Luận án Tiến sĩ: Phụ thuộc Logic Mở rộng trong Mô hình Dữ liệu Dạng Khối - Trịnh Ngọc Trúc
Phân tích phụ thuộc logic mở rộng trong mô hình dữ liệu dạng khối, khám phá ảnh hưởng đến cấu trúc và truy vấn dữ liệu.
Luan An
Luận án tiến sĩ
Năm xuất bản
Số trang
128
Thời gian đọc
20 phút
Lượt xem
0
Lượt tải
0
Phí lưu trữ
40 Point
Tổng quan nhanh
- Chủ đề:
- 1. Mô hình dữ liệu dạng khối & phụ thuộc logic cơ bản
- Số trang:
- 128 trang
- Trường:
- Học viện Khoa học và Công nghệ
- Chuyên ngành:
- Khoa học máy tính
- Tác giả:
- Trịnh Ngọc Trúc
- Năm:
- 2021
Tóm tắt nội dung luận án
I. Mô hình dữ liệu dạng khối phụ thuộc logic cơ bản
Mô hình dữ liệu dạng khối là một phương pháp tổ chức dữ liệu mới mẻ, đặc biệt hữu ích trong các hệ thống phân tán. Tài liệu này đi sâu vào việc định nghĩa và phân tích các phụ thuộc logic mở rộng trong cấu trúc này. Việc hiểu rõ các phụ thuộc logic giúp đảm bảo Tính toàn vẹn dữ liệu. Nó cũng củng cố độ tin cậy của thông tin lưu trữ. Nghiên cứu này cung cấp cái nhìn chi tiết về cách các ràng buộc dữ liệu hoạt động trong mô hình dữ liệu dạng khối. Các phụ thuộc này là nền tảng cho việc xây dựng các hệ thống phi tập trung mạnh mẽ. Chúng hỗ trợ việc thực thi hiệu quả các Quy tắc nghiệp vụ và Logic nghiệp vụ phức tạp. Nắm vững các khái niệm này là rất quan trọng để phát triển các ứng dụng DLT và Blockchain an toàn, đáng tin cậy.
1.1. Khái niệm cơ bản về mô hình dữ liệu dạng khối
Mô hình dữ liệu dạng khối tổ chức thông tin thành các khối và lát cắt. Mỗi khối chứa một tập hợp dữ liệu cụ thể. Các lát cắt đại diện cho các quan hệ hoặc khía cạnh của dữ liệu trong khối. Cấu trúc này khác biệt so với mô hình quan hệ truyền thống. Nó cung cấp một nền tảng linh hoạt cho việc quản lý dữ liệu phi tập trung. Việc hiểu rõ cách dữ liệu được tổ chức là bước đầu tiên. Nó giúp nhận diện các mối quan hệ ẩn giữa các phần tử dữ liệu. Điều này tạo điều kiện cho việc áp dụng các Ràng buộc dữ liệu hiệu quả.
1.2. Phụ thuộc hàm và đa trị trong cấu trúc dữ liệu
Phụ thuộc hàm và phụ thuộc đa trị là các khái niệm cốt lõi. Chúng định nghĩa các mối quan hệ giữa các thuộc tính trong khối dữ liệu. Phụ thuộc hàm đảm bảo rằng một tập thuộc tính xác định duy nhất một tập thuộc tính khác. Phụ thuộc đa trị mở rộng khái niệm này, cho phép một tập thuộc tính xác định một tập hợp các giá trị của thuộc tính khác. Việc nghiên cứu các phụ thuộc này là cần thiết. Chúng giúp duy trì Tính toàn vẹn dữ liệu. Các phụ thuộc này hình thành cơ sở để xác định các Quy tắc nghiệp vụ thiết yếu. Chúng cũng đảm bảo tính nhất quán của dữ liệu trên toàn hệ thống.
1.3. Đại số Boolean và suy dẫn logic trên khối
Đại số Boolean cung cấp một công cụ mạnh mẽ để biểu diễn và phân tích các phụ thuộc logic. Các công thức Boolean được sử dụng để mô tả các điều kiện và ràng buộc. Suy dẫn logic cho phép suy ra các phụ thuộc mới từ các phụ thuộc đã biết. Điều này tối ưu hóa việc quản lý Logic nghiệp vụ. Việc áp dụng đại số Boolean trong mô hình dữ liệu dạng khối cho phép xây dựng các hệ thống tự động kiểm tra Ràng buộc dữ liệu. Nó cũng giúp đảm bảo Tính toàn vẹn dữ liệu một cách hiệu quả. Đây là một yếu tố quan trọng trong việc thiết kế các hệ thống Blockchain và DLT.
