Luận án phương pháp đánh chỉ số tài liệu XML tin sinh học dựa trên R-tree
"Luận án đề xuất phương pháp đánh chỉ số cho tài liệu XML tin sinh học dựa trên R-tree, cải tiến hiệu suất truy vấn và lưu trữ dữ liệu sinh học hiệu quả."
Tin sinh học
Luan An
Luận án
Số trang
117
Thời gian đọc
18 phút
Lượt xem
0
Lượt tải
0
Phí lưu trữ
40 Point
Tổng quan nhanh
- Chủ đề:
- Vấn đề lập chỉ mục XML tin sinh học quy mô lớn
- Số trang:
- 117 trang
- Chuyên ngành:
- Tin sinh học
- Tác giả:
- Luan An
Tóm tắt nội dung luận án
I.Vấn đề lập chỉ mục XML tin sinh học quy mô lớn
Tài liệu XML đã trở thành định dạng dữ liệu phổ biến, đặc biệt trong lĩnh vực tin sinh học. Tuy nhiên, sự gia tăng kích thước của các tài liệu XML tin sinh học lên đến Gigabyte hoặc Terabyte đã đặt ra nhiều thách thức lớn. Dữ liệu này thường chứa thông tin sinh học phức tạp cùng với mô tả cấu trúc linh hoạt. Việc lưu trữ và truy xuất các tài liệu khổng lồ này trên đĩa cứng tạo ra nút thắt cổ chai về hiệu suất. Thời gian truy xuất đĩa cứng chậm hơn nhiều so với bộ nhớ RAM, đòi hỏi các phương pháp lập chỉ mục phải được tối ưu hóa để giảm thiểu số lần truy cập đĩa. Các phương pháp truyền thống thường tạo ra các chỉ mục có kích thước lớn, gây khó khăn cho việc lưu trữ và làm chậm quá trình truy vấn, đặc biệt với các truy vấn phức tạp như XPath hoặc tìm kiếm tương đồng DNA.
1.1. Đặc điểm tài liệu XML tin sinh học
Tài liệu XML là dữ liệu văn bản có cấu trúc. Chúng phổ biến nhờ khả năng lưu trữ linh hoạt, dễ chia sẻ. Những năm gần đây, xuất hiện nhiều tài liệu XML tin sinh học có kích thước rất lớn. Dữ liệu có thể đạt đến Gigabyte, Terabyte. Sự phát triển công nghệ sinh học là nguyên nhân chính. Các nguồn dữ liệu uy tín cung cấp chúng, ví dụ SRA, NCBI Genome, ensembl.org. Dữ liệu sinh học này gồm hai phần. Một phần là dữ liệu sinh học thực tế (DNA, Protein, phân loài). Phần còn lại là dữ liệu mô tả cho chúng. Cấu trúc dữ liệu được định nghĩa bằng các thẻ (tag). Cấu trúc này thường linh hoạt, tùy biến theo từng tổ chức. Kích thước lớn buộc phải lưu trữ trên đĩa cứng. Hệ thống lưu trữ phân tán cũng được sử dụng. Việc truy xuất từng phần nhỏ lên bộ nhớ chính (RAM) là cần thiết. Tuy nhiên, truy xuất đĩa cứng tuần tự chậm hơn RAM rất nhiều. Phương pháp lập chỉ mục cần tối thiểu hóa số lần truy cập đĩa cứng. Đồng thời, cần tối đa hóa việc tận dụng bộ nhớ chính như cache và buffer. Các phương pháp chỉ mục XML hiện tại gặp nhiều thách thức.
