220 likes | 305 Vues
This presentation introduces the Fuzzy Semantic Model (FSM), addressing uncertain and vague entity properties in database modeling, emphasizing on degree of membership and fuzzy classes. It details functions, components, and implementation methods, highlighting the efficient classification, association, and aggregation aspects. The approach allows for defining vague classes and modeling entities with partial property compliance based on set membership degrees.
E N D
Modèle Sémantique Flou (MSF)- Fuzzy Semantic Model (FSM). Salem Chakhar, >>Lamsade, Université Paris-Dauphine, France. En collaboration avec : Abdelkader Telmoudi, >>Ecole Nationale d’Ingénieurs de Tunis,Tunisie.
Plan de l’exposé. • Introduction. • Fonction d’appartenance dans MSF. • Composants du MSF. • Implémentation. • Conclusion. SETIT 2004 -- Sousse - Tunisie
Introduction. • Un modèle sémantique est un ensemble de classes et de relations entre ces classes • Une classe est une collection d’objets ou de concepts ayant des propriétés semblables • Les relations représentent la sémantique du monde réel en terme de : • Classification • Association • Généralisation/Spécialisation • Agrégation SETIT 2004 -- Sousse - Tunisie
D-Nais Nom-Etu Adresse id-Etu Filière Etudiant Nom-Ens id-Etu Enseignant Etudiant Cours Salle Date-C Intitulé-C Introduction. attributs • Classification • Association identifiant classe association enseigne enseigné par classe d’interaction SETIT 2004 -- Sousse - Tunisie
Adresse Agg Ville Rue CodePostal Introduction. CIN Nom superclasse • Généralisation/Spécialisation • Agrégation Personne id-Ens dirigé id-Etu Etudiant Enseignant dirige sousclasse Assistant agrégation Intitulé-C SETIT 2004 -- Sousse - Tunisie
Introduction. • Les modèles sémantiques sont efficaces…mais • Ne prennent pas en compte la nature incertaine et floue des entités modélisées • Plusieurs modèles des bases de données (surtout les modèles relationnel et orienté objet) ont été enrichi par des nouveaux concepts permettant la prise en compte de cette nature floue • Il existent quelques extensions de quelques modèles sémantiques (e.g. ER, EER) • Cependant, la majorité de ces travaux supportent l’imprécision seulement au niveau de l’attribut et supposent que chaque entité du monde réel vérifie de manière exacte toutes les propriétés de sa classe…mais • Dans plusieurs applications réelles (e.g. domaine médical, modélisation des données et phénomènes spatiaux, etc.), il se peut qu’une entité ne vérifie que partiellement les propriétés de sa classe • Dans cette présentation nous proposons un modèle sémantique autorisant la définition des classes floues • L’idée consiste à considérer chaque classe comme un ensemble d’objets et à lui attacher une fonction d’appartenance qui associe à chaque entité du domaine d’intérêt un degré d’appartenance à cette classe SETIT 2004 -- Sousse - Tunisie
MSF : L’idée. • Une classe K exacte peut être définie ainsi : K={(e,K(e)) : eE }, avec : - E :ensemble d’entités du domaine d’intérêt - K : est une fonction d’appartenance définie comme suit : K : E {0,1} e K (e) - K (e)peut prendre les valeurs 0 ou 1 avec: K(e) = 0 e K et K(e) = 1 e K • Une classe K flouepeut être définie ainsi : K={(e,K(e)) : eE ;K(e)>0}, avec: - K : est une fonction d’appartenance définie comme suit : K : E [0,1] e K (e) - K (e)peut prendre toutes les valeurs dans la plage [0,1] et K(e) indique le degré d’appartenance (degree of membership, or dom) de e dans la classe K SETIT 2004 -- Sousse - Tunisie
MSF : Fonction d’appartenance. • Classe K ← PK={pi : K E ; i 1} : ensemble de propriétés qui caractérisent K • pi ← wi : poids associé à pi. Il reflète le degré discriminatif de pi (nb. ∑iwi = 1) • pi ← Di : domaine de la propriété pi • Pi Di :la range de valeurs possibles pour la propriété pi • pi ← Pi: fonction partielle d’appartenance relative à pi Pi: Di [0,1] v Pi(v) • K ← K(e) : Fonction globale d’appartenance relative à K K: E [0,1] e K(e) = ∑i Pi(v) SETIT 2004 -- Sousse - Tunisie
MSF : Fonction d’appartenance --- Un exemple. Propriété « être jeune » âge âge e1 • Classe : JeunePers • PK={âge, taille} • W={wâge,wtaille} = {0.8, 0.2} âge e2 1 0.8 0.53 Personne e1 • âge(e1 .âge)=0.53 âge 18 21 • âge(e1 .taille)=0.9 taille Propriété « taille moyenne» • K(e1 ) = 0.8*0.53+0.9*0.2=0.604 taille e1 taille e2 Personne e2 1 • taille(e2 .âge)=0.8 0.9 0.7 • taille(e2 .taille)=0.7 • K(e2 ) = 0.8*0.8+0.7*0.2 =0.78 taille 1.65 1.75 SETIT 2004 -- Sousse - Tunisie