II. Hội suy dẫn logic trong mô hình dữ liệu dạng khối
Hội suy dẫn logic là quá trình khám phá các phụ thuộc logic ẩn từ tập dữ liệu. Trong mô hình dữ liệu dạng khối, việc này trở nên phức tạp hơn do cấu trúc đặc thù của dữ liệu. Nghiên cứu này tập trung vào việc phát triển các phương pháp và thuật toán để tìm kiếm hội suy dẫn. Việc khám phá các phụ thuộc này có ý nghĩa lớn. Chúng giúp củng cố Tính toàn vẹn dữ liệu. Đồng thời, chúng đảm bảo việc thực thi chính xác các Quy tắc nghiệp vụ. Các thuật toán được đề xuất cung cấp khả năng phân tích sâu sắc. Chúng xác định các mối quan hệ quan trọng. Điều này rất cần thiết cho việc phát triển các ứng dụng dựa trên Cấu trúc dữ liệu phi tập trung và Blockchain.
2.1. Khám phá quy tắc nghiệp vụ từ dữ liệu dạng khối
Khám phá Quy tắc nghiệp vụ là một ứng dụng chính của hội suy dẫn. Từ dữ liệu được tổ chức trong các khối, các thuật toán có thể nhận diện các mẫu và mối quan hệ lặp đi lặp lại. Những mẫu này thường đại diện cho Logic nghiệp vụ cốt lõi. Việc tự động phát hiện các quy tắc này giảm thiểu sai sót thủ công. Nó cũng tăng cường hiệu quả quản lý dữ liệu. Điều này đặc biệt quan trọng trong các môi trường phi tập trung như Blockchain. Ở đó, việc định nghĩa và thực thi chính xác Ràng buộc dữ liệu là tối quan trọng.
2.2. Các thuật toán xây dựng hội suy dẫn hiệu quả
Tài liệu giới thiệu các thuật toán như XDF và XDF-S. Các thuật toán này được thiết kế để xây dựng hội suy dẫn trong mô hình dữ liệu dạng khối. XDF và XDF-S tối ưu hóa quá trình tìm kiếm các phụ thuộc. Chúng xử lý hiệu quả lượng dữ liệu lớn. Việc cài đặt thực nghiệm các thuật toán này chứng minh tính khả thi và hiệu suất của chúng. Các thuật toán này đóng vai trò quan trọng. Chúng tự động hóa việc phát hiện Logic nghiệp vụ và các Ràng buộc dữ liệu. Điều này củng cố Tính toàn vẹn dữ liệu trong các hệ thống DLT.
2.3. Đảm bảo tính toàn vẹn dữ liệu với hội suy dẫn
Hội suy dẫn logic đóng vai trò then chốt trong việc đảm bảo Tính toàn vẹn dữ liệu. Bằng cách nhận diện tất cả các phụ thuộc có thể có, hệ thống có thể kiểm tra tính hợp lệ của mọi giao dịch. Nó ngăn chặn dữ liệu không nhất quán. Khả năng suy ra các ràng buộc mới từ các ràng buộc hiện có giúp duy trì sự nhất quán. Điều này là vô cùng quan trọng đối với các hệ thống phân tán. Ở đó, việc kiểm soát tập trung là không khả thi. Việc này tạo ra một nền tảng vững chắc cho các ứng dụng Blockchain và Hợp đồng thông minh, nơi Tính bất biến dữ liệu là ưu tiên hàng đầu.
III. Phụ thuộc Boolean dương đa trị trên khối dữ liệu
Phụ thuộc Boolean dương đa trị (PTBDĐT) là một loại phụ thuộc logic mở rộng. Nó cung cấp khả năng biểu diễn các ràng buộc phức tạp hơn. PTBDĐT cho phép một tập hợp các giá trị Boolean suy ra một tập hợp các giá trị khác. Loại phụ thuộc này đặc biệt hữu ích khi các mối quan hệ dữ liệu không thể được biểu diễn chỉ bằng phụ thuộc hàm hoặc đa trị truyền thống. Nghiên cứu này định nghĩa PTBDĐT trong mô hình dữ liệu dạng khối. Nó khám phá các tính chất và phương pháp để tìm kiếm cũng như quản lý chúng. Việc áp dụng PTBDĐT giúp tăng cường khả năng kiểm soát Ràng buộc dữ liệu và Logic nghiệp vụ. Chúng góp phần duy trì Tính toàn vẹn dữ liệu trong các Cấu trúc dữ liệu phi tập trung.
3.1. Định nghĩa và ý nghĩa của phụ thuộc Boolean dương
Phụ thuộc Boolean dương đa trị mở rộng các công thức Boolean truyền thống. Chúng cho phép các điều kiện được biểu diễn bằng các công thức Boolean, và kết quả cũng là các công thức Boolean. Loại phụ thuộc này cung cấp khả năng mô tả các mối quan hệ phức tạp hơn nhiều giữa các thuộc tính trong một khối. Nó đặc biệt phù hợp cho các trường hợp Logic nghiệp vụ đòi hỏi sự kết hợp của nhiều điều kiện. Hiểu rõ PTBDĐT là cần thiết để xây dựng các hệ thống thông minh, tự động hóa việc thực thi các Ràng buộc dữ liệu và đảm bảo Tính toàn vẹn dữ liệu.
