DATOS DIFUSOS EN UN DBMS: SEMÁNTICA Y PRAGMÁTICA

DATOS DIFUSOS EN UN DBMS: SEMÁNTICA Y PRAGMÁTICA

Prof. Leonid TINEO, PhDUNIVERSIDAD SIIMÓN BOLÍVARVENEZUELA

Segundo Congreso Andino deComputación. Informática y Educación

CACIED 2015

Esquema del Contenido

• El grupo de investigación

• Preliminares

• Resultados obtenidos

• Librería 2013-Extensión-Esquemas de Traducción

• Aplicación web 2013

• Datos tipo 2. 2014

• Página web 2014 Análisis de desempeño

• Ordenamiento de diferentes tipos de datos difusos

• Distintos tipos de ordenamientos

• Trabajos futuros

Resultados de InvestigacionGrupo de Base de Datos Difusos (USB) 2 /50

Grupo de Bases de Datos Difusas - USB

Grupo de Base de Datos Difusos (USB) 3 /50

LeonidTINEO

[email protected]

RosselineRODRÍGUEZ

[email protected]

Ricardo MONASCAL

[email protected]

[email protected]

[email protected]

[email protected]

José Tomá[email protected]

Josué RAMÏREZ

[email protected]

mailto:[email protected]















Grupo de Bases de Datos Difusas - USB

Grupo de Base de Datos Difusos (USB) Resultados de Investigacion 3 /50

LeonidTINEO

[email protected]

RosselineRODRÍGUEZ

[email protected]

Ricardo MONASCAL

[email protected]

[email protected]

[email protected]

[email protected]


Josué RAMÏREZ

[email protected]

David Alejandro
















Lıneas de Investigacion

[Proyecto: Desafıos del Modelo

Relacional Difuso]

Resolver problemas abiertos del

Modelo Relacional Difuso,

particularmente vinculados a

1 relaciones de similitud

distribuciones de posibilidad y

operaciones con atributos

2

3

difusos


Lıneas de Investigacion

[Proyecto: Desafıos del Modelo

Relacional Difuso]

Resolver problemas abiertos del

Modelo Relacional Difuso,

particularmente vinculados a

1 relaciones de similitud

distribuciones de posibilidad y

operaciones con atributos

2

3

difusos

2

[Bases de Datos

Sensibles al Contexto]

Las BD permiten flexibilizar

la representacion de los datos

mediante terminos lingu ısticos

Los terminos lingu ısticos

son elementos fuertemente

sensibles al contexto

La sensibilizacion al contexto

mejora el uso de las BD

1

3


Preliminares

Conjunto difusoUn conjunto difuso S en un uni-

verso X

µS : X → [0,1]


Preliminares


verso X

µS : X → [0,1] Relacion de similitud

µS : X × X → [0,1]


Preliminares


verso X

µS : X → [0,1] Relacion de similitud

µS : X × X → [0,1]

µS(x,x) = 1,∀x ∈X

µS(x,y) = µS(y,x),∀x,y ∈X

µS(x,z) =maxy (mın(µS(x,y),µS(y,z)))∀x,y,z ∈X

1

2

3


Numeros Difusos-Distribucion de Posibilidad

Distribucion de posibilidad Es el conjunto difuso de los

posibles valores de una variable.

πa = {πa(x)/x ,x ∈U }

πa = {πa(x1)/x1,πa(x2)/x2,.. .,πa(xn)/xn}


Numeros Difusos-Distribucion de Posibilidad

Distribucion de posibilidad Es el conjunto difuso de los

posibles valores de una variable.

πa = {πa(x)/x ,x ∈U }

πa = {πa(x1)/x1,πa(x2)/x2,.. .,πa(xn)/xn}

Numero Difuso Es un caso particular de un conjunto

difuso, donde el dominio es ordenado y la funcion es

convexa y normalizada


1

x1 x2 x3 x4

1

1 2 3 4

Proyecto: Desafıos del Modelo Relacional Difuso

Se trabajo con los diferentes tipos de datos del modelo relacional FUZZY

EER

Tipo 1: atributos con valores de datos precisos.

