Никитина Т.П. Базы данных и знаний. Учебное пособие

Подождите немного. Документ загружается.

МЕЖДУНАРОДНЫЙ УНИВЕРСИТЕТ БИЗНЕСА

И НОВЫХ ТЕХНОЛОГИЙ /ИНСТИТУТ/

Т.П. Никитина

Базы данных и знаний

Учебное пособие

Ярославль 2002

УДК 681.3.06(075)

ББК 32.973-018я7

Н 62

Никитина Т.П.

Базы данных и знаний: Учебное пособие / НикитинаТ.П. - Ярославль:

МУБиНТ, 2002. - 58 стр.

Рецензент: кандидат технических наук, доцент, зав. кафедрой

информационных систем Ярославского филиала МЭСИ Рубцов С.А.

Пособие посвящено рассмотрению основных понятий моделирования

данных и знаний. Особое внимание уделено описанию архитектуры и этапов

проектирования банков данных. Приведено описание наиболее

распространенной модели предметной области - "Сущность-связь" и описание

локальных представлений. Достаточно подробно рассмотрена реляционная

модель данных. В данное пособие включен подробный пример практического

создания базы данных "Движение товара".

Пособие является дидактической основой курса "Базы данных и знаний"

и может быть полезно при организации самостоятельной работы студентов.

ISBN 5-93002-056-6

СОДЕРЖАНИЕ

1. ОСНОВНЫЕ ПОНЯТИЯ И ОПРЕДЕЛЕНИЯ. ................................................................ 4

2. МОДЕЛИРОВАНИЕ ДАННЫХ И ЗНАНИЙ. ................................................................... 6

3. ЭЛЕМЕНТЫ ЭКСПЕРТНЫХ СИСТЕМ........................................................................... 7

3.1. Б

АЗА ЗНАНИЙ

. ...................................................................................................................... 7

3.2. М

АШИНА ВЫВОДА

. .............................................................................................................. 8

3.3. И

НТЕРФЕЙС ПОЛЬЗОВАТЕЛЯ

. ............................................................................................... 8

3.4. Ч

ЕЛОВЕЧЕСКИЙ АСПЕКТ

. ..................................................................................................... 8

3.5. М

АШИННЫЙ АСПЕКТ

. .......................................................................................................... 9

3.6. П

ЛАНИРОВАНИЕ ЭКСПЕРТНОЙ СИСТЕМЫ

. ......................................................................... 10

4. АВТОМАТИЗИРОВАННЫЕ БАНКИ ДАННЫХ. ..................................................... 11

4.1. А

РХИТЕКТУРА БАНКА ДАННЫХ

.......................................................................................... 11

4.2. Э

ТАПЫ ПРОЕКТИРОВАНИЯ БАНКА ДАННЫХ

....................................................................... 12

5. МОДЕЛЬ ПО. ........................................................................................................................ 13

5.1. М

ОДЕЛЬ

«С

УЩНОСТЬ

–

СВЯЗЬ

»......................................................................................... 13

5.2. К

ЛАССИФИКАЦИЯ БИНАРНЫХ СВЯЗЕЙ

............................................................................... 13

5.3. Д

ИАГРАММА

ПО. ............................................................................................................... 14

6. МОДЕЛИРОВАНИЕ ЛОКАЛЬНЫХ ПРЕДСТАВЛЕНИЙ.......................................... 16

6.1. В

ЫДЕЛЕНИЕ СУЩНОСТЕЙ

.................................................................................................. 16

6.2. В

ЫБОР ИДЕНТИФИЦИРУЮЩЕГО АТРИБУТА

. ...................................................................... 17

6.3. О

БЪЕДИНЕНИЕ ЛОКАЛЬНЫХ ПРЕДСТАВЛЕНИЙ

. ................................................................. 17

6.4. С

ПОСОБЫ АГРЕГАЦИЙ

........................................................................................................ 18

7. ОФОРМЛЕНИЕ СПЕЦИФИКАЦИЙ ПРЕДМЕТНОЙ ОБЛАСТИ. .......................... 21

8. МОДЕЛЬ ДАННЫХ. ............................................................................................................ 21

