论文部分内容阅读
在数据库设计阶段,如何设计一个即具有较强的语义表达能力,又简单、清晰、易于用户理解的语义数据库模型显得尤为重要。基于此目的,已有工作研究了如何将语义数据库模型—ER模型和面向对象数据(OO)模型转化为描述逻辑的知识库,从而利用描述逻辑的推理机制对ER模型和OO模型的包含关系和冗余性等推理问题进行自动推理,这有助于构建更符合实际需求的语义数据库模型,同时也是相关研究工作的动机所在。然而,在现实世界应用中,信息常常是模糊和不确定的。针对模糊知识的处理,已经存在多种形式的模糊描述逻辑和模糊语义数据库模型—模糊ER模型和模糊面向对象数据模型,但是研究基于描述逻辑的模糊语义数据库模型的工作却相对甚少。本文主要研究基于描述逻辑的模糊语义数据库模型—模糊ER模型和模糊面向对象数据模型的表示与推理,即研究如何将这两种模型转化为描述逻辑的知识库,并研究如何利用描述逻辑的推理机制对两种模型的推理问题进行自动推理。具体内容如下：针对ER模型,本文重点分析了将ER模型分别转化为描述逻辑ALUNI知识库和DLR知识库的不同之处。在描述逻辑DLR的基础之上,对DLR进行了模糊化扩展,提出了一种新的更适合于对模糊ER模型进行表示的模糊描述逻辑fuzzy DLR(FDLR)。给出了模糊ER模型的形式化定义和语义。在此基础上,实现了从模糊ER模型到FDLR知识库的转化,并给出了一个转化实例。最后研究了如何利用FDLR的推理机制对模糊ER模型的推理问题进行自动推理。当然也证明了转化和推理问题的正确性。针对OO模型,通过分析OO模型与描述逻辑ALUNI的关系,提出了一种适合于对模糊面向对象数据(FOOD)模型进行表示的模糊描述逻辑fuzzy ALUN (FALUN)。给出了FOOD模型的形式化定义和语义。研究了基于FALUN的FOOD模型,即实现了从FOOD模型到FALUN知识库的转化,并利用FALUN的推理机制研究了FOOD模型的自动推理问题。给出了一个转化实例,证明了转化和推理问题的正确性。