3.2. Bao đóng và thể hiện tập phụ thuộc đa trị
Tài liệu này trình bày các khái niệm về bao đóng và thể hiện của tập phụ thuộc Boolean dương đa trị. Bao đóng là tập hợp tất cả các phụ thuộc có thể suy ra từ một tập phụ thuộc ban đầu. Thể hiện là một tập hợp tối thiểu các phụ thuộc. Nó có thể suy ra tất cả các phụ thuộc trong bao đóng. Việc xác định bao đóng và thể hiện giúp tối ưu hóa việc lưu trữ và quản lý các Ràng buộc dữ liệu. Nó cũng cải thiện hiệu quả của việc kiểm tra Tính toàn vẹn dữ liệu trong mô hình dữ liệu dạng khối. Điều này rất quan trọng cho các hệ thống như Blockchain và DLT.
3.3. Ứng dụng trong việc quản lý Ràng buộc dữ liệu phức tạp
PTBDĐT có ứng dụng rộng rãi trong việc quản lý Ràng buộc dữ liệu phức tạp. Chúng cho phép các nhà phát triển định nghĩa các quy tắc tinh vi. Các quy tắc này có thể liên quan đến nhiều thuộc tính và điều kiện. Ví dụ, trong Hợp đồng thông minh, PTBDĐT có thể được sử dụng để xác định các điều kiện kích hoạt hợp đồng. Hoặc nó xác định các điều kiện thanh toán. Việc này đảm bảo rằng Logic nghiệp vụ được thực thi một cách chính xác. Nó củng cố Tính bất biến dữ liệu và độ tin cậy của hệ thống. Chúng ta có thể tự động kiểm tra và duy trì Tính toàn vẹn dữ liệu trong các hệ thống phân tán.
IV. Phụ thuộc logic theo nhóm bộ tính toàn vẹn dữ liệu
Các phụ thuộc Boolean dương theo nhóm bộ và đa trị theo nhóm bộ là một sự mở rộng quan trọng khác. Chúng cho phép định nghĩa các ràng buộc không chỉ trên toàn bộ dữ liệu. Chúng còn áp dụng trên các nhóm bộ dữ liệu cụ thể. Khái niệm này hữu ích khi các Quy tắc nghiệp vụ chỉ áp dụng cho một tập hợp con của dữ liệu. Nó cải thiện độ chính xác của việc kiểm tra Ràng buộc dữ liệu. Nó cũng tăng cường Tính toàn vẹn dữ liệu. Nghiên cứu này phát triển các lý thuyết và thuật toán để xử lý loại phụ thuộc này. Việc này cung cấp khả năng linh hoạt hơn trong việc quản lý Logic nghiệp vụ. Nó đặc biệt hữu ích trong các hệ thống DLT và Blockchain. Ở đó, việc phân đoạn và nhóm dữ liệu là phổ biến.
4.1. Khối chân lý theo nhóm bộ và quy tắc nghiệp vụ
Khối chân lý theo nhóm bộ cho phép đánh giá các phụ thuộc Boolean dương chỉ trên một tập hợp con các bộ dữ liệu. Cách tiếp cận này phản ánh nhiều Quy tắc nghiệp vụ thực tế. Các quy tắc này thường chỉ có giá trị trong một ngữ cảnh hoặc phân khúc dữ liệu nhất định. Ví dụ, một quy tắc có thể chỉ áp dụng cho khách hàng từ một khu vực cụ thể. Hoặc nó có thể áp dụng cho các giao dịch vượt quá một ngưỡng nhất định. Việc định nghĩa phụ thuộc theo nhóm bộ giúp tinh chỉnh việc áp dụng Logic nghiệp vụ. Nó đảm bảo các Ràng buộc dữ liệu được thực thi một cách chính xác và hiệu quả.
4.2. Quản lý tính bất biến dữ liệu với phụ thuộc nhóm bộ
Việc sử dụng phụ thuộc theo nhóm bộ cũng góp phần vào Tính bất biến dữ liệu. Bằng cách áp dụng các ràng buộc chặt chẽ cho các nhóm dữ liệu cụ thể, có thể bảo vệ từng phân đoạn thông tin. Điều này đặc biệt quan trọng trong Blockchain và các hệ thống DLT. Ở đó, dữ liệu sau khi ghi không thể sửa đổi. Các phụ thuộc nhóm bộ đảm bảo rằng ngay cả khi dữ liệu được thêm vào, các quy tắc cho các nhóm hiện có vẫn được duy trì. Điều này củng cố Tính toàn vẹn dữ liệu tổng thể của hệ thống, ngăn chặn các sửa đổi không mong muốn.