8.1. С

ХЕМА СТРУКТУРЫ ДАННЫХ

. ............................................................................................ 21

8.3. К

ЛАССИФИКАЦИЯ МОДЕЛЕЙ ДАННЫХ

............................................................................... 24

9. РЕЛЯЦИОННАЯ МОДЕЛЬ ДАННЫХ............................................................................ 26

9.1. П

ОНЯТИЕ РЕЛЯЦИОННОЙ МОДЕЛИ ДАННЫХ

...................................................................... 26

9.2. О

ПЕРАЦИИ НАД РЕЛЯЦИОННЫМИ ДАННЫМИ

. ................................................................... 27

9.3. О

ГРАНИЧИТЕЛЬНЫЕ УСЛОВИЯ

ПОДДЕРЖИВАЮЩИЕ ЦЕЛОСТНОСТЬ

. ............................... 28

9.4. Н

ОРМАЛИЗАЦИЯ

................................................................................................................. 29

10. СУБД MS ACCESS.............................................................................................................. 33

11. РАЗРАБОТКА БД «ДВИЖЕНИЕ ТОВАРА»................................................................. 36

11.1. П

РОЕКТИРОВАНИЕ МОДЕЛИ

ПО «Д

ВИЖЕНИЕ ТОВАРА

».................................................. 36

11.2. П

ОСТРОЕНИЕ МОДЕЛИ ДАННЫХ

«Д

ВИЖЕНИЕ ТОВАРА

» .................................................. 38

11.3. С

ОЗДАНИЕ ТАБЛИЦ

БД «Д

ВИЖЕНИЕ ТОВАРА

»................................................................ 38

11.4. С

ОЗДАНИЕ ЗАПРОСОВ

....................................................................................................... 44

11.5. С

ОЗДАНИЕ ЭКРАННЫХ ФОРМ

. .......................................................................................... 50

11.6. С

ОЗДАНИЕ ОТЧЕТОВ

......................................................................................................... 53

ЛИТЕРАТУРА. .......................................................................................................................... 57

1. ОСНОВНЫЕ ПОНЯТИЯ И ОПРЕДЕЛЕНИЯ

Человечество столкнулось с информационным взрывом, сущность которого

состоит в том, что количество информации, которое человек должен воспринимать и

перерабатывать лавинообразно растет (по экспоненциальному закону). Информа-

ционные данные все чаще рассматриваются как общие, жизненно важные

национальные ресурсы, которые должны быть организованы так, чтобы ценность их

была по возможности максимальной. Перерабатывать большой объем информации в

заданные сроки, практически, невозможно без использования специальных

технических средств – компьютеров (ЭВМ). Новый подход к организации процесса

обработки информации наиболее ярко выражается в концепциях банков данных.

Под информацией понимают любые сведения о каком-либо событии,

процессе, являющиеся объектом некоторых операций: восприятия, передачи,

преобразования, хранения и использования.

Данные – информация, представленная в определенной форме

(формализованная), пригодной для последующей обработки, хранения и передачи.

Автоматизированный банк информации – это система информационных,

математических, программных, языковых, организационных и технических средств,

предназначенных для централизованного накопления и коллективного

многоаспектного использования информации.

Различают следующие виды автоматизированных банков информации:

1) банки знаний;

2) банки документов;

3) банки данных.

Под банком знаний понимают автоматизированный банк информации,

имеющий в своем составе интеллектуальный интерфейс, обеспечивающий

непосредственное взаимодействие пользователей с вычислительной системой.

Интеллектуальный интерфейс – это комплекс программ, включающий

диалоговый процессор, информационную базу знаний и планировщик. Диалоговый

процессор переводит сообщение пользователя с естественного языка во внутреннее

представление. Планировщик постоянно обращается к базе знаний, откуда получает

информацию о проблемной среде и способах ее решения. Элементы

автоматизированных банков знаний реализуются в экспертных системах. В них

хранится информация, обобщающая коллективный опыт, накопленный в некоторой

предметной области. Экспертные системы используются в качестве

автоматизированного консультанта.

Объектами хранилищ банков информации в банке документов являются

документы или факты, извлекаемые из документов.

Программные языковые средства, предназначенные для реализации

документального поиска, называются информационно-поисковыми системами (ИПС).