1.2. Hạn chế phương pháp chỉ mục truyền thống
Các phương pháp lập chỉ mục truyền thống gặp nhiều hạn chế. Dữ liệu văn bản kích thước lớn gây khó khăn. Kích thước chỉ mục XML sinh ra thường rất lớn. Nó thậm chí lớn hơn dữ liệu gốc. Điều này tạo ra vấn đề nan giải về lưu trữ. Việc nén dữ liệu và khai thác đồng thời kém hiệu quả. Nếu chỉ mục vẫn là dữ liệu văn bản, tốc độ truy vấn dữ liệu vẫn khó giải quyết. Các nghiên cứu gần đây có xu hướng tách tài liệu XML thành hai phần. Mỗi phần áp dụng phương pháp lập chỉ mục khác nhau. Cụ thể, có phương pháp chỉ mục dữ liệu cấu trúc (các thẻ) cho truy vấn Xpath. Cũng có phương pháp chỉ mục dữ liệu sinh học (DNA) cho tìm kiếm tương đồng. Mục tiêu chính là chuyển đổi dữ liệu văn bản gốc sang dạng số. Điều này giúp giảm kích thước dữ liệu ban đầu. Nó cũng cho phép áp dụng các phương pháp lập chỉ mục phù hợp hơn. Đồng thời, cải thiện tốc độ các truy vấn dữ liệu.
II.R tree cải tiến Giải pháp chỉ mục XML hiệu quả
Để vượt qua các hạn chế của phương pháp lập chỉ mục truyền thống, nghiên cứu này tập trung vào việc phát triển một giải pháp dựa trên cấu trúc R-tree. Mục tiêu là tăng hiệu quả truy vấn dữ liệu trên các tài liệu XML tin sinh học, đặc biệt là các truy vấn XPath. Phương pháp tiếp cận chính là chuyển đổi dữ liệu văn bản có cấu trúc XML sang định dạng số, từ đó biểu diễn chúng trong không gian đa chiều. Điều này không chỉ giúp giảm kích thước dữ liệu gốc mà còn cho phép áp dụng các thuật toán chỉ mục không gian như R-tree. Việc sử dụng R-tree cải tiến mang lại lợi ích đáng kể trong việc quản lý và truy xuất dữ liệu, giúp tối ưu hóa hiệu suất truy vấn và giảm thiểu số lần truy cập đĩa cứng.
2.1. Mục tiêu nghiên cứu và tiếp cận chính
Nghiên cứu tập trung giải bài toán lập chỉ mục hỗ trợ truy vấn đặc thù. Mục tiêu chính là tăng tốc độ truy vấn. Cần giảm số lần truy cập đĩa cứng mà vẫn đạt kết quả. Luận án đã giải quyết việc lập chỉ mục dữ liệu cấu trúc (các thẻ). Điều này hỗ trợ các truy vấn Xpath. Với dữ liệu sinh học (DNA), luận án đã khảo sát phương pháp và định hướng nghiên cứu tiếp theo. Mục tiêu cụ thể là nghiên cứu phương pháp lập chỉ mục dựa trên R-tree. Việc này nhằm tăng hiệu quả truy vấn Xpath trên tài liệu XML. Dữ liệu trung gian được chuyển đổi về dạng tọa độ số của các thẻ. Tài liệu XML tin sinh học là mục tiêu chính. Cách tiếp cận này hứa hẹn cải thiện đáng kể. Nó giải quyết được các thách thức về hiệu năng. Việc giảm tải cho hệ thống đĩa cứng là ưu tiên hàng đầu. Tận dụng R-tree cho phép quản lý dữ liệu không gian hiệu quả.
2.2. Lợi ích từ việc chuyển đổi dữ liệu dạng số
Sử dụng phương pháp chuyển đổi dữ liệu văn bản XML có cấu trúc. Dữ liệu được biểu diễn dưới dạng số. Nó thể hiện trên không gian 2 chiều. Khả năng mở rộng lên nhiều chiều cũng có. Mục tiêu là giảm kích thước dữ liệu gốc. Phương pháp lập chỉ mục đề xuất có thể áp dụng hiệu quả. Việc chuyển đổi sang dạng số mang lại nhiều lợi ích. Kích thước dữ liệu gốc giảm đáng kể. Điều này giúp giảm chi phí lưu trữ. Đồng thời, các thuật toán chỉ mục không gian có thể được sử dụng. Các thuật toán này thường nhanh hơn với dữ liệu số. Kết quả thực nghiệm đã chứng minh hiệu quả của việc chuyển đổi. Tài liệu XML tin sinh học được chuyển đổi về dữ liệu không gian. Hiệu quả giảm kích thước khá tốt. Tỷ lệ nén đạt được hiệu quả tổng thể. Tuy nhiên, kết quả có thể khác biệt giữa các dạng dữ liệu (DNA, Protein, cây phân loài).
