Aproksymacyjne wyszukiwanie
informacji w bazach danych
Wykład - Bazy danych 3 – kierunek
Informatyka sem. VII
Aproksymacyjne wyszukiwanie
informacji w bazach danych
Wykład - Bazy danych 3 – kierunek
Informatyka sem. VII
Politechnika Śląska Instytut Informatyki
Rodzaje zapytań
precyzyjne
zakresowe
aproksymacyjne
Politechnika Śląska Instytut Informatyki
Rodzaje zapytań
aproksymacyjnych
Wektorowe – wyszukiwanie na podstawie podobieństwa dwóch
wektorów, z których jeden reprezentuje wyszukiwany obiekt, a
drugi kryteria pytania
Oparte na prawdopodobieństwie – wyszukiwanie na
podstawie prawdopodobieństwa spełnienia przez obiekt
warunków pytania,
Rozmyte – wyszukiwanie na podstawie stopnia zgodności
obiektu z kryteriami pytania
W języku naturalnym – semantyka języka określa sposób
interpretacji pytania
Politechnika Śląska Instytut Informatyki
Rys historyczny
Twórca teorii zbiorów rozmytych:
Lotfi
Zadeh
(1965r.)
Praca inicjująca stosowanie zbiorów
rozmytych
w bazach danych:
opracowanie
V. Tahaniego
o wyszukiwaniu
informacji rozmytej
(1976r.)
Politechnika Śląska Instytut Informatyki
Badania nad zastosowaniem teorii
zbiorów rozmytych w bazach danych
(1)
Zadawanie rozmytych pytań do bazy danych:
Translator języka naturalnego wykorzystujący teorię
zbiorów rozmytych PRUF - (Zadeh - 1978)
Pierwszy rozmyty języka zapytań (Takahashi - 1991)
(X jest
bardzo
niski)
Fuzzy Query – tworzony od połowy 1997r. Przez
Sonalysts
Fquery – IBS PAN Warszawa (J. Kacprzyk, S.
Zadrożny) dla MS Access
SQLf – P. Bosc, O. Pivert itd.
Politechnika Śląska Instytut Informatyki
Badania nad zastosowaniem teorii
zbiorów rozmytych w bazach
danych (2)
Zapamiętywanie rozmytych informacji
w bazie danych:
rozmyte modele danych (B. P. Buckles, F. E. Petry)
Rozmyty relacyjny model GEFRED – Uniwersytet w
Granadzie (J. Cubero, M. Vila, K. Pons, J. Medina)
Rozmyte modele obiektowych baz danych – Belgia
(R. De Caluwe itd.)
Zbiory rozmyte w bazach danych systemów
geograficznych (M. Cobb, A. Yazici, K. Akkaya, V.
Robinson)
Politechnika Śląska Instytut Informatyki
Precyzyjne pytania - dokładne dane w BD
Rozmyte pytania - dokładne dane w BD
Precyzyjne pytania - rozmyte dane w BD
Rozmyte pytania - rozmyte dane w BD
Rodzaje pytań oraz przechowywanych
danych
Politechnika Śląska Instytut Informatyki
Problemy
Jak przedstawić w składni języka SQL
rozmyte sformułowania i jak ma
przebiegać proces interpretacji takich
zapytań?
W jaki sposób przechowywać w bazie
rozmyte dane?
