概率数据库理论介绍.ppt

概率数据库理论;简介;举个简单的例子来比较一下确定与不确定数据;举个简单的例子来比较一下确定与不确定数据;数据库存储信息。信息的存储形式，历来被认为是简单的事实，如 “Supplier X supplies part Y“ ;1.供应商X供应的Y的这部分有多可靠。;?随着信息管理技术的发展,现代社会已步入信息社会,信息量与日俱增。而与此相矛盾的是,在某一方面,信息量又显得非常匮乏,所掌握的信息也同时存在不确定性和不完全性。;这里，我们需要先来简介下传统的数据库。;定义：设有属性集A1和A2分别在值域D1和D2中取值，则两个属性集的笛卡尔积定义为：;则D1，D2，D3的笛卡尔积为： D1×D2×D3 ＝ ｛(张清玫，计算机专业，李勇)， (张清玫，计算机专业，刘晨)， (张清玫，计算机专业，王敏)， (张清玫，信息专业，李勇)， (张清玫，信息专业，刘晨)， (张清玫，信息专业，王敏)， (刘逸，计算机专业，李勇)， (刘逸，计算机专业，刘晨)， (刘逸，计算机专业，王敏)， (刘逸，信息专业，李勇)， (刘逸，信息专业，刘晨)， (刘逸，信息专业，王敏) ｝ ;例 给出三个域： D1=SUPERVISOR ={ 张清玫，刘逸 } D2=SPECIALITY={计算机专业，信息专业} D3=POSTGRADUATE={李勇，刘晨，王敏};对于任何关系，关系中关联着域的属性集被称为一个关系模式，关系模式集被称为一个关系库模式。 ;● 是组成该关系的属性名非空集合。;一个概率系统，就像一个关系系统。是一个四元组 ，但是它的第四个分量 p 是一个类型T-[0,1]的函数，限制为 。我们指p是V上的一个分布。;2.信息和约束;信息熵：信息的基本作用就是消除人们 对事物的不确定性。变量的不确定性越大，熵也就越大，把它搞清楚所需要的信息量也就越大。;让我们考虑一系列可以生成随机数的程序。如果我们知道这些程序生成的随机数就是1,2,3,..,n个，并且每个数字出现的概率是不一样的，不妨设概率分别是p1,p2,…,pn。那么不同的程序就会有不同的生成数字的概率。 ;假如一个程序生成3的概率是99%，而另一个程序生成1~n个数都是可能的，这件事儿我们如何用数学来刻画呢，这就是Shannon找到的信息熵公式： ;对于第二个程序，如果所有的数字都是等可能的，那么p1=p2=…=pn=1/n，那么H=log(n)。显然第二种情况下的H大于第一种情况。所以H可以描述这些随机生成数程序的信息量大小。 ;对于第二种情况，H的计算过程如下： H(1/n,...,1/n) =;由例子，我们可以得到一个重要的熵的特性：;我们来看一下关系数据库中的投影定义： 关系R上的投影是从R中选择若干属性列组成新的关系。记作：;我们举一个实际的例子。设有一个学生情况表(student).;投影：;我们引用 作为一个投影操作的结果。这个定义的有道理的，(当处理一个关系系统和特征函数r，对概率系统这个定义是相同的，除了 操作 被max取代。 与关系数据库中符号 相对应。这里，在后一个表达上，r是被特征函数取代。)系统 将作为P的一个子系统被引用，且Z是V的一个子模式 （dom|z是dom到z的限制。） ;一个p分布在数据库模式X=（V1,...Vk）上的投影是一个（数据库实例）子分布 。;数据库中的依赖关系：;通常在数据库上执行的操作（例如连接）可能导致一个分布p被一个分布q取代。为了发展大概的妥善的连接依赖的（数据库分解）的模糊想法，我们用一个信息损耗的方法作为代替。 ; 由于依赖这个关系重点我们在后面用到，这里我先简介一下最基本的函数依赖；函数依赖简单点说就是：某个属性集决定另一个属性集时，称另一属性集依赖于该属性集。 ;说明: 1.函数依赖不是指关系模式R的某个或某些关系实例满足的约束条件，而是指R的所有关系实例均要满足的约束条件。;对于一个概率系统 ， 其中有X,Y V,以及X和Y在p上适当的投影。;以后，我们用YX表示YUX;因此，一个可信的方法，关联着一个给定的系统P，是;关于多值依赖： 定义： 设R(U)是属性集U上