III.Tối ưu hóa truy vấn dữ liệu XML tin sinh học Xpath
Tối ưu hóa các truy vấn dữ liệu là trọng tâm của nghiên cứu này, đặc biệt đối với các truy vấn XPath trên tài liệu XML tin sinh học. Các truy vấn này yêu cầu độ chính xác cao và khả năng xử lý nhanh chóng trên các cấu trúc dữ liệu phức tạp. Để đạt được hiệu quả, việc giảm thiểu số lần truy xuất đĩa cứng là cực kỳ quan trọng. Các phương pháp được phát triển tập trung vào việc tận dụng tối đa bộ nhớ chính (RAM) thông qua các cơ chế cache và buffer. Điều này giúp tăng tốc đáng kể quá trình truy xuất thông tin, đảm bảo các kết quả mong muốn được trả về trong thời gian ngắn nhất, ngay cả khi xử lý dữ liệu sinh học có kích thước khổng lồ.
3.1. Các loại truy vấn dữ liệu đặc trưng
Các truy vấn đặc thù cần được thiết kế. Mục tiêu là đạt kết quả mong muốn trong thời gian ngắn. Ví dụ, truy vấn Xpath tìm kiếm chính xác trên một tài liệu XML. Có thể trích xuất tất cả dữ liệu có thẻ liên quan cùng nguồn gốc. Ví dụ, tìm dữ liệu liên quan đến một loại Chuột Bạch. Hoặc trích xuất toàn bộ hậu duệ của heo giống Châu Phi. Ngoài ra, còn có truy vấn tương đồng cho các đoạn DNA. Đây là tìm kiếm xấp xỉ. Ví dụ, tìm kiếm tất cả các Gen tương đồng với một đoạn Gen mẫu. Việc này áp dụng cho một loài mới. Các truy vấn này cần tốc độ cao. Các giải pháp chỉ mục XML cần hỗ trợ linh hoạt. Việc phân loại và hiểu rõ các loại truy vấn dữ liệu là quan trọng. Nó giúp thiết kế hệ thống lập chỉ mục hiệu quả. Đặc biệt với dữ liệu phức tạp như tin sinh học. Yêu cầu truy xuất nhanh chóng là rất cần thiết.
3.2. Giảm thiểu truy xuất đĩa cứng hiệu quả
Cơ chế truy xuất đĩa cứng là tuần tự. Thời gian tiêu tốn chậm hơn RAM nhiều lần. Do đó, các phương pháp truy vấn dữ liệu cần tìm cách tối thiểu hóa truy cập đĩa cứng. Đồng thời, cần tối đa tận dụng bộ nhớ chính. Các bộ nhớ đệm như Cache, Buffer đóng vai trò quan trọng. Việc giảm số lần truy cập đĩa cứng là mục tiêu cốt lõi. Cơ sở dữ liệu XML lớn thường nằm trên đĩa. Các giải pháp lập chỉ mục mới cần tập trung vào vấn đề này. Phương pháp R-tree được sử dụng để tối ưu hóa điều này. Nó giúp tổ chức dữ liệu hiệu quả hơn. Luận án tập trung giải quyết việc giảm số lần cần truy cập đĩa cứng. Điều này giúp tăng tốc độ truy xuất thông tin. Kết quả mong đợi là đạt được thời gian phản hồi nhanh. Ngay cả với dữ liệu sinh học khổng lồ.