Politechnika Śląska Instytut Informatyki
Teoria zbiorów rozmytych
-podstawowe pojęcia
Zbiór rozmyty
– zbiór par, w pewnej
numerycznej przestrzeni rozważań X
A = {(µ
A
(x), x)},
dla każdego x X,
gdzie:
µ
A
– funkcja przynależności zbioru
rozmytego A – każdemu elementowi
zbioru x X przypisuje stopień
przynależności µ
A
(x) do zbioru A, przy
czym
µ
A
(x) [0, 1]
Politechnika Śląska Instytut Informatyki
Przykładowa funkcja
przynależności
D
0 l m n
o
a dm b
•Liczba rozmyta
•Przedział
rozmyty
•Przedział
dokładny
•Wartość
dokładna
Politechnika Śląska Instytut Informatyki
Reprezentacja liczb rozmytych
Liczba rozmyta typu LR:
A1 = (m, a, b)
Przedział rozmyty typu LR:
A2 = (m, n, a, b)
Politechnika Śląska Instytut Informatyki
Postać zapytania w języku SQL
Select <lista atrybutów>
From <lista tabel>
Where <warunki>
Group by <lista atrybutów>
Having <warunki filtrujące>
Order by <lista atrybutów>
Politechnika Śląska Instytut Informatyki
Miejsca występowania wartości
rozmytych w pytaniach
niezagnieżdżonych
Warunki filtrujące we frazie
WHERE
Warunki filtrujące we frazie
HAVING
Grupowanie wg wyrażeń zawierających
wartości rozmyte –
GROUP BY
Porządkowanie wg kolumn zawierających
wartości rozmyte –
ORDER BY
Wartości rozmyte we frazie
SELECT
Politechnika Śląska Instytut Informatyki
Diagram bazy danych
pracownicy
imie : String
nazwisko : String
plec : String
wiek : Integer
nr_zakl : Integer
staz_pracy : Integer
nr_prac : Integer
zuzycie
papier : Integer
toner : Integer
plytki_CD : Integer
nr_zakl : Integer
rok : Date
instytuty
nr_inst : Integer
nazwa : String
zaklady
nazwa : String
liczba_prac : Integer
liczba_pokoi : Integer
nr_zakl : Integer
nr_inst : Integer
1
0..*
1
+zatrudnia
0..*
0..*
1
0..*
+zużywa
1
0..*
1
0..*
+należy
1
zapotrzebowanie
papier : ftrapezium
toner : ftrapezium
plytki_CD : ftrapezium
nr_zakl : Integer
rok : Date
1
0..*
1
+zamawia
0..*
Politechnika Śląska Instytut Informatyki
Interpretacja rozmytych warunków
filtrujących w pytaniach SQL
Przykład
Wyszukaj pracowników w wieku
około 50
lat.
Politechnika Śląska Instytut Informatyki
Wartość rozmyta około 50
X
0 40 45 55
60
1
...
Politechnika Śląska Instytut Informatyki
1
T
(x)
wiek
0 40 48 50
60
(48) =
0.8
SELECT imie, nazwisko
FROM pracownicy
WHERE wiek JEST okolo 50
Nr Imie
Nazwisko Wiek Staz_pracy Plec Adres
1 J an
Kowalski
48
19
M
Zabrze
2 Kasia Nowak
38
10
K
Chorzów
3 Marcin Sowa
21
1
M
Gliwice
4 J akub Sroka
53
22
M
Kraków
5 Anna Maj
47
8
K
Katowice
Zapis w notacji języka SQL
Politechnika Śląska Instytut Informatyki
Nr Imie
Nazwisko Wiek Staz_pracy Plec Adres
50
(wiek)
1 J an
Kowalski
48
19
M
Zabrze
0,8
2 Kasia Nowak
38
10
K
Chorzów 0,0
3 Marcin Sowa
21
1
M
Gliwice
0,0
4 J akub Sroka
53
22
M
Kraków
0,7
5 Anna Maj
47
8
K
Katowice 0,7
Uzupełnienie tabeli o tymczasową
kolumnę zawierającą stopień zgodności
Politechnika Śląska Instytut Informatyki
Warunki złożone
Where W
Where W
1
AND W
2
... OR W
k
W
i
AND W
j
min (
(w
i
),
(w
j
))
t-norma
W
i
OR W
j
max(
(w
i
),
(w
j
))
s-norma
Politechnika Śląska Instytut Informatyki
Wyszukaj pracowników w wieku około 50 lat,
mających staż pracy około 20 lat.