Tipo 2: atributos con valores de datos difusos

representados como numeros difusos.

Tipo 3: atributos con valores en un dominio formado por

etiquetas provisto de una relacion de similitud entre las

etiquetas y distribuciones de posibilidad sobre ellasa.

Tipo 4: similar a los atributos del tipo 3, pero sin las

relaciones de similitud.

aComo estudiaremos estas distribuciones de posibilidad por separado, lasllamaremos Tipo 5


Resultados obtenidos: Librerıa 2013 1

Librerıa

Se creo un librerıa que implementa

consultas difusas usando software libre para

atributos Tipo 3 con

1 Ordenamiento

Agrupamiento2

Se posee la definicion formal de ellas.

1A. Gyomrey, B. Stornelli R. Rodrıguez, L. T ineo, S. CarrasquelGrupo de Base de Datos Difusos (USB) Resultados de Investigacion 9 /50

Extension 2013 2

Extension

Se extiende MariaDB usando una arquitectura de

acoplamiento medio que consiste en una implementacion

intermedia donde la logica de la extension fue programada en

el lenguaje nativo del SGBD

Esta extension posee una capa externa programada en JAVA

que implementa los esquemas de traduccion entre el lenguaje

extendido y el lenguaje nativo del SGBD

2A. Gyomrey, B. Stornelli R. Rodrıguez, L. T ineo, S. CarrasquelGrupo de Base de Datos Difusos (USB) Resultados de Investigacion 10 /50

Esquemas de Traduccion 2015 3

Esquemas de Traduccion

Traducen sentencias de manipulacion y consulta

de BD con cualidades difusas a Postgre SQL

extendiendo el catalogo de datos

3R. Rodrıguez, L. T ineo, S. Carrasquel, R. MonascalGrupo de Base de Datos Difusos (USB) Resultados de Investigacion 11 /50

Sentencias soportadas

SELECT

CREATE TABLE

ALTER TABLE

DROP TABLE

CREATE FUZZY DOMAIN

ALTER FUZZY DOMAIN

◮ ADD VALUES◮ DROP VALUES◮ ADD SIMILARITY◮ DROP SIMILARITY

DROP FUZZY DOMAIN


Catalogo


Ejemplo


Ejemplo Group BY


Ejemplo ORDER BY


Aplicacion 4

Aplicacion web 2013

Se construyo una aplicacion Web, sobre una base de

datos real usando MariaDB extendido, con consultas

difusas.

4S. Moreau, C. Timaury, R. Rodrıguez, L. T ineo, S. Carrasquel (2013)Grupo de Base de Datos Difusos (USB) Resultados de Investigacion 17 /50

Cercanıa ciudades 5


Categorıa empresas 6


Resultado de una consulta 7


Datos tipo 2. 20148

2014

Se migro el proyecto anterior a PostgreSQL sin afectar la

funcionalidad

Se creo sintaxis de literales difusos

Se extendio el catalogo, el parser, las operaciones

Se uso la base de datos de de Opinion Estudiantil (USB)

Se agrego a las materias 3 atributos difusos calculados sobre lasrespuestas a las siguientes preguntas

◮ Calificacion que esperas obtener al final del curso◮ Asıgnale un puntaje al grado de dificultad del curso◮ Preparacion previa para cursar esta asignatura

8J. Melian, J. Antonini, J. Goncalves, R. Monascal, D. Coronado, L. T ineo, S.

Carrasquel (2014)Grupo de Base de Datos Difusos (USB) Resultados de Investigacion 21 /50

Portal web. 2014

9

9L. Esparragoza, J. Lovera, C. Nardone, R. Porras, R. Monascal, R. Rodrıguez, D.Coronado, L. T ineo, S. Carrasquel (2014)


Casos de uso


Diagrama de base de datos


El nombre, mascota y diseno seleccionados


Pruebas de compatibilidad


Pruebas de funcionamiento

http://fuzzydodb.ldc.usb.ve/


http://fuzzydodb.ldc.usb.ve/

Analisis de Desempeno 2014: Bases de datos

Pokemon (creada)