Различают два основных режима работы банков документов:

1) избирательное распределение информации, обеспечивающее текущее

информирование пользователей о поступлении новых документов;

2) ретроспективный поиск, обеспечивающий справочное обслуживание

пользователей по разовым запросам, путем поиска документов в

долговременном массиве документов.

Предметная область (ПО) - сфера применения конкретного банка

информации.

База знаний – совокупность знаний, относящихся к некоторой предметной

области, формально представленных таким образом, чтобы на их основе можно было

осуществлять рассуждения. Базы знаний чаще всего используются в контексте

экспертных систем, где с их помощью представляются навыки и опыт экспертов,

занятых практической деятельностью в соответствующей области (например, в

медицине или в математике). Обычно база знаний представляет собой совокупность

правил вывода.

База данных (БД) – электронное хранилище информации, доступ к которому

осуществляется с помощью одного или нескольких компьютеров. Обычно БД

создается для хранения и доступа к данным, содержащим сведения о некоторой

предметной области, т.е. некоторой области человеческой деятельности или области

реального мира.

Система управления базой данных (СУБД) – программные средства,

предназначенные для создания, наполнения, обновления и удаления баз данных.

Различают три основных вида СУБД:

• промышленные универсального назначения;

• промышленные специального назначения;

• разрабатываемые для конкретного заказчика.

Специализированные СУБД создаются для управления базами данных

конкретного назначения: бухгалтерские, складские, банковские и т.д.

Универсальные СУБД не имеют четко очерченных рамок применения, они

рассчитаны "на все случаи жизни" и, как следствие, достаточно сложны и требуют от

пользователя специальных знаний.

Заказные СУБД, в отличие от промышленных, в максимальной степени

учитывают специфику работы заказчика (того или иного предприятия). Их интерфейс

обычно интуитивно понятен пользователям и не требует от специальных знаний.

В зависимости от расположения СУБД различают:

• локальные;

• распределенные (удаленные) СУБД.

Все части локальной СУБД размещаются на компьютере пользователя базы

данных. Если к одной БД обращаются несколько пользователей одновременно,

каждый пользовательский компьютер должен иметь свою копию локальной СУБД.

В отличие от этого, значительная часть программно-аппаратных средств

распределенной СУБД централизована и находится на одном достаточно мощном

компьютере (сервере), в то время как компьютеры пользователей несут относительно

небольшую часть СУБД, которая называется клиентом. Локальные СУБД могут

работать в сети, но могут и не использовать ее, в то время как распределенные

(клиент - серверные) СУБД обязательно работают в компьютерной сети. Заметим, что

местонахождение собственно базы данных никак не влияет на специфику СУБД: в

локальных СУБД сама БД может располагаться как на компьютере пользователя, так

и на удаленном сетевом компьютере (файл-сервере). Безусловным достоинством

клиент - серверных систем является возможность централизованного управления

доступом к БД. В таких системах база данных в значительной мере защищена как от

случайных, так и от намеренных искажений, в них проще реализовать целостность и

непротиворечивость данных.

2. МОДЕЛИРОВАНИЕ ДАННЫХ И ЗНАНИЙ

Моделирование – процесс представления исследуемого объекта некоторой

замещающей последовательностью других объектов или представлений,

реализующих те или иные стороны изучаемого объекта с требуемой точностью.

Модель всегда преследует определенную цель, и в зависимости от цели меняется сама

модель. Модель никогда не отражает всю глубину изучаемого объекта. Различают

следующие виды моделей:

1) модель предметной области;

2) модель базы данных;

3) модель базы знаний.

Каждая модель хранит знания о моделируемом фрагменте предметной области

(информационной модели) и выполняет языковую функцию. Эта языковая

компонента имеет большое значение при активизации модели на ЭВМ. Первый этап

построения модели связан с выявлением структуры модели на основе априорной

информации, а второй этап связан с введением в нее эмпирической информации и

является результатом обобщения наблюдений за реальным объектом.

При моделировании знаний и данных существует два аспекта: математический

и инструментальный.

С точки зрения математики модель может быть представлена множеством с

отношениями.