4.3. Nâng cao tính toàn vẹn dữ liệu trong hệ thống DLT
Phụ thuộc logic theo nhóm bộ cải thiện đáng kể Tính toàn vẹn dữ liệu trong các hệ thống Sổ cái phân tán (DLT). Chúng cho phép các nhà phát triển xác định các Ràng buộc dữ liệu rất cụ thể. Các ràng buộc này áp dụng cho các giao dịch hoặc bản ghi cụ thể. Điều này giúp ngăn chặn các lỗi hoặc gian lận trong các mạng phân tán. Việc thực thi các phụ thuộc này một cách nhất quán trên tất cả các nút đảm bảo sự tin cậy. Nó tạo ra một môi trường an toàn hơn cho các hoạt động kinh doanh. Các khái niệm này là then chốt trong việc xây dựng các nền tảng Blockchain mạnh mẽ và đáng tin cậy.
V. Ứng dụng ràng buộc dữ liệu trong Blockchain và DLT
Các phụ thuộc logic mở rộng có tiềm năng ứng dụng lớn trong Blockchain và Sổ cái phân tán (DLT). Chúng cung cấp một khuôn khổ mạnh mẽ để định nghĩa và thực thi các Ràng buộc dữ liệu phức tạp. Điều này là thiết yếu để đảm bảo Tính toàn vẹn dữ liệu và Tính bất biến dữ liệu trong các môi trường phi tập trung. Việc tích hợp các phụ thuộc này vào Hợp đồng thông minh có thể tạo ra các ứng dụng mạnh mẽ hơn. Chúng có thể tự động kiểm tra và xác nhận các điều kiện. Nghiên cứu này làm nổi bật cách các phụ thuộc logic có thể tăng cường bảo mật và độ tin cậy của các giải pháp Blockchain hiện đại. Chúng cũng giúp tối ưu hóa Logic nghiệp vụ trên các nền tảng phi tập trung. Oracle Blockchain đóng vai trò quan trọng trong việc đưa dữ liệu thực tế vào các ràng buộc này.
5.1. Ràng buộc dữ liệu cho Hợp đồng thông minh hiệu quả
Hợp đồng thông minh trên Blockchain cần các Ràng buộc dữ liệu rõ ràng để hoạt động hiệu quả. Các phụ thuộc logic mở rộng cung cấp một cách để mã hóa các điều kiện phức tạp vào Hợp đồng thông minh. Điều này đảm bảo rằng các điều khoản của hợp đồng được thực thi tự động và không thể bị thay đổi. Ví dụ, một Hợp đồng thông minh có thể sử dụng phụ thuộc để kiểm tra xem tất cả các bên đã hoàn thành nghĩa vụ của họ. Hoặc nó có thể kiểm tra xem một ngưỡng giao dịch đã đạt được hay chưa. Điều này củng cố Logic nghiệp vụ và tăng cường Tính toàn vẹn dữ liệu của các giao dịch trên Blockchain.
5.2. Tăng cường tính bất biến dữ liệu trên Blockchain
Tính bất biến dữ liệu là một đặc tính cốt lõi của Blockchain. Các phụ thuộc logic mở rộng giúp tăng cường đặc tính này. Bằng cách định nghĩa các Ràng buộc dữ liệu chặt chẽ, mọi nỗ lực thay đổi dữ liệu không hợp lệ sẽ bị phát hiện và ngăn chặn. Các phụ thuộc này đảm bảo rằng các giao dịch được thêm vào chuỗi khối tuân thủ tất cả các Quy tắc nghiệp vụ. Điều này củng cố niềm tin vào tính toàn vẹn của dữ liệu lưu trữ. Nó tạo ra một hồ sơ không thể thay đổi và đáng tin cậy. Tính bất biến dữ liệu này là nền tảng cho nhiều ứng dụng quan trọng, từ tài chính đến chuỗi cung ứng.
5.3. Vai trò của Oracle Blockchain trong việc thực thi logic
Oracle Blockchain đóng vai trò cầu nối. Chúng cung cấp dữ liệu từ thế giới thực vào Hợp đồng thông minh trên Blockchain. Các phụ thuộc logic mở rộng có thể tận dụng dữ liệu từ Oracle. Chúng có thể thực thi các Logic nghiệp vụ phức tạp. Ví dụ, một phụ thuộc có thể yêu cầu xác nhận thời tiết từ một Oracle trước khi kích hoạt thanh toán bảo hiểm. Điều này mở rộng phạm vi ứng dụng của Hợp đồng thông minh. Nó cho phép chúng phản ứng với các sự kiện bên ngoài chuỗi. Việc này giúp đảm bảo rằng các Ràng buộc dữ liệu và Tính toàn vẹn dữ liệu được duy trì ngay cả với dữ liệu ngoại tuyến.