SELECT imie, nazwisko
FROM pracownicy
WHERE wiek JEST okolo 50 AND staz_pracy JEST okolo 20
Uzupełniona tabela o tymczasowe kolumny
zawierające wartości stopni zgodności
Nr Imie
Nazwisko Wiek Staz_pracy Plec
50
(wiek)
20
(staz_pracy)
1 J an
Kowalski
48
19
M
0,8
0,9
0,8
2 Kasia Nowak
38
10
K
0,0
0,0
0,0
3 Marcin Sowa
21
1
M
0,0
0,0
0,0
4 J akub Sroka
53
22
M
0,7
0,8
0,7
5 Anna Maj
47
8
K
0,7
0,0
0,0
Politechnika Śląska Instytut Informatyki
Podstawa wyboru wierszy
Maksymalny stopień zgodności z
warunkami pytania
Przekroczenie średniego stopnia
zgodności
Przekroczenie pewnej zadanej wartości
progowej
Politechnika Śląska Instytut Informatyki
Wprowadzenie do zapisu pytań SQL
warunku na stopień zgodności
Przykład
Wyszukaj pracowników, którzy mają około 50 lat, w
odpowiedzi należy uwzględnić wiersze ze stopniem zgodności
z kryterium pytania większym niż 0.7.
Dotychczasowy zapis pytania:
SELECT imie, nazwisko
FROM pracownicy
WHERE wiek JEST okolo 50
Politechnika Śląska Instytut Informatyki
Trzy formy zapisu warunku na stopień
zgodności
forma dołączana do warunku rozmytego
WHERE wiek jest okolo 50 AND DG > 0.7;
forma funkcyjna
WHERE DG(p.wiek, okolo 50) > 0.7;
forma operatorowa
WHERE (wiek jest okolo 50) > 0.7;
Politechnika Śląska Instytut Informatyki
Wartości rozmyte w kolumnach tabeli
tabela: zapotrzebowanie (nr_zakl, rok, zapotrzebowanie_na _papier)
Przykład
Wyszukać zakłady, które złożyły zapotrzebowanie na niewielką ilość
papieru.
SELECT nr_zakl
FROM zapotrzebowanie
WHERE zapotrzebowanie_na_papier jest niewielkie;
T
(x)
x
1
0 8 10 20
Nr_zakl rok
zapotrzebowanie_na_papier
1
2003
okolo 8
2
2003
okolo 25
3
2003
okolo 30
4
2003
okolo 15
Politechnika Śląska Instytut Informatyki
Agregacja w pytaniach
rozmytych (1)
Funkcje agregujące na danych rozmytych
(we frazie SELECT)
„Wyznacz wartość średniego zapotrzebowania na tonery.”
SELECT AVG(
toner
)
FROM zapotrzebowanie
WHERE rok = ‘2003’;
Politechnika Śląska Instytut Informatyki
Agregacja w pytaniach
rozmytych (2)
Nakładanie warunków na funkcje agregujące
w pytaniach rozmytych (fraza HAVING):
Agregacja wartości ostrych – nakładany warunek rozmyty
Agregacja wartości rozmytych – nakładany warunek ostry
Agregacja wartości rozmytych – nakładany warunek
rozmyty
Rozmyte kwantyfikatory operujące na grupie wierszy
Politechnika Śląska Instytut Informatyki
Agregacja w pytaniach
rozmytych (3)
Agregacja wartości ostrych – nakładany
warunek rozmyty
Wyszukać te zakłady, w których jest zatrudnionych około
10 kobiet, przy czym stopień zgodności z tym warunkiem
powinien być większy od 0.65.
SELECT nr_zakl
FROM pracownicy
WHERE plec = ‘K’
GROUP BY nr_zakl
HAVING (count(nr_prac) jest
okolo 10
) >
0.65
Politechnika Śląska Instytut Informatyki
Agregacja w pytaniach rozmytych (4)
Przykład
Wyznacz dla każdego zakładu wartość średniego
zapotrzebowania na papier. Wyszukaj te zakłady,
w których wartość ta przekracza 30 ryz.