IV.Chuyển đổi tài liệu XML sang định dạng số không gian
Để áp dụng hiệu quả phương pháp chỉ mục R-tree, tài liệu XML cần được chuyển đổi sang định dạng số và biểu diễn trong không gian. Phương pháp này biến cấu trúc XML thành các tọa độ số, cho phép sử dụng các kỹ thuật chỉ mục không gian. Việc biểu diễn dữ liệu trên không gian 2 chiều (và có thể mở rộng lên nhiều chiều) mang lại nhiều lợi ích. Nó giúp giảm đáng kể kích thước dữ liệu gốc, một vấn đề lớn với các tài liệu XML tin sinh học. Đồng thời, việc này tạo nền tảng vững chắc để triển khai các thuật toán chỉ mục không gian, từ đó cải thiện tốc độ và hiệu quả của các truy vấn dữ liệu.
4.1. Phương pháp biểu diễn dữ liệu cấu trúc XML
Một trong những hướng tiếp cận chính là chuyển đổi dữ liệu văn bản gốc. Dữ liệu này được chuyển về dạng số. Mục tiêu là để áp dụng các phương pháp lập chỉ mục phù hợp. Đặc biệt, phương pháp này được sử dụng để giảm kích thước dữ liệu ban đầu. Nó cũng giúp cải thiện tốc độ các truy vấn. Dữ liệu cấu trúc của tài liệu XML bao gồm các thẻ. Các thẻ này được biểu diễn dưới dạng tọa độ số. Việc này tạo ra một biểu diễn không gian cho cấu trúc XML. Biểu diễn này cho phép sử dụng các thuật toán chỉ mục không gian. Ví dụ, mỗi thẻ XML và mối quan hệ của nó (cha-con, anh-em) có thể được ánh xạ vào một điểm hoặc một vùng trong không gian nhiều chiều. Điều này biến vấn đề tìm kiếm cấu trúc XML thành vấn đề tìm kiếm không gian. Phương pháp này là nền tảng cho việc sử dụng R-tree và các biến thể.
4.2. Lợi ích của biểu diễn không gian 2 chiều
Việc chuyển đổi dữ liệu văn bản có cấu trúc XML về dạng số rất quan trọng. Dữ liệu này có thể biểu diễn trên không gian 2 chiều. Khả năng mở rộng lên nhiều chiều cũng có. Mục tiêu chính là giảm kích thước dữ liệu gốc ban đầu. Đồng thời, có thể áp dụng các phương pháp lập chỉ mục đề xuất. Biểu diễn không gian 2 chiều giúp hình dung và quản lý dữ liệu dễ dàng hơn. Nó cho phép các thuật toán chỉ mục không gian hoạt động hiệu quả. Các thuật toán này có thể nhanh chóng loại bỏ các phần dữ liệu không liên quan. Điều này giảm đáng kể khối lượng dữ liệu cần xử lý. Thực nghiệm đã chỉ ra hiệu quả của việc chuyển đổi này. Nó giảm kích thước tài liệu XML tin sinh học một cách đáng kể. Tỷ lệ giảm kích thước nói chung là khá tốt. Điều này tạo điều kiện thuận lợi cho việc truy xuất thông tin nhanh chóng hơn.
V.Kết quả thực nghiệm và ứng dụng chỉ mục BioX tree
Luận án đã đạt được những kết quả đáng kể thông qua thực nghiệm, chứng minh hiệu quả của việc chuyển đổi tài liệu XML tin sinh học sang dữ liệu không gian. Các phương pháp chỉ mục BioX-tree và BioX+ tree, được phát triển dựa trên R-tree, đã cho thấy khả năng vượt trội trong việc xử lý các truy vấn XPath. Đặc biệt, việc giảm kích thước dữ liệu gốc là một thành công lớn, mặc dù tỷ lệ nén có thể khác nhau tùy thuộc vào loại dữ liệu sinh học. Những đóng góp này cung cấp một giải pháp mạnh mẽ cho việc lập chỉ mục và truy xuất thông tin trong các cơ sở dữ liệu XML lớn của ngành tin sinh học, mở ra hướng đi mới cho nghiên cứu trong tương lai.