10P. Zambrano, V. Balleste, A. Marcano, L. M. Garcıa, R. Monascal, R. Rodrıguez, D.Coronado, L. T ineo, S. Carrasquel (2014)


Analisis de Desempeno 2014: Bases de datos

Pokemon (creada) World

10

10P. Zambrano, V. Balleste, A. Marcano, L. M. Garcıa, R. Monascal, R. Rodrıguez, D.Coronado, L. T ineo, S. Carrasquel (2014)


Resultados


Ordenamiento de diferentes tipos de datos difusos

Datos Tipo 1 atributos con valores de datos precisos


Nombre · ··

Edad

Juan 28

Jose 20

Marıa 25

Marta 19

Alberto 21



Se puede ordenar de forma clasica.


Nombre · ··

Edad

Juan 28

Jose 20

Marıa 25

Marta 19

Alberto 21

Nombre · ··

Edad

Marta 19

Jose 20

Alberto 21

Marıa 25

Juan 28



Se puede consultar de acuerdo a algu-

na etiqueta difusa, por ejemplo

16 18 20 22

Joven = { 1/Marta, 1/Jose, 0,5/Alberto}


Nombre · ··

Edad

Juan 28

Jose 20

Marıa 25

Marta 19

Alberto 21

1 Joven

Datos Tipo 3

Atributos con valores en un dominio formado por etiquetas provisto de una

relacion de similitud entre las etiquetas


Nombre · ··

Edad

Juan Mayor

Jose Joven

Marıa Adulto

Marta Mayor

Alberto AdultoJo Ad Ma

Jo 1 0.75 0

Ad – 1 0,5

Ma – – 1

Datos Tipo 3



Se puede ordenar usando la relacion

de similitud, escogiendo la primera

clase de la lista (Joven):


Nombre · ··

Edad

Juan Mayor

Jose Joven

Marıa Adulto

Marta Mayor


Jo 1 0.75 0

Ad – 1 0,5

Ma – – 1

Nombre · ··

Edad

Jose Joven

Marıa Adulto

Alberto Adulto

Marta Mayor

Juan Mayor

Datos Tipo 3



Se puede agrupar igualmente

Joven = { 1/Jose,

0,75/Marıa, 0,75/Alberto}

Adulto = { 1/Marıa, 1/Alberto,

0,75/Jose,

0,5/Juan, 0,5/Marta}

Mayor = { 1/Juan, 1/Marta,

0,5/Marıa, 0,5/Alberto}


Nombre · ··

Edad

Juan Mayor

Jose Joven

Marıa Adulto

Marta Mayor


Jo 1 0.75 0

Ad – 1 0,5

Ma – – 1

Datos Tipo 3



Las distribuciones de posibilidad so-

bre etiquetas lingu ısticas no ordena-

das provistas de una relacion de simi-

litud las llamaremos datos Tipo 5 y se

estudiaran posteriormente


Nombre · ··

Edad

Juan Mayor

Jose Joven

Marıa Adulto

Marta Mayor


Jo 1 0.75 0

Ad – 1 0,5

Ma – – 1

Datos Tipo 2

Atributos con valores de datos difusos representados como numeros difusos


Nombre · ··

Edad · ··

Juan - {0, 75/16, 1/18, 1/20,0,75/22}

-

Jose - {0,75/18, 1/20, 0,75/25} -

Marıa - (22, 25, 28, 30) -

Marta - (25, 28, 30, 32) -

Alberto - {1/30} -

Datos Tipo 2


Para este tipo de datos

Existen varios tipos de ordenamiento: estamos implementandolos y compa-

rando.

Grupo de Base de DatosDifusos (USB)

Resultados de Investigacion 38 /50

Nombre · · · Edad · · ·

Juan - {0, 75/16, 1/18, 1/20,0,75/22}

-

Jose - {0,75/18, 1/20, 0,75/25} -

Marıa - (22, 25, 28, 30) -

Marta - (25, 28, 30, 32) -

Alberto - {1/30} -

Datos Tipo 2


Para este tipo de datos

Con cada ordenamiento, se puede definir un agrupamiento.