SELECT nr_zakl, AVG(zapotrzebowanie_na_papier)
FROM zapotrzebowanie
GROUP BY nr_zakl
HAVING AVG(zapotrzebowanie_na_papier) > 30;
Politechnika Śląska Instytut Informatyki
Agregacja w pytaniach
rozmytych (5)
Agregacja wartości rozmytych
Wyszukać te instytuty, których sumaryczne
zapotrzebowanie na papier w danym roku wynosiło około
1000 ryz. W odpowiedzi powinny znaleźć się wiersze o
stopniu zgodności co najmniej 0.7.
SELECT nr_inst, rok
FROM zapotrzebowanie z JOIN instytuty i
ON z.nr_inst = i.nr_inst
GROUP BY i.nr_inst, rok
HAVING (sum(
papier
) jest
okolo 1000
) >=
0.7
;
Politechnika Śląska Instytut Informatyki
Rozmyte kwantyfikatory (prawie
wszystkie, prawie żaden, około połowa...)
Wyszukaj te zakłady, w których prawie wszyscy pracownicy to
mężczyźni. W odpowiedzi powinny znaleźć się wiersze o
stopniu zgodności co najmniej 0.7.
SELECT nr_zakl, prawie_wszystkie(plec = ‘M’)
FROM pracownicy
GROUP BY nr_zakl
HAVING prawie_wszystkie(plec = ‘M’) >= 0.7;
0 0.9 0.95 1
X
1
Funkcja przynależności dla
wartości lingwistycznej
prawie_wszystkie
0 0.9 0.925 1
X
1
0.5
Stopień zgodności obliczonego odsetka
(0.925) z wartością lingwistyczną
prawie_wszystkie
...
...
Politechnika Śląska Instytut Informatyki
Grupowanie danych
grupowanie rozmyte dokładnych danych
grupowanie rozmytych danych
Politechnika Śląska Instytut Informatyki
Grupowanie rozmyte dokładnych
danych
grupowanie względem wartości lingwistycznych
Dane: pomiary temperatury w kolejnych dniach
Wartości lingwistyczne: bardzo zimno, zimno, ciepło, bardzo ciepło itd.
grupowanie według arbitralnego podziału dziedziny atrybutu
Dane: staż pracy poszczególnych pracowników
Podział dziedziny: około 5 lat, około 10 lat, około 15 lat itd.
grupowanie rozmyte z zastosowaniem metody hierarchicznej
Początkowo każda dana tworzy grupę
Iteracyjne łączenie dwóch najbliższych grup
grupowanie rozmyte według autorskiego algorytmu
Połączenie idei metody hierarchicznej z klasycznym grupowaniem
bazującym na uporządkowaniu danych
Politechnika Śląska Instytut Informatyki
Metody wyznaczania odległości
między grupami
najmniejsza odległość pomiędzy dowolną daną grupy A i daną grupy B:
największa odległość pomiędzy dowolną daną grupy A i daną grupy B:
średnia arytmetyczna wszystkich odległości pomiędzy wszystkimi danymi
grup A i B:
odległość pomiędzy punktem centralnym (wartością średnią) grupy A
i punktem centralnym (wartością średnią) grupy B:
gdzie m
A
, m
B
są wektorami: m
A
, m
B
.
|
|
min
)
,
(
,
min
B
A
B
x
A
x
x
x
B
A
d
B
A
|
|
max
)
,
(
,
max
B
A
B
x
A
x
x
x
B
A
d
B
A
A
x
B
x
B
A
śr
A
B
x
x
B
card
A
card
B
A
d
|
|
)
(
)
(
1
)
,
(
|
|
)
,
(
B
A
mean
m
m
B
A
d
Politechnika Śląska Instytut Informatyki
Grupowanie rozmytych danych
Uwzględnienie w grupowaniu wszystkich parametrów opisujących wartości
rozmyte
Grupowanie według wartości modalnych
Uwzględnienie wymienionych algorytmów grupowania rozmytego
Politechnika Śląska Instytut Informatyki
Pytania zagnieżdżone
Przykład pytania zagnieżdżonego
:
Wyszukaj zakłady, które w roku 2002 złożyły zapotrzebowanie na liczbę
ryz papieru mniej więcej równą średniemu zużyciu we wszystkich
zakładach.