5.1. Hiệu quả giảm kích thước dữ liệu XML
Các thực nghiệm đã chứng minh hiệu quả của phương pháp chuyển đổi. Tài liệu XML tin sinh học được chuyển đổi thành dữ liệu không gian. Phương pháp này mang lại hiệu quả tốt về giảm kích thước. Tỷ lệ giảm kích thước nói chung là đáng kể. Tuy nhiên, tỷ lệ nén không đồng đều giữa các dạng tài liệu. Các dạng như DNA, Protein, và cây phân loài có thể có kết quả khác nhau. Điều này cho thấy tính đặc thù của từng loại dữ liệu sinh học. Mặc dù vậy, tổng thể vẫn là một cải tiến. Việc giảm kích thước là yếu tố then chốt. Nó giúp giải quyết vấn đề lưu trữ chỉ mục XML khổng lồ. Đồng thời, nó tăng tốc độ tải dữ liệu vào bộ nhớ. Đây là bước quan trọng để tối ưu hóa truy vấn dữ liệu.
5.2. Đề xuất phương pháp BioX tree và BioX tree
Luận án đã đề xuất phương pháp lập chỉ mục BioX-tree. Đồng thời, một phương pháp mở rộng là BioX+ tree cũng được giới thiệu. Đây là các cải tiến từ phương pháp R-tree truyền thống. Các phương pháp này được thiết kế đặc biệt cho tài liệu XML tin sinh học. Các phương pháp đề xuất đã chứng tỏ hiệu quả vượt trội. Chúng giúp tăng tốc độ truy xuất thông tin trên cơ sở dữ liệu XML. Đặc biệt là đối với các truy vấn Xpath. Điều này đóng góp quan trọng vào việc xử lý dữ liệu lớn. Việc phát triển BioX-tree và BioX+ tree là kết quả chính. Chúng mang lại một giải pháp mạnh mẽ cho việc lập chỉ mục. Điều này giúp cải thiện hiệu suất của các ứng dụng tin sinh học. Hướng nghiên cứu tiếp theo sẽ tiếp tục phát triển các phương pháp này.
Mục lục chi tiết luận án
Tải xuống file đầy đủ để xem toàn bộ nội dung
Tải đầy đủ (117 trang)Trích đoạn nội dung luận án
Tải xuống để đọc toàn bộ1 MỞ ĐẦU Tài liệu XML là dữ liệu văn bản có cấu trúc, hay còn gọi là dữ liệu bán cấu trúc, chúng đã phổ biến hàng thập kỷ nay vì khả năng lưu trữ dữ liệu rất linh hoạt và dễ dàng chia sẻ, sử dụng qua internet. Trước đây, các tài liệu XML thường có kích thước không lớn, nhưng những năm gần đây bắt đầu xuất hiện các tài liệu XML tin sinh học có kích thước rất lớn có thể lên tới Giga, Tera Byte bởi sự phát triển như vũ bảo của công nghệ sinh học trong kỷ nguyên này. Dữ liệu đó có thể tìm thấy từ các nguồn dữ liệu uy tín như SRA (công khai các trình tự được giải mã), NCBI Genome (các loài đã được giải trình tự), ensembl.org (tổng hợp rất nhiều dữ liệu thành BioMart)… Các tài liệu XML tin sinh học là dữ liệu gồm có 2 phần, dữ liệu sinh học (DNA, Protein, phân loài,…) và các dữ liệu mô tả dữ liệu sinh học. Cấu trúc dữ liệu được định nghĩa theo các thẻ (tag) và các cấu trúc dữ liệu này thường linh hoạt, có thể khác biệt bởi vì chúng được tùy biến theo các cá nhân, tổ chức sinh học thực hiện.