VI. Tối ưu hóa logic nghiệp vụ cấu trúc dữ liệu phi tập trung
Việc nghiên cứu và áp dụng các phụ thuộc logic mở rộng không chỉ cải thiện sự hiểu biết về mô hình dữ liệu dạng khối. Nó còn cung cấp các công cụ mạnh mẽ để tối ưu hóa Logic nghiệp vụ. Đồng thời, nó tăng cường hiệu quả của Cấu trúc dữ liệu phi tập trung. Bằng cách tự động hóa việc phát hiện và thực thi Ràng buộc dữ liệu, các tổ chức có thể hoạt động hiệu quả hơn. Họ giảm thiểu rủi ro và đảm bảo Tính toàn vẹn dữ liệu cao nhất. Các phương pháp được đề xuất mở ra hướng phát triển mới cho việc thiết kế các hệ thống Blockchain và DLT thông minh. Chúng có khả năng tự điều chỉnh và đáng tin cậy. Đây là bước tiến quan trọng trong việc xây dựng các nền tảng phi tập trung của tương lai.
6.1. Logic nghiệp vụ tự động hóa và hiệu quả vận hành
Các phụ thuộc logic mở rộng cho phép tự động hóa đáng kể Logic nghiệp vụ. Thay vì mã hóa thủ công mọi Quy tắc nghiệp vụ, hệ thống có thể tự động khám phá và áp dụng chúng. Điều này giảm thiểu lỗi của con người. Nó cũng tăng tốc quá trình phát triển. Việc tối ưu hóa này dẫn đến hiệu quả vận hành cao hơn. Nó giải phóng tài nguyên để tập trung vào các nhiệm vụ phức tạp hơn. Trong các hệ thống DLT, việc tự động hóa này là cực kỳ quan trọng. Nó đảm bảo tính nhất quán và hiệu suất trên toàn mạng, củng cố Tính toàn vẹn dữ liệu.
6.2. Cấu trúc dữ liệu phi tập trung và tính nhất quán
Cấu trúc dữ liệu phi tập trung đối mặt với thách thức duy trì tính nhất quán. Các phụ thuộc logic mở rộng cung cấp một cơ chế hiệu quả để giải quyết vấn đề này. Bằng cách định nghĩa các Ràng buộc dữ liệu rõ ràng, mọi giao dịch hoặc bản ghi mới đều phải tuân thủ các quy tắc đã thiết lập. Điều này đảm bảo rằng tất cả các nút trong mạng DLT duy trì một trạng thái dữ liệu nhất quán. Nó là yếu tố cốt lõi để xây dựng các hệ thống Blockchain đáng tin cậy. Nó cũng giúp đảm bảo Tính bất biến dữ liệu và Tính toàn vẹn dữ liệu trên toàn bộ mạng lưới phân tán.
6.3. Hướng phát triển cho mô hình dữ liệu dạng khối mở rộng
Nghiên cứu này mở ra nhiều hướng phát triển tiềm năng. Có thể tiếp tục khám phá các loại phụ thuộc logic phức tạp hơn. Việc tích hợp các phương pháp máy học để tự động phát hiện Ràng buộc dữ liệu là một hướng đi triển vọng. Ứng dụng các phụ thuộc này trong các lĩnh vực cụ thể của Blockchain, như DeFi hoặc NFT, cũng rất cần thiết. Mục tiêu cuối cùng là xây dựng các mô hình dữ liệu dạng khối thông minh hơn. Chúng có thể tự kiểm tra, tự điều chỉnh. Điều này tối ưu hóa Logic nghiệp vụ và đảm bảo Tính toàn vẹn dữ liệu ở mức cao nhất. Việc này sẽ thúc đẩy sự phát triển của công nghệ Sổ cái phân tán.
Mục lục chi tiết luận án
Tải xuống file đầy đủ để xem toàn bộ nội dung
Tải đầy đủ (128 trang)Trích đoạn nội dung luận án
Tải xuống để đọc toàn bộBỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ ----------------------------- TRỊNH NGỌC TRÚC MỘT SỐ PHỤ THUỘC LOGIC MỞ RỘNG TRONG MÔ HÌNH DỮ LIỆU DẠNG KHỐI LUẬN ÁN TIẾN SĨ NGÀNH MÁY TÍNH Hà Nội - 2021 BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ ----------------------------- Trịnh Ngọc Trúc MỘT SỐ PHỤ THUỘC LOGIC MỞ RỘNG TRONG MÔ HÌNH DỮ LIỆU DẠNG KHỐI Chuyên ngành: Khoa học máy tính Mã số: 9 48 01 01 LUẬN ÁN TIẾN SĨ NGÀNH MÁY TÍNH NGƯỜI HƯỚNG DẪN KHOA HỌC: 1.TS Trịnh Đình Thắng 2. Nguyễn Như Sơn Hà Nội - 2021 i LỜI CẢM ƠN Lời đầu tiên, cho phép tác giả xin bày tỏ lòng biết ơn sâu sắc và chân thành tới PGS. TS Trịnh Đình Thắng, TS Nguyễn Như Sơn, người thầy đã tận tình hướng dẫn, chỉ bảo cho tác giả trong suốt quá trình học tập, nghiên cứu và hoàn thành luận án này. Tác giả xin chân thành cảm ơn tới tập thể các thầy cô giáo, các nhà khoa học thuộc Viện Công nghệ Thông tin, Viện Hàn lâm Khoa học và Công nghệ Việt Nam; Khoa Công nghệ Thông tin, Học viện Khoa học và Công nghệ; Viện Công nghệ Thông tin, Phòng Đào tạo, Trường Đại học Sư phạm Hà Nội 2 đã giúp đỡ về chuyên môn và tạo điều kiện thuận lợi cho tác giả trong suốt thời gian học tập và nghiên cứu.
