chương 3 thiết lập hệ thống đại số kết hợp mờ, cú pháp ngôn ngữ FOQL và thuật toán heuristic tối ưu hóa truy vấn mờ.

  1. Hệ thống đại số kết hợp mờ: Luận án định nghĩa hình thức các phép toán đại số trên các tập đối tượng mờ và liên kết mờ, bao gồm:
  • Phép chọn mờ ($\sigma$)
  • Phép chiếu mờ ($\Pi$)
  • Phép kết nối mờ ($\bowtie$)
  • Phép hợp mờ ($\cup$)
  • Phép trừ mờ ($\simeq$)
  • Phép giao mờ ($\cap$)
  • Phép chia mờ ($\div$)

  1. Ngôn ngữ truy vấn mờ FOQL và biểu diễn cây truy vấn: Cấu trúc câu truy vấn FOQL được thiết kế mở rộng từ OQL/SQL, cho phép chỉ định các điều kiện ngôn ngữ và ngưỡng tin cậy WITH ... DEGREE. Câu truy vấn được biên dịch thành cây truy vấn đại số (Query Tree) hoặc đồ thị phân cấp lớp mờ.

  2. Thuật toán tối ưu hóa truy vấn mờ Heuristic: Một cây truy vấn ban đầu (chứa tích Descartes) có không gian tìm kiếm gồm $O(2^N)$ phương án thực thi thay thế (với $N$ là số phép nối; ngưỡng giới hạn tổ hợp thực nghiệm là $N = 10$). Để giảm chi phí, tác giả thiết lập 10 luật chuyển đổi tương đương ($R1$ đến $R10$):

  • $R1, R2$: Biến đổi và tách dãy phép chọn tương đương thành các phép chọn con.
  • $R3$: Các luật biến đổi đối với phép chiếu.
  • $R4, R6, R7, R10$: Hoán vị và "đẩy" các phép chọn xuống các lớp thành phần bên dưới hoặc đi qua các nút kết nối/tạo nhóm.
  • $R5$: Đẩy các phép chiếu xuống sâu nhất có thể và loại bỏ phép chiếu dư thừa nếu tập thuộc tính chiếu bao gồm toàn bộ thuộc tính của biểu thức.
  • $R8$: Hoán vị giữa phép làm phẳng (flat) và phép apply trên tập/đa tập: $flat_s(apply_s \lambda s. \Pi(X)(\Pi_V(\mu_{F̃LC}(o))))$.
  • $R9$: Tính kết hợp của phép hợp ($union$): $(\mu_{F̃LC1}(o) \cup \mu_{F̃LC2}(o)) \cup \mu_{F̃LC3}(o) = \mu_{F̃LC1}(o) \cup (\mu_{F̃LC2}(o) \cup \mu_{F̃LC3}(o))$.
  • $R10$: Luật kế thừa đối với phép chọn và phép apply khi lớp con là tập con của lớp cha: $\sigma \lambda s (\mu_{F̃LC2}(o)) \subseteq \mu_{F̃LC1}(o)$.

Quy trình giải thuật Heuristic chuyển đổi cây truy vấn qua các bước:

  1. Áp dụng luật $R1, R2$ phân rã điều kiện chọn phức tạp.

  2. Áp dụng luật $R3, R10$ tổ hợp các phép chiếu và chọn.

  3. Sử dụng $R4, R6, R7, R10$ đẩy phép chọn xuống gần các nút lá (các quan hệ/lớp cơ sở).

  4. Sử dụng $R3, R4, R5$ đẩy phép chiếu xuống sớm nhất để loại bỏ các thuộc tính không cần thiết trong các lớp trung gian.