Nombre · · · Edad · · ·

Juan - {0, 75/16, 1/18, 1/20,0,75/22}

-

Jose - {0,75/18, 1/20, 0,75/25} -

Marıa - (22, 25, 28, 30) -

Marta - (25, 28, 30, 32) -

Alberto - {1/30} -

Datos Tipo 5

Las distribuciones de posibilidad sobre etiquetas lingu ısticas no ordenadas

provistas de una relacion de similitud



Nombre · · · Edad

Juan {1/Jo}

Jose {0,75/Jo, 1/Ad , 0,75/Ma}

Marıa {0,75/Ad , 1/Ma}

Marta {1/Ad, 0,75/Ma}

Alberto {1/Ad}

Jo Ad Ma

Jo 1 0.75 0

Ad – 1 0,75

Ma – – 1

Datos Tipo 5



Este caso

Tambien se esta implementan-

do.




Juan {1/Jo}

Jose {0,75/Jo, 1/Ad , 0,75/Ma}



Alberto {1/Ad}

Jo Ad Ma

Jo 1 0.75 0

Ad – 1 0,75

Ma – – 1

Datos Tipo 5



Este caso

Por ser una combinacion de ca-

sos, existen varias formas de or-

denar/agrupar.




Juan {1/Jo}

Jose {0,75/Jo, 1/Ad , 0,75/Ma}



Alberto {1/Ad}

Jo Ad Ma

Jo 1 0.75 0

Ad – 1 0,75

Ma – – 1

Datos Tipo 4

Atributos con valores en un dominio formado por etiquetas sin relacion de

similitud

Actualmente, en estudio.




Juan {1/Jo}

Jose {0,75/Jo, 1/Ad , 0,75/Ma}



Alberto {1/Ad}Nombre · · · Edad

Juan Joven

Jose Joven

Marıa Adulto

Marta Mayor

Alberto Adulto

Datos Tipo 4

Atributos con valores en un dominio formado por etiquetas sin relacion de

similitud

Es una combinacion de casos pre-

vios, por lo que esperamos resolver

este caso una vez estos esten con-

cluidos.




Juan {1/Jo}

Jose {0,75/Jo, 1/Ad , 0,75/Ma}



Alberto {1/Ad}Nombre · · · Edad

Juan Joven

Jose Joven

Marıa Adulto

Marta Mayor

Alberto Adulto

Tipos de Ordenamiento: Sugeno

Tineo, S. Carrasquel (2014)

11S. Alibrandi, J. Delgado, J. Figueredo, R. Monascal, R. Rodrıguez, D. Coronado, L.



Tipos de Ordenamiento: Sugeno

Tineo, S. Carrasquel (2014)




Tipos de Ordenamiento: Choquet

12S. Alibrandi, J. Delgado, J. Figueredo, R. Monascal, R. Rodrıguez, D. Coronado, L. T ineo, S. Carrasquel (2014)



Tipos de Ordenamiento: Choquet


Tineo, S. Carrasquel (2014)Grupo de Base de DatosDifusos (USB)


Tipos de Ordenamiento: Riemann




Tipos de Ordenamiento: Riemann

13




Aplicacion 2014



Constantes Tipo 2



Trabajos futuros

Para datos tipo 4

ORDER BY

GROUP BY

Esquemas de traduccion

Aplicaciones

Analisis de desempeno



Para Datos T ipo 1-2-3-4

Se plantea para todos los Tipos de datos

Extender la clausula

WINDOW BY



Contáctanos …

Grupo de Base de Datos Difusos (USB) Resultados de Investigacion

LeonidTINEO

[email protected]

RosselineRODRÍGUEZ

[email protected]

Ricardo MONASCAL

[email protected]

[email protected]

[email protected]

[email protected]


Josué RAMÏREZ

[email protected]

David Alejandro
















DATOS DIFUSOS EN UN DBMS: SEMÁNTICA Y PRAGMÁTICA

Technology

Transcript of DATOS DIFUSOS EN UN DBMS: SEMÁNTICA Y PRAGMÁTICA