Cuối cùng, tác giả xin gửi tới gia đình, người thân, bạn bè lời cảm ơn chân thành nhất vì đã ủng hộ, đồng hành, là chỗ dựa vững chắc và là động lực giúp tác giả hoàn thành luận án này. Tác giả luận án Trịnh Ngọc Trúc i LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu của tôi dưới sự hướng dẫn khoa học của PGS. Trịnh Đình Thắng, TS. Các kết quả được viết chung với các đồng tác giả đã được sự chấp thuận của các tác giả trước khi đưa vào luận án.
Các kết quả nêu trong luận án là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác. Tác giả luận án Trịnh Ngọc Trúc i MỤC LỤC MỞ ĐẦU. MỘT SỐ KIẾN THỨC CƠ SỞ. Mô hình dữ liệu dạng khối.
Khối, lát cắt của khối. Đại số khối. Phụ thuộc hàm trong mô hình dữ liệu dạng khối. Phụ thuộc đa trị trong mô hình dữ liệu dạng khối.
Đại số Boolean. Công thức Boolean. Bảng trị và bảng chân lý. Suy dẫn logic.
Công thức Boolean dương. Công thức Boolean đa trị. Bảng trị và bảng chân lý. Suy dẫn logic.
Công thức Boolean dương đa trị. Phụ thuộc Boolean dương trong mô hình dữ liệu dạng khối. Khối chân lý của khối. Phụ thuộc Boolean dương trên khối.
Kết luận chương 1. HỘI SUY DẪN VÀ PHỤ THUỘC BOOLEAN DƯƠNG ĐA TRỊ TRONG MÔ HÌNH DỮ LIỆU DẠNG KHỐI. Hội suy dẫn trong mô hình dữ liệu dạng khối. Công thức suy dẫn trong lược đồ khối.
Tính chất của họ tập đóng và khối chân lý. Tính chất của hội suy dẫn và khối chân lý. Các thuật toán xây dựng hội suy dẫn. Thuật toán XDF.
Thuật toán XDF-S. Cài đặt thực nghiệm thuật toán XDF. Phụ thuộc Boolean dương đa trị trong mô hình dữ liệu dạng khối. Khối m-chân lý của khối dữ liệu.
Công thức Boolean dương đa trị. Phụ thuộc Boolean dương đa trị trên khối. Bao đóng tập phụ thuộc Boolean dương đa trị. Thể hiện và thể hiện chặt tập phụ thuộc Boolean dương đa trị.
Cài đặt minh họa bài toán tìm Phụ thuộc Boolean dương đa trị trên khối. Tổng kết chương 2. PHỤ THUỘC BOOLEAN DƯƠNG THEO NHÓM BỘ VÀ PHỤ THUỘC BOOLEAN DƯƠNG ĐA TRỊ THEO NHÓM BỘ TRONG MÔ HÌNH DỮ LIỆU DẠNG KHỐI. Phụ thuộc Boolean dương theo nhóm bộ trong mô hình dữ liệu dạng khối.
Khối chân lý theo nhóm bộ của khối dữ liệu. Phụ thuộc Boolean dương theo nhóm bộ của khối dữ liệu. Bao đóng tập phụ thuộc Boolean dương theo nhóm bộ. Thể hiện và thể hiện chặt tập phụ thuộc Boolean dương theo nhóm bộ.
Phụ thuộc Boolean dương đa trị theo nhóm bộ trong mô hình dữ liệu dạng khối. Khối chân lý đa trị theo nhóm bộ của khối dữ liệu. Phụ thuộc Boolean dương đa trị theo nhóm bộ của khối dữ liệu. Bao đóng tập phụ thuộc Boolean dương đa trị theo nhóm bộ.