Vì có kích thước lớn như vậy, các tài liệu cơ bản phải lưu trữ và khai thác trên đĩa cứng, hoặc trong hệ thống lưu trữ phân tán, trước khi có thế truy xuất 1 phần nhỏ để đưa lên bộ nhớ chính (RAM) mỗi khi cần phân tích sâu hơn. Cơ chế truy xuất đĩa cứng là tuần tự và thời gian tiêu tốn chậm hơn rất nhiều lần so với truy xuất trên RAM. Do vậy, các phương pháp truy vấn cần truy xuất đĩa cứng luôn tìm cách sao cho tối thiểu số lần cần truy xuất đĩa cứng và tối đa tận dụng bộ nhớ chính, như là Cache, Buffer. Các truy xuất thực thi theo thuật toán của các truy vấn đặc thù, được thiết kế để đạt kết quả mong muốn trong thời gian ngắn và phù hợp với truy vấn.
Ví dụ: - Truy vấn Xpath cho 01 tài liệu XML (tìm kiếm chính xác). Trích xuất tất cả các dữ liệu có tags có quan hệ cùng nguồn gốc/anh em với nhau của 1 loại Chuột Bạch. Trích xuất toàn bộ các dữ liệu là hậu duệ của heo giống Châu Phi. - Truy vấn tương đồng cho dữ liệu các đoạn DNA (tìm kiếm xấp xỉ) 1.
Tìm kiếm tất cả các Gen tương đồng với 1 đoạn Gen mẫu của một loài mới. Giải pháp truyền thống cho các truy vấn như trên là lựa chọn và cài đặt các phương pháp đánh chỉ số (indexing) phù hợp một số loại dữ liệu và truy vấn đặc thù. Các phương pháp này có nhưng gặp nhiều hạn chế với dữ liệu văn bản kích thước lớn như vậy. - Với dữ liệu văn bản, kích thước dữ liệu chỉ số sinh ra thường cũng rất lớn, thậm chí lớn hơn nhiều so với dữ liệu gốc, như vậy gây nên các vấn đề: 1.
Lưu trữ dữ liệu chỉ số này là vấn đề nan giải. Nén dữ liệu và khai thác dữ liệu đồng thời kém hiệu quả. - Hơn nữa, nếu chỉ số là dữ liệu văn bản thì vấn đề tốc độ truy vấn vẫn là vấn đề khó giải quyết. Do vậy, các nghiên cứu gần đây về đánh chỉ số một tài liệu XML có xu hướng: - Tách tài liệu XML thành 2 phần dữ liệu và áp dụng các phương pháp đánh chỉ số khác nhau cho phù hợp với dạng dữ liệu và loại truy vấn đặc thù.
Cụ thể là: 1. Phương pháp đánh chỉ số dữ liệu cấu trúc (dữ liệu các thẻ) và hỗ trợ các truy vấn đặc thù như Xpath. Phương pháp đánh chỉ số dữ liệu sinh học (như các đoạn DNA) và hỗ trợ các truy vấn đặc thù như tìm kiếm các chuỗi DNA tương đồng. - Chuyển đổi dữ liệu văn bản gốc về dạng số nhằm mục đích: 1.
Giảm kích thước dữ liệu gốc ban đầu. Áp dụng các phương pháp đánh chỉ số phù hợp. Cải thiện tốc độ các truy vấn. Các vấn đề cần giải quyết rất rộng gồm tin học và sinh học, vì vậy nghiên cứu của luận án tập trung giải bài toán Phương pháp đánh chỉ số hỗ trợ cho các truy vấn đặc thù về tốc độ bằng cách giảm số lần cần truy cập đĩa cứng mà vẫn đạt được kết quả mong đợi.
Kết quả luận án đã giải bài toán Phương pháp đánh chỉ số dữ liệu cấu trúc (dữ liệu các thẻ) và hỗ trợ các truy vấn Xpath. Ngoài ra, với bài toán Phương pháp đánh chỉ số dữ liệu sinh học (như các đoạn DNA) và hỗ trợ các truy vấn đặc thù như tìm kiếm các chuỗi DNA tương đồng, luận án đã khảo sát được phương pháp và có định hướng cho nghiên cứu tiếp theo. Cụ thể mục tiêu và kết quả của luận án như sau. Mục tiêu thực hiện của luận án: - Nghiên cứu phương pháp đánh chỉ số dựa trên phương pháp R-tree nhằm tăng hiệu quả các truy vấn Xpath trên dữ liệu XML, thông qua dữ liệu trung gian được chuyển đổi về dạng tọa độ số của các tags.