Dostępne tabele:
Zapotrzebowanie (nr_zakl, rok, zapotrzebowanie_na_papier)
Zuzycie (nr_zakl, rok, zuzycie_papieru)
SELECT nr_zakl
FROM zapotrzebowanie
WHERE rok = ‘2002’ AND zapotrzebowanie_na_papier mniej wiecej
(SELECT AVG(zuzycie_papieru)
FROM zuzycie
WHERE rok = ‘2002’);
Politechnika Śląska Instytut Informatyki
Problem zapisu warunku na wartość stopnia
zgodności
forma dołączana do warunku rozmytego
forma funkcyjna
forma operatorowa
Wartości rozmyte w pytaniach
zagnieżdżonych
w podzapytaniu wewnętrznym
w podzapytaniu zewnętrznym
w warunku wiążącym oba podzapytania
Politechnika Śląska Instytut Informatyki
Pytanie zagnieżdżone w formie
operatorowej
W odpowiedzi powinny znaleźć się wiersze ze
stopniem zgodności co najmniej 0.7.
SELECT nr_zakl
FROM zapotrzebowanie
WHERE rok = ‘2002’
AND (zapotrzebowanie_na_papier mniej wiecej
(SELECT AVG(zuzycie_papieru)
FROM zuzycie
WHERE rok = ‘2002’))>= 0.7;
Politechnika Śląska Instytut Informatyki
Warunki wiążące w pytaniach
zagnieżdżonych
Porównanie wartości podzapytania zewnętrznego
z wartością wyznaczaną w pytaniu wewnętrznym:
Dokładna - rozmyta
Rozmyta - dokładna
Rozmyta -rozmyta
Wartości rozmyte w warunku korelacji
wiążącym pytania zagnieżdżone
Politechnika Śląska Instytut Informatyki
Zależne kontekstowo interpretacje wartości
rozmytych
Przykład:
Wyszukać w bazie danych uczelni wysokich
studentów. Uwzględnić wiersze ze stopniem
zgodności przekraczającym 0.8.
Dana tabela:
Studenci (nr_stud, nr_kier, nazwisko, plec, wzrost)
Tradycyjne podejście
SELECT nazwisko
FROM studenci
WHERE (s.wzrost jest wysoki_wzrost) > 0.8
Politechnika Śląska Instytut Informatyki
Dane są następujące tabele:
Studenci (nr_stud, nr_kier, nazwisko, plec, wzrost),
Wzrost (plec, wysoki_wzrost),
SELECT nazwisko
FROM Studenci s JOIN
Wzrost
w
ON
s.plec = w.plec
WHERE (s.wzrost jest w.wysoki_wzrost) > 0.8
Podejście kontekstowe
Politechnika Śląska Instytut Informatyki
Implementacja w SZBD PostgreSQL
Dlaczego SZBD PostgreSQL?
dostępny kod
możliwość tworzenia własnych typów,
funkcji i operatorów
Politechnika Śląska Instytut Informatyki
Implementacja typu rozmytego
X
0 l m n
o
a dm b
Reprezentacja wewnętrzna: a, m, dm, b
Reprezentacja zewnętrzna: ‘l/m~n\o’
Przy wprowadzaniu danych: okolo(l, m, n, o)
Funkcje konwersji wartości rozmytych do wartości lingwistycznych
1
Politechnika Śląska Instytut Informatyki
Zaimplementowane funkcje i
operatory
Rodzaj
nazwa
Funkcje i operatory arytmetyczne
+, -, *, /
Funkcje i operatory porównania
>=, >, <=, <, <>, =
Funkcje i operatory wyznaczające wartość stopnia
zgodności
~=
Funktory iloczynu, sumy i negacji rozmytych
&&&, |||, ~
Wartości predefiniowane dla typu rozmytego
okolo_kilka, okolo_godzina itp.