MSF : Classes de base. SETIT 2004 -- Sousse - Tunisie
simple attributename derived attribute name MSF : Attributs. • Deux types d’attributs : • attribut simple • attribut dérivé • Un attribut peut être : • A valeur unique (single-valued) • A valeur multiple (muli-valued) • Inconnu (unknown) • Indéfini (undefined) • Nul (null) • Un attribut peut être flou. Pour le représenter, on peut utiliser différentes approches : • Relations de similarités • Théorie de possibilité SETIT 2004 -- Sousse - Tunisie
T(1.0) P(.50) W(.10) Entité floue e Entité floue r Entité floue r P <propriety value> MSF : Relations. • Relation d’adhésion (membering realtionship) • Relation de décision (decision rule realtionship) • Relation d’interaction (interaction realtionship) SETIT 2004 -- Sousse - Tunisie
A {<attribute value >} - ∩ MSF : Généralisation/Spécialisation. Enum {<attribut id>} SETIT 2004 -- Sousse - Tunisie
{<id attribute name>} Sel-A Enum {<fuzzy selection attribute name>} MSF : Composition. SETIT 2004 -- Sousse - Tunisie
Agg Grp MSF : Groupement. SETIT 2004 -- Sousse - Tunisie
Agg PLANETS STARS COMETS GALAXY Grp Grp Grp COMET STAR PLANET A NOVAE SUPERNOVAE SCIENTIST DISCOVERY Exemple. SETIT 2004 -- Sousse - Tunisie
Implémentation. CLASS <class_name>WITHDOM OF<gdom> { SUPERCLASS: OF <sclass_name_1> WITH DOM <scdom_1> ... EXTENT: {<Ext_attr_1>| <Ext_sphrase_1>} WITH WEIGHT <w1> ... ATTRIBUTES: Attr_1_name: [FUZZY] DOMAIN <domaine_1>:TYPE OF <type_1> WITH DOM OF <dom_1>: [REQUIRED][UNIQUE] ... CONTENTS: [ENUMERATED COMPOSITION FROM <class_list_1>] [SELECTED COMPOSITION ON ATTRIBUTES <attr_list_1> FROM <class_list_2>] [AGGREGATION OF <class_list_3>] [GROUPING FROM <class_name_2>] ... INTERACTION: <inter_name_1> WITH <c_name_1> INVERSE IS <i_inter_name_1> ... } SETIT 2004 -- Sousse - Tunisie
Implémentation. SUBCLASS <sclass_name>WITH DOM OF <scdom> { SPECIALIZATION: OF <class_name_1> WITH DOM <scdom_1>: [BY ENUMERATION] [ON ATTRIBUTES <attr_list_1>] [ON SEMANTICS<sphrase_list_1>] [BY INTERSECTION WITH <class_list_1>] [BY DIFFERENCEWITH <d_class_name_1>] ... EXTENT: {<Ext_attr>|<Ext_sphrase>} WITH WEIGHT <w1> ... ATTRIBUTES: Attr_1_name: [FUZZY] DOMAIN <domaine_1>:TYPE OF <type_1> WITH DOM OF <dom_1>: [REQUIRED] [UNIQUE] ... INTERACTION: <inter_name_1> WITH <c_name_1> INVERSE IS <i_inter_name_1> ... } SETIT 2004 -- Sousse - Tunisie
Implémentation. CLASSgalaxy WITHDOM OF gdom { EXTENT: Location WITH WEIGHT 1.0 ATTRIBUTES: Name: TYPE OF string WITH DOM 1.0: REQUIRED UNIQUE Age: FUZZY DOMAIN {very young, young, old, very old }: TYPE OF integer WITH DOM OF 1.0: REQUIRED Location: FUZZY DOMAIN {in, near, very near, distant, very distant }: TYPE OF real WITH DOM OF 1.0 CONTENTS: AGGREGATION OF comets, stars, planets } SETIT 2004 -- Sousse - Tunisie
Implémentation. CLASSstar WITHDOM sdom { SUPERCLASS: OF supernovae WITH DOM scdom_sn OF novae WITH DOM scdom_n EXTENT: Luminosity WITH WEIGHT 0.7 Weight WITH WEIGHT 0.3 ATTRIBUTES: S_Name: TYPE OF string WITH DOM 1.0: REQUIRED UNIQUE Type_of_Star: TYPE OF symbolic (novae, supernovae) WITH DOM 1.0: REQUIRED Age: FUZZY DOMAIN {very young, young, old, very old }: TYPE OF integer WITH DOM OF 1.0: REQUIRED Location: FUZZY DOMAIN {in, near, very near, distant, very distant }: TYPE OF real WITH DOM 1.0: REQUIRED Luminosity: FUZZY DOMAIN [0.0001Ls-100000Ls]: TYPE OF real WITH DOM OF 1.0 Weight: FUZZY DOMAIN [0.1Ws-100Ws]: TYPE OF real WITH DOM OF 1.0: REQUIRED } SETIT 2004 -- Sousse - Tunisie
Implémentation. SUBCLASSsupernovae WITHDOM sndom { EXTENT: Luminosity WITH WEIGHT 0.3 Weight WITH WEIGHT 0.7 ATTRIBUTES: SN_Name: TYPE OF string WITH DOM 1.0: REQUIRED UNIQUE Type_of_SN: TYPE OF string WITH DOM 1.0: REQUIRED SPECIALIZATION: OF star WITH DOM scdom ON ATTRIBUTES Type_of_Star INTERACTION: discoverer WITH scientist INVERSE IS discovers } SETIT 2004 -- Sousse - Tunisie
Conclusion. • MSF incorpore les concepts de la modélisation sémantique avec les notions de la logique floue utile pour une conception plus réaliste des bases de données • Mais… • L’implémentation physique se complexifie • L’interrogation de la base de données se complexifie • Le problème de compensation dans les fonctions globales d’appartenances Utiliser autres mécanises d’agrégation SETIT 2004 -- Sousse - Tunisie