Dữ liệu XML mục tiêu là từ một tài liệu XML tin sinh học. - Sử dụng phương pháp chuyển đổi dữ liệu văn bản có cấu trúc XML về dữ liệu dạng số mà biểu diễn được trên không gian 2 chiều (có thể mở rộng lên nhiều chiều). Mục tiêu là nhằm giảm kích thước dữ liệu gốc và áp dụng được phương pháp đánh chỉ số đề xuất. Kết quả đạt đƣợc của luận án nhƣ sau: - Bằng thực nghiệm đã chỉ ra rằng phương pháp chuyển đổi dữ liệu XML tin sinh học về dữ liệu không gian là có hiệu quả về giảm kích thước với tỷ lệ khá tốt nói chung.
Tuy nhiên, tỷ lệ nén không có có kểt quả tốt đồng đều giữa các thực nghiệm với dạng tài liệu XML tin sinh học DNA, Protein, và cây phân loài… 4 - Đề xuất được phương pháp đánh chỉ số BioX-tree và phương pháp mở rộng BioX+ tree. Các phương pháp đề xuất (cải tiến phương pháp R-tree) đã chứng tỏ hiệu quả hơn phương pháp R-tree khi áp dụng để đánh chỉ số dữ liệu chuyển đồi từ dữ liệu XML qua các thực nghiệm. Đặc biệt, các truy vấn anh em, hoặc các truy vấn có tận dụng truy vấn anh em trong thuật toán, có kết quả tốt. Lý thuyết và thực nghiệm đã chứng mình được rằng: các truy vấn đã giảm được các bước duyệt cây dư thừa trên cây chỉ số (lưu trữ trên đĩa cứng), nhờ đó giảm số lần truy xuất trên đĩa cứng để lấy dữ liệu lên bộ nhớ chính, mà vẫn có được kết quả như mong muốn.
- Hạn chế của các phương pháp đề xuất là việc cải tiến cấu trúc cây R-tree để hiệu quả hơn với các truy vấn Xpath đã làm suy yếu cấu trúc tối ưu về không gian của phương pháp R-tree gốc. Hậu quả là, các truy vấn thông thường của R-tree như truy vấn phạm vị (không phải truy vấn Xpath), hai loại truy vấn Xpath (toàn bộ) các tags trước và sau của một tag bất kỳ có kết quả không tốt và thất thường, khó dự đoán. Tất nhiên, các truy vấn này ít ý nghĩa với các truy vấn Xpath. Nhưng để mở rộng phạm vi áp dụng, NCS sẽ tiếp tục nghiên cứu sau này.
Trong quá trình thực hiện các nghiên cứu, NCS đã đặt tên phương pháp là XR-tree trong các công bố của mình nhưng sau đó phát hiện trùng với tên 1 phương pháp trong một bài báo khác, vì vậy, trong luận án, NCS đã đổi tên thành BioX-tree thay cho XR-tree. Tin sinh học và các nguồn dữ liệu 1. Tin sinh học Tin sinh học (BioInformatics) là một lĩnh vực khoa học sử dụng các công nghệ của các ngành toán học ứng dụng, tin học, thống kê, khoa học máy tính, sinh học, hóa học, vật lý… và toán sinh học. Tin sinh học thường gắn liền với sinh học tính toán (computational biology) hoặc sinh học hệ thống (system biology).
