Audel des donnes''' - PowerPoint PPT Presentation

1 / 24
About This Presentation
Title:

Audel des donnes'''

Description:

Un objet peut appartenir plusieurs vues. Les mises jour peuvent ... incomplet, on peut d terminer quelles classes il peut appartenir et on peut ... – PowerPoint PPT presentation

Number of Views:30
Avg rating:3.0/5.0
Slides: 25
Provided by: lionel5
Category:

less

Transcript and Presenter's Notes

Title: Audel des donnes'''


1
Au-delà des données...
2
Données et Bases de données
  • Fiabilité une donnée est vraie
  • Permanence une donnée n'évolue pas (peu)
  • Complétude une information est
    (généralement...) complète
  • Affirmation une donnée est affirmée et non
    déduite
  • Non-contradiction contrainte d'intégrité

3
Connaissance
  • Une connaissance peut évoluer
  • ex la situation de famille
  • Une connaissance peut être partielle
  • ex caractéristiques d'une personne recherchée
  • Une connaissance peut être déduite d'autres
  • ex "faisceau d'arguments"
  • Deux connaissances peuvent être contradictoires
    (mais cela pose problème !)

4
Organiser les connaissances (I)
  • Approche système expert
  • base de faits
  • base de règles
  • moteur d'inférence
  • Approche système logique (logiques modales,
    logiques terminologiques, etc.)
  • base d'assertions / axiomes
  • base de prédicats (étendus)

5
Organiser les connaissances (II)
  • Approche langage à objets et types
  • hiérarchie de types
  • classes
  • opérateurs sur les objets et les classes
  • Approche bases de données objet
  • étendre (et assouplir !) les critères ODMG

6
Bases de données objet étenduesObjectifs (I)
  • Permettre la migration de type (classe)
  • Affiner la notion d'héritage (ex tout n'est pas
    bon à hériter...)
  • Introduire la notion de point de vue
  • Fournir des mécanismes de classification et de
    classement

7
Bases de données objet étenduesObjectifs (II)
  • Introduire le temps et l'évolution
  • Introduire des mécanismes de déduction
  • Introduire des mécanismes de correction
    (semi-)automatique

8
Point de vue
  • Point de vue de base assertions (prédicats) sur
    les attributs
  • Une entité (objet) peut faire partie de plusieurs
    points de vue. Ex
  • salarié et sportif
  • riche et chercheur
  • Points de vue fondements d'une taxonomie
    (classification)

9
Illustration le système Osiris
  • Type -gt P-types
  • type de base
  • sous-types ou vues du type de base
  • (Point) de vue
  • hiérarchie / spécialisation de vues
  • attributs propres
  • assertions (clause de Horn)

10
Osiris exemple
P-type Employé with Key Nom View
MINIMAL Attributes Nom string Age
unsigned integer Durée-de-travail unsigned
integer Nb-enfants unsigned integer
Grade string Assertions Age lt
120 End View
11
Osiris Exemple (suite)
View SENIOR MINIMAL Assertions Age gt 60
Age lt 65 Ù (Nb-enfants 0) -gt
Durée-de-travail gt 20 End View View
EMPLOYE-AVEC-ENFANTS Assertions Nb-enfants gt
0 End View End P-type
12
Osiris vues
  • Un objet peut appartenir à plusieurs vues
  • Les mises à jour peuvent changer les vues
    auxquelles appartient un objet
  • Les mises à jour sont acceptées seulement si
    l'objet reste dans la vue minimale

13
Osiris classification
  • Lors de la définition du schéma, construction,
    pour chaque P-type de l'espace de classification
    associé à partir des assertions définissant la
    vue
  • chaque prédicat partitionne le domaine de
    l'attribut associé en 2 parties

14
Osiris classification (suite)
  • pour chaque attribut, on considère le "produit"
    de ces partitions gt partition du domaine de
    l'attribut en "sous-domaines stables" (SDS)
    disjoints et complémentaires
  • A l'intérieur d'un SDS, un prédicat sur
    l'attribut a la même valeur de vérité quelle que
    soit la valeur précise de l'attribut

15
Osiris classification (fin)
  • Le produit cartésien des n ensembles de SDS (n
    nombre d'attributs différents sur lesquels porte
    au moins un prédicat) forme l'espace de
    classification du P-type à l'intérieur d'un
    élément de ce produit, tous les objets
    appartiennent aux mêmes vues ltgt classes
    d'équivalence v-à-v de la satisfaction des
    assertions
  • Nombre de classes exponentiel ! gt algorithme de
    classement

16
Osiris classification (exemple)
Age
Durée-de- travail
Nb-enfants
65
60
1
20
17
Osiris classement
  • En fonction de ses valeurs d'attributs, on peut
    déterminer, pour un objet à quelle classe il
    appartient (c-à-d à quelles vues il appartient)
  • Si un objet est incomplet, on peut déterminer à
    quelles classes il peut appartenir et on peut
    définir les critères (tests) à vérifier pour
    isoler la classe à laquelle il appartient de fait

18
Introduction de considérations temporelles et
d'évolution
  • Logique temporelle du premier ordre logique du
    premier ordre opérateurs temporels
  • Dans les bases de données, on se limite aux
    opérateurs liés au passé
  • Trois opérateurs de base
  • à "il est arrivé que"
  • ð "il est (a été) toujours vrai que"
  • "il vient d'arriver le fait que"

19
Introduction du passé
  • Difficulté nécessité de conserver l'historique
    des objets
  • ... Sauf si les assertions spécifient l'ordre
    d'occurrence de faits successifs non-corrélés (il
    suffit alors de mémoriser l'état courant dans
    l'évolution) assertions Past and Forget

20
Introduction du passé exemple
P-type Employé with Key Nom View
MINIMAL Idem End View View CARRIERISTE Asser
tions à (Grade 'Chef') /F1 (Age lt
30) à (Grade 'Débutant') /F2 End
View View CHEF-SENIOR Assertions (Grade
'Tres Grand Chef') (Age gt 60) à
(Grade 'Grand Chef') /F3 End View
21
Introduction du passé exemple II
Age
Produit cartésien P(F) x classes
P(F)
Grade
60
...
Très Grand Chef
30
F1
Autres grades
?
22
Introduction de relations spatiales... et
spatio-temporelles
  • Relations géométriques à gauche, en bas,
    derrière, etc.
  • Relations topologiques dedans, touche,
    recouvre-en-partie... (8 relations de base)
  • Hot issue évolutions spatiales métastases
    d'un cancer, évolution d'une forêt...

23
Ré-utilisation et adaptation
  • Illustration la Toile
  • Notions de profil et d'assistant
  • Raisonnement à partir de cas
  • Mutualisation et partage
  • Exemple Wharf

24
Conclusions
  • Bases de connaissances ! Bases de données
  • Gérer des connaissances au-dessus de SGBD objet
  • Introduire le temps est très lourd
  • Adaptabilité et partage
  • Diversité des applications gt diversité des
    modèles (ex gestion de l'incertitude)
Write a Comment
User Comments (0)
About PowerShow.com