Thể hiện, thể hiện chặt. Cài đặt minh họa bài toán tìm Phụ thuộc Boolean dương theo nhóm bộ và Phụ thuộc Boolean dương đa trị theo nhóm bộ trên khối. Tổng kết chương 3.95 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN.97 TÀI LIỆU THAM KHẢO.100 v DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT Kí hiệu Ý nghĩa của kí hiệu XY Biểu diễn hợp của hai tập X và Y REL(U) Tập toàn thể các quan hệ trên tập thuộc tính U Tập toàn thể các quan hệ có không quá p bộ trên tập thuộc RELp(U) tính U, p 1 t*v Phép kết nối hai bộ t và v t*S Phép kết nối bộ t với quan hệ S t[X], t.X hạn chế của bộ (ánh xạ) t trên tập thuộc tính X id × id’ Kí hiệu tích rời rạc của id và id’ MP Hợp của 2 tập con M và P M {MX| X } {XY | X , Y } f*g Hội của hai ánh xạ đóng f và g u&v Phép tính nhân của 2 bộ u và v SubSet(U) Tập tất cả các tập con của U ╞ Suy dẫn logic ├ hoặc Suy dẫn theo khối ╞2 hoặc 2 Suy dẫn theo khối có không quá 2 phần tử ╞p, p Suy dẫn theo khối có không quá p phần tử ╞p,m p,m m suy dẫn theo khối có không quá p phần tử CTB Công thức Boolean CTBD Công thức Boolean dương CTBDĐT Công thức Boolean dương đa trị PTBD Phụ thuộc Boolean dương PTBDTQ Phụ thuộc Boolean dương tổng quát PTBDĐT Phụ thuộc Boolean dương đa trị PTBDTNB Phụ thuộc Boolean dương theo nhóm bộ PTBDĐTTNB Phụ thuộc Boolean dương đa trị theo nhóm bộ Fix(f) Tập toàn bộ các điểm bất động của f Gen(G) Tập sinh của giàn giao G CSDL Cơ sở dữ liệu v DANH MỤC CÁC BẢNG Bảng i: Biểu diễn quan hệ MAT_HANG.1: Biểu diễn lát cắt của khối DIEM_DG.2: Biểu diễn lát cắt thể hiện phụ thuộc hàm.1: Bảng T và bảng h trên lát cắt 1.2: Bảng T và bảng h trên lát cắt 2.3: Bảng T và bảng h trên lát cắt 3.39 v DANH MỤC CÁC HÌNH Hình 1: Biểu diễn khối MAT_HANG.2 Hình 2: Biểu diễn khối BAN_HANG.3 Hình 3: Biểu diễn mô hình dữ liệu đa chiều.1: Biểu diễn khối DIEM_DG.2: Biểu diễn khối dữ liệu r(R).3: Ví dụ về khối chân lý Tr.1: Khối chân lý Tr.2: Sơ đồ thuật toán XDF.3: Biểu diễn khối chân lý Tr.4: Sơ đồ thuật toán XDF-S.5: Khối dữ liệu Ban_hang_DT.6: Khối chân lý Tr.7: Khối chân lý Tf,m.8: Biểu đồ mô tả xu hướng khách hàng mua hàng vào mùa hè.9: Biểu đồ mô tả xu hướng khách hàng mua hàng vào mùa xuân.10: Biểu đồ mô tả xu hướng khách hàng mua hàng vào mùa đông.1: Khối dữ liệu r: Ban_hang_NB.2: Khối chân lý Tf_nb.3: Khối dữ liệu r: Ban_hang_DTNB.4: Khối chân lý Tr_dtnb.5: Khối chân lý Tf_dtnb,m.6: Biểu đồ mô tả xu hướng khách hàng mua hàng vào mùa hè.7: Biểu đồ mô tả xu hướng khách hàng mua hàng vào mùa xuân. Lý do chọn đề tài Việc quản lý, lưu trữ và khai thác dữ liệu để giải quyết bài toán thực tế trong cuộc sống đang được nhiều nhà khoa học quan tâm nghiên cứu.
Mô hình dữ liệu quan hệ do E-Codd đề xuất năm 1970 đã góp phần giải quyết bài toán lưu trữ, khai thác dữ liệu và mô tả các ràng buộc dữ liệu thông qua khái niệm phụ thuộc hàm (X Y), nhưng mô hình này chưa đủ mạnh và còn nhiều hạn chế trong việc lưu trữ và truy xuất dữ liệu có cấu trúc phi tuyến tính. Do vậy, nhiều nhà khoa học trong nước và quốc tế quan tâm nghiên cứu nhằm mở rộng mô hình dữ liệu quan hệ để giải quyết được các bài toán động, các bài toán có cấu trúc phi tuyến tính. Một số mở rộng đã được đề xuất là: Mô hình dữ liệu dạng khối (Database model of block form) [1], Khối dữ liệu (Data Cube) [2], Mô hình dữ liệu đa chiều (Multidimensional data model) [3], Kho dữ liệu (Data Warehouse) [4]. Sự ra đời của các mô hình dữ liệu này đã khắc phục được những bất cập, khó khăn trong việc theo dõi sự vận động của dữ liệu theo thời gian,.