Funkcje konwersji typu rozmytego do postaci
alfanumerycznej
sekundy_to_lingw, dni_to_lingw
Funkcje agregujące na wartościach typu rozmytego
avg, sum, min, max
Funkcje realizujące rozmyte kwantyfikatory
prawie_zaden, prawie_wszystkie,
okolo_polowa itd.
Funkcje i operatory realizujące rozmyte grupowanie
danych
<, =, <<<
Funkcje i operatory realizujące rozmyty warunek
wiążący podzapytania
*=, *>=, *>, *<=, *<, *<>
Politechnika Śląska Instytut Informatyki
Testowa baza Zawodnicy
6 tabel
10 000 rekordów
12 złożonych testowych zapytań
Politechnika Śląska Instytut Informatyki
Baza danych zawodnicy
Struktura bazy danych zawodnicy
Osoby (id_oso, imie, nazwisko, plec, data_ur,
wzrost, waga, data_przyjecia, funkcja),
Obecności (id_obe, id_tre, id_oso, sennosc, zmeczenie, stres, zlosc);
Serie (id_ser, id_obe, nr, suma),
Strzaly (id_strz, id_ser, nr, wynik),
Treningi (id_tre, data, godz_od, godz_do, id_oso, id_war)
Warunki (id_war, data, temperatura, wiatr, widocznosc)
Id_oso – w tabeli treningi oznacza id. trenera
Politechnika Śląska Instytut Informatyki
Diagram bazy danych Zawodnicy
strzaly
nr : Integer
wynik : Integer
id_ser : Integer
id_strz : Integer
serie
nr : Integer
suma : Integer
id_obe : Integer
id_ser : Integer
1
0..n
1
0..n
warunki
data : date
wiatr : ftrapezium
temperatura : ftrapezium
widocznosc : ftrapezium
id_war : Integer
treningi
data : date
godz_od : time
godz_do : time
id_war : Integer
id_oso : Integer
id_tre : Integer
1
0..n
1
0..n
osoby
imie : String
nazwisko : String
plec : String
data_ur : date
wzrost : Integer
waga : Integer
data_przyst : date
funkcja : String
id_oso : Integer
obecnosci
id_oso : Integer
id_tre : Integer
sennosc : ftrapezium
zmeczenie : ftrapezium
stres : ftrapezium
zlosc : ftrapezium
id_obe : Integer
0..n
1
0..n
1
1
0..n
1
0..n
0..n
1
1
0..n
Politechnika Śląska Instytut Informatyki
Przykłady definicji zmiennych
lingwistycznych (1)
wiatr
0
0,2
0,4
0,6
0,8
1
0
20
40
60
80
100
procenty
st
o
p
ie
ń
p
rz
yn
al
eż
n
o
śc
i
bezw ietrzny
slaby_w iatr
sredni_w iatr
silny_wiatr
wichura
widoczność
0
0,2
0,4
0,6
0,8
1
0
20
40
60
80
100
procenty
st
o
p
ie
ń
p
rz
y
n
al
eż
n
o
śc
i
zla_widocznosc
slaba_widocznosc
srednia_widocznosc
dobra_widocznosc
doskonala_widocznosc
Politechnika Śląska Instytut Informatyki
Przykłady definicji zmiennych
lingwistycznych (2)
wzrost mężczyzny
0
0,5
1
1,5
1 160 162 168 172 178 180 190 195 240
wzrost [cm]
st
o
p
ie
ń
p
rz
yn
al
eż
n
o
śc
i
bardzo_niski_wzrost_mezczyzny
niski_wzrost_mezczyzny
sredni_wzrost_mezczyzny
wysoki_wzrost_mezczyzny
bardzo_wysoki_wzrost_mezczyzny
waga mężczyzny
0
0,5
1
1,5
1
55
60
65
70
80
90
100
120
200
waga [kg]
st
op
ie
ń
pr
zy
na
le
żn
oś
ci
bardzo_mala_waga_mezczyzny
mala_waga_mezczyzny
srednia_waga_mezczyzny
duza_waga_mezczyzny
bardzo_duza_waga_mezczyzny
Politechnika Śląska Instytut Informatyki
Przykładowe pytania rozmyte (1)
wartości rozmyte we frazie where
„
Wyszukaj nazwiska wysokich zawodników średniej wagi, którzy
przy słabej widoczności choć raz trafili w dziesiątkę. W
odpowiedzi powinny znaleźć się wszystkie wiersze spełniające ze
stopniem zgodności większym niż 0 kryteria pytania.”