Возникновение и развитие инструментального аспекта обусловлено тем, что

из-за отсутствия в теории банков информации формальных методов построения

моделей ЭВМ "взяла на себя" функции построения моделей и стала инструментом

построения моделей.

2.1. Модель предметной области.

При моделировании предметной области используется два подхода:

1) анализ и интеграция информационных потребностей пользователей

будущего банка данных;

2) анализ самой предметной области на основе методов системного анализа с

привлечением методов экспертных оценок.

2.2. Модель базы данных.

Модель данных – это совокупность правил определения структур данных,

операций над ними и ограничений целостности.

Используются три основные модели данных:

1) иерархическая;

2) сетевая;

3) реляционная.

Понятие модели данных однозначно связано с выбором системы управления

данными (СУБД). Модель базы данных является средством интерпретации

содержимого базы данных и реализации требуемых операций по обработке и

управлению данными.

2.3. Модель базы знаний.

Эта модель предназначена для описания на семантическом (смысловом) уровне

ПО и предметной среды. Она является средством интерпретации содержимого базы

знаний. С точки зрения инструментального аспекта моделирования знаний, интерес

представляют языковые средства описания модели. Языки представления знаний

можно разбить на три группы: логические, реляционные, продукционные.

К логическим относятся языки, основанные на исчислении высказываний и

предикатов.

Основой реляционных языков является учет связей (отношений) между

предметами реального мира и их свойствами. Наиболее перспективным из языков

данного типа является язык оснований на фреймах. Фрейм выступает как единица

информации, в качестве которой рассматривают минимальное, необходимое число

признаков в описании предмета, без которых этот предмет не существует. При

создании фреймового описания в

ЭВМ вводится дополнительная информация об

отдельных свойствах объекта. Для этого в структуру фреймового описания вводятся

так называемые слоты.

Основой языка продукционного типа является понятие продукции, состоящей

из двух частей: условия и действия. Условие представляет собой описание некоторой

ситуации, а действие определяет набор операций, которые необходимо осуществить,

если входные параметры соответствуют описанной ситуации. Продукция

выражается языковой конструкцией вида: "если <условие>, то <действие>".

3. ЭЛЕМЕНТЫ ЭКСПЕРТНЫХ СИСТЕМ

Экспертная система – это комплекс компьютерного программного

обеспечения, помогающий человеку принимать обоснованные решения. Экспертные

системы используют информацию, полученную заранее от экспертов – людей,

которые в какой-либо области являются лучшими специалистами. Все экспертные

системы включают в себя, по крайней мере, три основных элемента: базу знаний,

машину вывода и интерфейс пользователя.

Рис. 3.1 Элементы экспертной системы

3.1. База знаний

База знаний содержит известные факты, выраженные в виде объектов,

атрибутов и условий. Помимо описательных представлений о действительности, она

включает выражения неопределенности – ограничения на достоверность факта. В

этом отношении она отличается от традиционной базы данных вследствие своего

символьного, а не числового или буквенного содержания. При обработке информации

базы данных пользуются заранее определенными логическими правилами.

Соответственно, база знаний, представляющая более высокий уровень абстракции,

имеет дело с классами объектов, а не с самими объектами. База знаний создается

людьми – консультантами.

3.2. Машина вывода

Главным в экспертной системе является механизм, осуществляющий поиск в

базе знаний по правилам рациональной логики для получения решений. Эта машина

вывода приводится в действие при получении запроса пользователя и выполняет

следующие задачи:

 сравнивает информацию, содержащуюся в запросе пользователя, с

информацией базы знаний;

 ищет определенные цели или причинные связи;

 оценивает относительную определенность фактов, основываясь на

соответствующих коэффициентах доверия, связанных с каждым фактом.

Как следует из ее названия, машина вывода предназначена для построения

заключений. Ее действие аналогично рассуждениям эксперта-человека, который

оценивает проблему и предлагает гипотетические решения. В поиске целей на основе

предложенных правил, машина вывода обращается к базе знаний до тех пор, пока не

найдет вероятный путь к получению приемлемого результата.