Chẳng hạn, theo mô hình dữ liệu quan hệ do E-codd đề xuất, trong quản lý bán hàng các mặt hàng (bánh mì, bơ, sữa), ta có bảng dữ liệu (Bảng i) sau: Bảng i: Biểu diễn quan hệ MAT_HANG. MAT_HANG: MaHang TenHang Gia 01 Bánh mì 10.000đ Bảng 1 gồm các trường: MaHang (mã hàng), TenHang (tên hàng), Gia (Giá). Bảng này chính là một quan hệ trong mô hình dữ liệu quan hệ. Mỗi khi có sự điều chỉnh lại mã hàng nhằm đồng bộ, phân cấp để quản lý mã hàng được thống nhất.
Theo đó, người quản lý cập nhật mã hàng mới ứng với mỗi loại hàng. Như vậy, giá trị của mã hàng cũ bị mất đi và được thay bằng giá trị mã hàng mới. Tình trạng này cũng diễn ra tương tự với thuộc tính TenHang (tên hàng), Gia (giá) khi tên hàng hoặc giá được thay đổi. Như vậy, với cách quản lý hàng theo Bảng, người quản lý không thể theo dõi được sự thay đổi các giá trị: mã hàng, tên hàng, giá của các mặt 2 hàng theo sự vận động của thời gian.
Vì vậy, có thể nói, theo dõi quá trình thay đổi các giá trị hàng hóa theo cách quản lý trên Mô hình dữ liệu quan hệ là một công việc khó khăn. Mô hình dữ liệu dạng khối ra đời đã khắc phục được hạn chế trên, giúp cho việc quản lý trở lên đơn giản hơn, thuận tiện hơn. Ta có thể mô phỏng cách quản lý mặt hàng theo Mô hình dữ liệu dạng khối bằng Hình 1 như sau: MAT_HANG: MaHang TenHang Gia 03 B.Mỳ 01 10 02 20 Bơ Bơ sáp Sữa chua 20 10/5/2021 02 10 01 Sữa 20 5/5/2021 01 Sữa 01/5/2021 10 Hình 1: Biểu diễn khối MAT_HANG Với khối MAT_HANG, mỗi khi các giá trị của mã hàng hoặc tên hàng hoặc giá thay đổi thì trên trục thời gian và khối sẽ sinh tương ứng một lát cắt mới ứng với ngày vừa bổ sung để người quản lý cập nhật thông tin (trục thời gian có thể tính theo ngày, tháng,…). Từ khối MAT_HANG trên, ta có thể dễ dàng theo dõi quá trình thay đổi mã hàng, tên hàng hoặc giá của mặt hàng.
Nói cách khác, người quản lí có thể theo dõi được sự biến đổi các giá trị: mã hàng, tên hàng, giá cả tương ứng với các mốc thời gian cụ thể.
Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ
Trích dẫn luận án này
Trịnh Ngọc Trúc (2021). Phụ thuộc Logic Mở rộng trong Mô hình Dữ liệu Dạng Khối [Luận án tiến sĩ, Học viện Khoa học và Công nghệ]. LuanAn.net. https://luanan.net/cong-nghe-thong-tin/khoa-hoc-may-tinh/phu-thuoc-logic-mo-rong-mo-hinh-du-lieu-dang-khoi
Câu hỏi thường gặp
Luận án "Phụ thuộc Logic Mở rộng trong Mô hình Dữ liệu Dạng Khối" nghiên cứu về vấn đề gì?
Phân tích phụ thuộc logic mở rộng trong mô hình dữ liệu dạng khối, khám phá ảnh hưởng đến cấu trúc và truy vấn dữ liệu.
Luận án "Phụ thuộc Logic Mở rộng trong Mô hình Dữ liệu Dạng Khối" được bảo vệ tại trường nào?
Luận án này được bảo vệ tại Học viện Khoa học và Công nghệ. Năm bảo vệ: 2021.
Luận án "Phụ thuộc Logic Mở rộng trong Mô hình Dữ liệu Dạng Khối" thuộc chuyên ngành gì?
Luận án "Phụ thuộc Logic Mở rộng trong Mô hình Dữ liệu Dạng Khối" thuộc chuyên ngành Khoa học máy tính. Danh mục: Khoa Học Máy Tính.
Luận án "Phụ thuộc Logic Mở rộng trong Mô hình Dữ liệu Dạng Khối" có bao nhiêu trang?
Luận án "Phụ thuộc Logic Mở rộng trong Mô hình Dữ liệu Dạng Khối" có 128 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.
Cách tải luận án "Phụ thuộc Logic Mở rộng trong Mô hình Dữ liệu Dạng Khối" 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.