Thuật ngữ tin sinh học là một phần của sinh học tính toán. Sự kết hợp giữa các nghành khoa học nói trên có sự đan xen với nhau và tương hỗ lẫn nhau, vì vậy thành quả nghiên cứu mang lại của ngành học này không chỉ đóng góp cho sinh học mà còn đóng góp cho các ngành khoa học khác. Một ví dụ rõ ràng nhất là trong quy trình nghiên cứu về hệ thần kinh của động vật, con người đã phát hiện ra các nơ ron thần kinh và cách xung thần kinh được dẫn truyền qua các tế bào thần kinh. Kết hợp với những tính toán vật lý, trí tuệ nhân tạo, những lý thuyết sinh học trên được áp dụng vào tin học, để hình thành một mạng tính toán (mạng nơ ron - Neuron network).
Nội dung chính của sinh học tính toán là sử dụng các công cụ tách chiết các thông tin hữu ích từ tập rất lớn các dữ liệu thu nhận được bằng các kỹ thuật sinh học mà các dữ liệu này thay đổi và được bổ sung liên tục với lưu lượng và mức độ lớn. Bài toán đặc trưng trong sinh học tính toán bao gồm việc lắp ráp những trình tự DNA chất lượng cao từ những đoạn ngắn DNA thu nhận được từ kỹ thuật xác định DNA và việc dự đoán quy luật điều hòa gen với dữ liệu từ các mARN, microway hay khối phổ. Các lĩnh vực nghiên cứu chính của tin sinh học bao gồm [10][18][23]: Hệ gen học phân tích trình tự; Tìm kiếm gen; Tìm kiếm các đột biến; Phân loại học phân tử; Phân tích chức năng gen; Bảo tồn đa dạng sinh học; Phân tích hình ảnh mức độ cao; Công cụ phần mềm… 6 1. Các nguồn dữ liệu Dữ liệu sinh học ngày càng tăng theo cấp số mũ do sự phát triển của các kỹ thuật giải trình tự.
Như vậy, vấn đề đặt ra là cần phải có biện pháp lưu trữ, quản lý, sử dụng và chia sẻ nguồn dữ liệu này. Hơn thế nữa, với việc hệ thống hóa toàn bộ dữ liệu trên, chúng ta dễ dàng thực hiện việc chia sẻ những thông tin ấy qua mạng hay kết nối thêm vào những tập dữ liệu phân tán ở nơi khác. Trên thế giới, một số cơ sở dữ liệu lớn, trực tuyến đã được xây dựng để cung cấp thông tin cho các nhà nghiên cứu sinh học. Các thông tin này được sắp xếp và lưu trữ bởi một hệ thống các máy chủ rất mạnh của ba ngân hàng gen lớn nhất thế giới hiện nay là: NCBI, EMBL/EBI, CIB-DDBJ….
Chúng được gọi là các CSDL sinh học.
Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ
Trích dẫn luận án này
Luận án đánh chỉ số tài liệu XML tin sinh học bằng R-tree (n.d.) [Luận án tiến sĩ]. LuanAn.net. https://luanan.net/cong-nghe-thong-tin/he-thong-thong-tin/luan-an-phuong-phap-danh-chi-so-tai-lieu-xml-tin-sinh-hoc-dua-tren-r-tree
Câu hỏi thường gặp
Luận án "Luận án đánh chỉ số tài liệu XML tin sinh học bằng R-tree" nghiên cứu về vấn đề gì?
"Luận án đề xuất phương pháp đánh chỉ số cho tài liệu XML tin sinh học dựa trên R-tree, cải tiến hiệu suất truy vấn và lưu trữ dữ liệu sinh học hiệu quả."
Luận án "Luận án đánh chỉ số tài liệu XML tin sinh học bằng R-tree" thuộc chuyên ngành gì?
Luận án "Luận án đánh chỉ số tài liệu XML tin sinh học bằng R-tree" thuộc chuyên ngành Tin sinh học. Danh mục: Hệ Thống Thông Tin.
Luận án "Luận án đánh chỉ số tài liệu XML tin sinh học bằng R-tree" có bao nhiêu trang?
Luận án "Luận án đánh chỉ số tài liệu XML tin sinh học bằng R-tree" có 117 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.
Cách tải luận án "Luận án đánh chỉ số tài liệu XML tin sinh học bằng R-tree" về máy như thế nào?
Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.