  5. Thay thế phép tích Descartes (Cartesian Product) đi kèm vị từ chọn bằng phép nối tự nhiên (Join).

  6. Sử dụng $R8, R9, R10$ loại bỏ phần tử trùng lặp và chuyển phép làm phẳng lên trước phép nhóm/nối.

  7. Đánh giá thực nghiệm tối ưu hóa: Tác giả thiết lập ba câu truy vấn mờ thử nghiệm trên tập dữ liệu UCI với các kích thước mẫu 10k, 100k, 1M, 10M bản ghi:

  • FOQL1: Truy vấn trích rút đơn điều kiện kết hợp phép nối trong: SELECT Hoten FROM NhanVienBanHang inner join NhanVienBanHangTre on NhanVienBanHangTre.Tuoi = ‘rất trẻ’ WITH 0.8
  • FOQL2: Truy vấn đơn điều kiện kết hợp phép nối qua mệnh đề WHERE: SELECT Hoten FROM NhanVienBanHang, NhanVienBanHangTre WITH 0.8 WHERE NhanVienBanHang.FOID = NhanVienBanHangTre.FOID And NhanVienBanHangTre.Tuoi = ‘rất trẻ’ WITH 0.8
  • FOQL3: Truy vấn đa điều kiện được viết lại và tối ưu hóa bằng giải thuật đại số: SELECT * FROM NhanVienBanHang, NhanVienBanHangTre WITH 0.8 WHERE NhanVienBanHang.FOID = NhanVienBanHangTre.FOID And NhanVienBanHangTre.Tuoi = ‘rất trẻ’ WITH 0.8

Thử nghiệm được thực thi trên phần cứng máy tính Intel Core i3 370M. Kết quả đo đạc thời gian thực thi cho thấy câu truy vấn FOQL3 sau khi được tối ưu hóa bằng thuật toán Heuristic có thời gian thực thi thấp nhất so với FOQL1 và FOQL2 trên cùng các quy mô dữ liệu thử nghiệm.

Kết quả và những đóng góp mới

Theo công bố của tác giả trong phần kết luận luận án và các công trình khoa học đã xuất bản, luận án đạt được các kết quả và đóng góp mới sau:

  1. Đóng góp về lý luận và mô hình hóa:
  • Xây dựng mô hình biểu đồ lớp UML mờ hoàn chỉnh hỗ trợ 3 cấp độ mờ và định nghĩa hình thức cho các mối quan hệ mờ (quan hệ tổng quát hóa mờ có tính đến đa kế thừa và giải quyết xung đột qua lớp trội; quan hệ kết tập mờ xác định qua mức chiếu lên từng bộ phận).
  • Đề xuất hệ thống đại số kết hợp mờ hoàn chỉnh gồm 7 phép toán cơ bản: phép chọn mờ, phép nối mờ, phép chiếu mờ, phép chia mờ, phép trừ mờ, phép hợp mờ và phép giao mờ, làm cơ sở toán học cho xử lý truy vấn trên cơ sở dữ liệu hướng đối tượng mờ.
  • Xây dựng kiến trúc tiền xử lý và chuyển đổi truy vấn từ ngôn ngữ FOQL sang cây biểu thức đại số đối tượng mờ.
  1. Đóng góp về thuật toán và tối ưu hóa thực tiễn:
  • Đề xuất phương pháp so sánh tính tương tự giữa hai đối tượng mờ dựa trên kết hợp độ đo khoảng cách Euclide và độ đo ngữ nghĩa SEM. Trên cơ sở đó, phát triển ba thuật toán truy vấn dữ liệu mờ: FQSIMSC, FQSIMMC và FQSEM.
  • Phát triển thuật toán gom cụm cải tiến EMC trên nền tảng GMM và EM bằng cách tích hợp hệ số biến thiên (bước C), nâng cao tính mềm dẻo và khả năng thoát cực trị địa phương; xây dựng kỹ thuật phân khoảng mờ và thuật toán truy vấn FQINTERVAL.
  • Xây dựng giải thuật Heuristic tối ưu hóa cây truy vấn mờ dựa trên hệ thống 10 luật chuyển đổi tương đương ($R1-R10$), giảm thiểu kích thước không gian tìm kiếm và hạ thấp chi phí thực thi truy vấn thông qua việc đẩy sớm các phép chọn/chiếu và thay thế tích Descartes bằng phép nối.
  • Thực nghiệm kiểm chứng trên tập dữ liệu chuẩn UCI xác nhận phương pháp tối ưu hóa giúp giảm thời gian thực thi của câu truy vấn mờ.