SELECT DISTINCT os.id_oso, os.imie, os.nazwisko
FROM osoby os
JOIN obecnosci ob ON os.id_oso = ob.id_oso
JOIN treningi t ON ob.id_tre = t.id_tre
JOIN warunki w ON t.id_war = w.id_war
JOIN serie s ON s.id_obe = ob.id_obe
JOIN strzaly st ON s.id_ser = st.id_ser
WHERE ((os.wzrost ~= wysoki_wzrost_mezczyzny()) &&&
(os.waga ~= srednia_waga_mezczyzny()) &&&
(w.widocznosc ~= slaba_widocznosc())) > 0.0
AND st.wynik = 10;
Politechnika Śląska Instytut Informatyki
Przykładowe pytania rozmyte (2)
wartości rozmyte we frazie where
„Wyszukaj daty treningów wraz z liczbą zawodników,
którzy przystępując do treningu byli wyspani lub
wypoczęci, zaś w czasie treningów nie denerwowali
się (nie odczuwali stresu). W odpowiedzi powinny
znaleźć się wszystkie wiersze spełniające ze stopniem
zgodności większym niż 0,5 kryteria pytania.”
0
0,5
1
1,5
2
w&w
w&w
klasy zapytań
c
z
a
s
[
s
]
rozmyte
dokładne
Politechnika Śląska Instytut Informatyki
Przykładowe pytania rozmyte (3a)
wartości rozmyte we frazie WHERE i HAVING
„Wyszukaj zawodników, którzy odbywali dwa
pierwsze treningi z małym stresem i mieli na nich
chociaż jedną bardzo dobrą serię. W odpowiedzi
powinny się znaleźć wiersze spełniające kryteria
pytania ze stopniem większym niż 0.”
„Wyszukaj warunki pogodowe panujące w czasie
tych treningów, w trakcie których prawie wszyscy
zawodnicy byli wyspani (stopień zgodności z
warunkiem rozmytym wyspany powinien być nie
mniejszy niż 0,8, a własność prawie wszystkie
winna być spełniona ze stopniem zgodności nie
mniejszym niż 0,7)”.
Politechnika Śląska Instytut Informatyki
Przykładowe pytania rozmyte
(4)
grupowanie względem wartości rozmytych
„Wyszukaj średnią liczbę punktów uzyskanych we
wszystkich seriach dla poszczególnych
zdefiniowanych przedziałów wartości siły wiatru.”
„Określ wpływ zmęczenia zawodników na celność ich
strzałów. (Wyznacz średnią liczbę punktów uzyskaną
dla poszczególnych stanów zmęczenia).”
0
1
2
3
4
g
g
klasy zapytań
c
z
a
s
[
s
]
rozmyte
dokładne
Politechnika Śląska Instytut Informatyki
Przykładowe pytania rozmyte (5)
wartości rozmyte w pytaniach
zagnieżdżonych
w podzapytaniach wewnętrznym i
zewnętrznym
„Wyszukaj
nazwiska
zawodników,
którzy
w
poszczególnych treningach mieli najwięcej dobrych
serii. W odpowiedzi powinny znaleźć się wiersze ze
stopniem zgodności przekraczającym 0.”
„Wyszukaj treningi, w których liczba bardzo_dobrych
serii była większa niż dobrych. W rozwiązaniu
należy uwzględnić wiersze ze stopniem zgodności
przekraczającym 0.8.”