3.3. Интерфейс пользователя

Задача интерфейса пользователя состоит в организации обмена информацией

между оператором и машиной вывода. Интерфейс с использованием естественного

языка создает видимость произвольной беседы, применяя повседневные выражения в

правильно построенных предложениях. Очевидно, что чем более естественен такой

интерфейс, тем выше требования к внешней и оперативной памяти. Следовательно,

системы, предоставляющие пользователю максимум удобств, расходуют больше

ресурсов основной машины, доступных с удаленных рабочих станций.

Инструментальные средства, предназначенные для работы на персональных

компьютерах, имеющих ограниченные возможности, неизбежно приносят

"дружественность" в жертву эффективности.

Интерфейс прямого ввода должен уметь распознавать язык, или, по крайней

мере, достаточное количество ключевых слов и фраз, чтобы улавливать их связь с

рассматриваемой проблемой и ее предлагаемыми решениями.

3.4. Человеческий аспект

Рис.3.2. Человеческий аспект экспертной системы

В работе с экспертными системами принимают участие как минимум три

группы людей.

Во-первых, администрация устанавливает предназначение экспертной системы,

ограничивает предметную область, которую должна охватывать система, и точно

определяет, какие выгоды организация сможет извлечь из ее применения.

Во-вторых, специалист по сбору знаний (инженер - когнитолог) собирает

информацию, необходимую для базы знаний, сравнивает соответствующие данные и

эвристически организует информацию.

В-третьих, потенциальный пользователь указывает, как будет использоваться

система, какого рода проблемы предстоит решать, и каким образом будет

осуществляться взаимодействие программы с оператором. И, наконец, системе

требуется эксперт (чаще группа экспертов) в установленной предметной области, для

получения от него знаний, как в форме фактической информации, так и относительно

аналитических методов, которые применяются для решения проблем в этой области.

3.5. Машинный аспект

Рис. 3.3. Машинная часть экспертной системы

Компьютерную часть системы представляют компоненты программного

обеспечения, которые обрабатывают полученную информацию о действительности,

заложенную в символьном виде в базу знаний. В базу знаний поступают факты. Связь

между фактами представлена эвристическими правилами – выражениями

декларативного знания об отношениях между объектами. Каждое такое правило

имеет составляющую "если" (предпосылку-условие) и компонент "то" (заключение-

действие), которые определяют прямую или обратную причинно-следственную связь.

Действительные утверждения только вероятны, другими словами, степень их

определенности не всегда абсолютна.

Количественные коэффициенты определенности увеличивают точность

рассуждения экспертных систем. Такие выражения относительной уверенности часто

основываются на статистических, вероятностных, или просто субъективных

предпосылках. Общепринятая схема состоит в том, чтобы варьировать уровень

доверия от 0, представляющего минимальную степень определенности, до 100 –

высшая степень.

Машина вывода применяет логику, четкие рассуждения, установленные

правилами, для проверки заключения и получения выводов. Через интерфейс

пользователя эта система проводит свое исследование и поддерживает связь с

человеком, который ею управляет.

3.6. Планирование экспертной системы

Каждую экспертную систему следует рассматривать как эксперимент,

требующий подтверждения на основе эмпирических результатов.

Как и в любом эксперименте, возможность получения удовлетворительных

результатов зависит от определения целей и точности постановки задачи.

Кроме того, на развитие экспертных систем оказывают влияние три

характерных фактора: предметная область, эксперт и пользовательская среда.

Цели системы можно разделить на три типа: конечные, промежуточные и

вспомогательные. Конечная цель описывает, какое действие, исход или результат

должны получаться как следствие консультации. Промежуточные цели системы

подразделяют общую проблему на подзадачи, описывая проблемы, которые должны

быть решены для достижения конечной цели. Вспомогательные цели помогают

планировщикам определить конкретные области экспертизы, требующиеся для

решения перечисленных задач.

Экспертные системы, создаваемые на персональных компьютерах, чаще всего

ограничиваются небольшим кругом проблем, и базу знаний можно накопить

самостоятельно, воспользовавшись помощью небольшой группы специалистов, или

прибегнув к помощи справочных пособий.

При построении больших систем знаний со значительным количеством

предварительно определенных подзадач, часто имеет смысл сгруппировать

информацию по нескольким уровням организации, от рядового персонала до

администрации.

Рис. 3.4. Три фазы разработки экспертной системы