Hạn chế và hướng nghiên cứu tiếp

Về hạn chế, luận án tự xác định các giới hạn thực hiện trong phạm vi nghiên cứu:

  • Chưa tích hợp cơ chế liên kết dữ liệu đa chiều để hỗ trợ báo cáo thống kê phức tạp trên dữ liệu mờ.
  • Mô hình xử lý truy vấn hiện tại được thiết kế tuần tự, chưa tận dụng năng lực tính toán song song.
  • Mô hình đại số và ngôn ngữ truy vấn mới chỉ tập trung trên mô hình đối tượng mờ đề xuất, chưa mở rộng tương tác đa nền tảng trên tất cả các mô hình cơ sở dữ liệu mờ khác.

Các hướng nghiên cứu tiếp theo được tác giả nêu rõ trong phần kết luận gồm:

  1. Nghiên cứu mô hình liên kết khối mờ (Link Data Fuzzy Cube) nhằm tăng cường khả năng truy vấn và hỗ trợ báo cáo phân tích thống kê trong mô hình cơ sở dữ liệu mờ.
  2. Nghiên cứu phương pháp xử lý truy vấn mờ dựa trên lý thuyết dàn bao (dàn dao).
  3. Nghiên cứu xây dựng các thuật toán xử lý song song cho truy vấn mờ nhằm nâng cao năng lực xử lý với các tập dữ liệu quy mô lớn hơn.
  4. Nghiên cứu mô hình xử lý truy vấn mờ ở mức cao có khả năng tương tác và liên thông trên mọi mô hình cơ sở dữ liệu mờ đã được đề xuất trong học giới.

Giá trị tham khảo

Nội dung luận án có giá trị tham khảo chuyên môn đối với các đối tượng nghiên cứu và giảng dạy:

  • Nghiên cứu sinh và học viên cao học ngành Khoa học máy tính, Hệ thống thông tin: Có thể tham khảo phương pháp luận hình thức hóa các mở rộng mờ cho mô hình hướng đối tượng, cách áp dụng lý thuyết khả năng trong biểu diễn cấu trúc dữ liệu không hoàn hảo và kỹ thuật thiết lập các luật tương đương đại số.
  • Giảng viên và nhà nghiên cứu cơ sở dữ liệu: Luận án cung cấp tài liệu chi tiết về thiết kế đại số đối tượng, cách xây dựng bộ phân tích cú pháp truy vấn từ ngôn ngữ bậc cao (FOQL) xuống cây thực thi đại số và các giải thuật heuristic tối ưu hóa truy vấn.
  • Kỹ sư phát triển hệ thống thông tin thông minh: Phần thuật toán gom cụm EMC, kỹ thuật phân khoảng mờ và các thuật toán đối sánh đối tượng dựa trên độ đo tương tự SIM/SEM (Chương 2) có thể ứng dụng trực tiếp trong các bài toán phân loại dữ liệu không chắc chắn, hệ thống khuyến nghị và dịch vụ tư vấn dữ liệu mờ.

Câu hỏi thường gặp

1. Ba cấp độ mờ trong mô hình hóa biểu đồ lớp UML mờ được luận án định nghĩa như thế nào?

Theo luận án, ba cấp độ mờ gồm:

  • Cấp độ mờ thứ nhất: Đánh giá mức độ mà lớp thuộc về mô hình dữ liệu hoặc mức độ thuộc tính thuộc về lớp, được khai báo cú pháp bằng cụm từ WITH mem DEGREE (với $0 \le mem \le 1$).
  • Cấp độ mờ thứ hai: Đánh giá mức độ mà đối tượng thuộc về một lớp, được biểu diễn bằng một thuộc tính bổ sung $\mu \in [0; 1]$ và lớp được vẽ bằng khung hình chữ nhật viền nét đứt.
  • Cấp độ mờ thứ ba: Đánh giá miền giá trị của các thuộc tính của đối tượng, khi miền giá trị là một tập con mờ biểu diễn qua phân bố khả năng ${(v_1, \pi(v_1)), \dots, (v_q, \pi(v_q))}$, được khai báo bằng từ khóa FUZZY trước tên thuộc tính.