Politechnika Śląska Instytut Informatyki
Przykładowe pytania rozmyte (6)
wartości rozmyte w pytaniach
zagnieżdżonych
wartości rozmyte w warunku łączącym
„Wyszukaj treningi przeprowadzone w najsłabszej
widoczności, na których choć jeden zawodnik trafił
dziesiątkę.”
„Wyszukaj wyniki i cechy psychomotoryczne
(senność,
zmęczenie,
stres)
uczestników
treningów, w czasie których wiatr był taki jak wiatr
na najmniej udanym treningu. W odpowiedzi
powinny się znaleźć wiersze spełniające kryteria
pytania ze stopniem zgodności przekraczającym
0.5. ”
„Wyszukaj daty tych treningów, na których
odsetek wyspanych zawodników jest największy.”
Politechnika Śląska Instytut Informatyki
Serwisy wspomagające
nawiązywanie kontaktów
międzyludzkich
Poznawanie ciekawych
osób
o podobnych
zainteresowaniach
cechach charakteru czy
odpowiadającym wyglądzie
Politechnika Śląska Instytut Informatyki
Problemy:
Sprecyzowanie wymagań, jakie
powinna spełniać najbardziej
odpowiadająca osoba
Otrzymanie w odpowiedzi danych co
najmniej kilku osób, spełniających
w określonym stopniu podane kryteria
Politechnika Śląska Instytut Informatyki
Wprowadzenie do języka zapytań
elementów teorii zbiorów rozmytych
pozwala na:
Formułowanie rozmytych,
nieprecyzyjnych warunków
wyszukiwania (np. średni wzrost,
szczupła sylwetka itd.)
Określenie w odpowiedzi częściowej
przynależności elementu do
zdefiniowanego zbioru
Politechnika Śląska Instytut Informatyki
Warstwy logiki rozmytej
w prezentowanym serwisie
warstwa uproszczonych operatorów
warstwa zapytań SQL
warstwa definicji cech
funkcje podstawowe + operatory
Politechnika Śląska Instytut Informatyki
Warstwa najniższa:
funkcje podstawowe + operatory
Zaimplementowano:
Funkcje charakterystyczne: liniową, trójkątną, trapezową,
wykładniczą oraz połączenie trapezowej i wykładniczej
Operatory rozmyte:
operator sumy OR (max spośród dwóch parametrów –
s-norma Zadeh’a)
operator iloczynu AND (min spośród dwóch parametrów - t-
norma Zadeh’a)
operator negacji NOT – różnica wartości 1 i parametru
operator koncentracji CON – druga potęga wartości parametru
operator rozproszenia DIL – pierwiastek z wartości parametru
Politechnika Śląska Instytut Informatyki
Warstwa definicji cech,
należących do kryterium
wyszukiwarki
Przykładowe cechy, jakie zdefiniowano w systemie:
dotyczące wzrostu: is_very_short, is_short, is_medium,
is_high, is_very_high
dotyczące wieku: is_teenage, is_young, is_mature,
is_senior
dotyczące sylwetki: is_thin, is_normal, is_fluffy
Do każdej cechy przyporządkowana jest dowolna
funkcja charakterystyczna, którą można odpowiednio
kształtować z poziomu interfejsu użytkownika
Personalizacja zapytań (w zależności od cech osoby
korzystającej z przeglądarki)
Politechnika Śląska Instytut Informatyki
Aplikacja do zarządzania
zapytaniami rozmytymi
Politechnika Śląska Instytut Informatyki
Zapytanie SQL
Przykład:
zapytanie wybiera osoby wysokie, młode
lub średnie wiekiem, o szczupłej
sylwetce, przy następujących danych osoby
pytającej: wzrost 176cm, waga 65 kg:
SELECT * FROM persons
WHERE activity = true AND sex = ‘F’ AND
(is_high(176,height) OP_AND
is_thin(65,weight) op_and
is_young(20,age) OP_OR
is_medium(20,age))>0;
Politechnika Śląska Instytut Informatyki
Wyszukiwarka rozmyta