2. Thuật toán EMC cải tiến điểm gì so với thuật toán EM truyền thống?

Thuật toán phân cụm EMC (Expectation Maximization Coefficient) được phát triển dựa trên thuật toán EM và mô hình Gaussian hỗn hợp (GMM) bằng cách bổ sung bước tính toán hệ số biến thiên (bước C - Coefficient). Bổ sung này giúp thuật toán tăng tính mềm dẻo, giảm nguy cơ rơi vào tối ưu hóa cục bộ và tăng khả năng đạt tối ưu hóa toàn cục trong quá trình lặp, đồng thời cho phép số cụm được phân định linh hoạt tùy theo đặc thù của từng ứng dụng cụ thể.

3. Hệ thống đại số kết hợp mờ do luận án đề xuất bao gồm những phép toán nào?

Luận án định nghĩa hình thức 7 phép toán đại số đối tượng mờ làm cơ sở xây dựng bộ xử lý truy vấn:

  1. Phép chọn mờ ($\sigma$)
  2. Phép chiếu mờ ($\Pi$)
  3. Phép kết nối mờ ($\bowtie$)
  4. Phép hợp mờ ($\cup$)
  5. Phép trừ mờ ($\simeq$)
  6. Phép giao mờ ($\cap$)
  7. Phép chia mờ ($\div$)

4. Thuật toán heuristic tối ưu hóa truy vấn mờ sử dụng các nguyên tắc cốt lõi nào?

Thuật toán dựa trên 10 luật biến đổi tương đương ($R1-R10$) với các nguyên tắc tổng quát:

  • Tách các phép chọn phức hợp và đẩy các phép chọn xuống gần các nút lá (lớp cơ sở) nhất có thể.
  • Đưa các phép chiếu vào sâu nhất có thể để loại bỏ sớm các thuộc tính không cần thiết ở các lớp trung gian.
  • Thay thế phép tích Descartes (Cartesian Product) kết hợp với vị từ chọn bằng phép nối (Join).
  • Sử dụng tính chất kế thừa và hoán vị để đưa các phép làm phẳng (flat) hoặc loại bỏ phần tử trùng lặp lên trước các phép toán nhóm hoặc kết nối.

5. Thử nghiệm đánh giá hiệu năng tối ưu hóa truy vấn mờ được thực hiện trong điều kiện nào và cho kết quả ra sao?

Thực nghiệm được thực hiện trên ba truy vấn FOQL1, FOQL2 và FOQL3 chạy trên các tập dữ liệu chuẩn UCI có kích thước 10.000, 100.000, 1.000.000 và 10.000.000 bản ghi, kiểm thử trên cấu hình máy tính vi xử lý Intel Core i3 370M. Kết quả chứng minh câu truy vấn FOQL3 sau khi áp dụng thuật toán tối ưu hóa heuristic có thời gian thực thi ít nhất so với FOQL1 và FOQL2 trên cùng các quy mô dữ liệu.

Kết luận

Luận án của nghiên cứu sinh Nguyễn Tấn Thuận đã giải quyết bài toán xử lý và tối ưu hóa truy vấn trên mô hình cơ sở dữ liệu hướng đối tượng mờ một cách có hệ thống. Các kết quả chính bao gồm việc chuẩn hóa biểu đồ UML mờ, xây dựng thuật toán gom cụm cải tiến EMC và các kỹ thuật truy vấn theo khoảng mờ, thiết lập hệ thống 7 phép toán đại số kết hợp mờ, cùng giải thuật Heuristic dựa trên 10 luật chuyển đổi tương đương. Kết quả thực nghiệm trên tập dữ liệu chuẩn UCI bước đầu chứng minh hiệu quả giảm thời gian thực thi truy vấn của phương pháp đề xuất. Công trình đã mở ra các hướng phát triển tiếp theo về liên kết khối mờ (Link Data Fuzzy Cube), xử lý truy vấn song song và ứng dụng lý thuyết dàn bao.