Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/2011 1 Étude de la relaxation de requêtes dans un contexte flexible.

Slides:



Advertisements
Présentations similaires
Les processus.
Advertisements

Les systèmes d'information 1- Une pratique quotidienne 2- Les données 3- Approche conceptuelle 4- Notion de serveur 5- Conception d'un système d'information.
CINI – Li115 1 Semaine 9 Algorithmes de tri ● Introduction ● Tri à bulle ● - principe ● - algorithme ● - efficacité ● Tri par sélection ● - principe, algorithme,
Comment ça marche ? Les sciences pour répondre aux questions de notre société Santé Alimentation Énergie Habitat Sciences de l'Ingénieur.
SQL query - 1 / D. Berrabah SQL : interrogation de BD Requêtes d'interrogation simples Requêtes complexes Agrégats et groupement.
Comparing color edge detection and segmentation methods Projet TIM.
Adopter le KM mix pour obtenir ou renforcer le leadership Préparé par: Ilham ELKORCHI Meriem NASIRI Mohammed BENMRAH Encadré par: Ouidad AMRANI.
Séquence 1 : Problème posé : A quoi sert une éolienne et de quels éléments est elle constituée ? énergie renouvelable classe de 4° Analyse de l'OT.
Un système autonomique basé sur des bases de connaissances pour améliorer les performances d’un entrepôt de données Réalisé par : OUSSAFI MOHAMMED HOURRI.
ANNEE ACADEMIQUE Institut Supérieur Emmanuelle D’Alzon de Butembo COURS: THEORIE DE BASE DE DONNEES : 45H PROMOTION: G2 Gestion Informatique.
Transformation de Laplace - Mr.Retima Abderaouf - Mr.Ghandjoui abderahmane Université 20 aout 1955 Skikda.
Construction d’une maquette pour un mélange de 4 constituants
Cours d’Econométrie de la Finance (Stat des choix de portf. IV 1-2)
Suites ordonnées ou mettre de l’ordre
Outils de Recherche Opérationnelle en Génie MTH 8414
Rappels de sixième La classification en ensembles emboîtés est une méthode pour classer et organiser la grande diversité d’êtres vivants. On les classe.
Construire des requêtes
Environnement du développement de BD ORACLE REPORTS 10g
CHAPITRE 3 Calcul numérique et puissances
Réalisé par : Ghilani Idriss Butadjine Oussama Rahmani Khaled
Microéconomie I.
Langage de manipulation de données (LMD)
Algorithmique Avancée et Complexité Chap2:Complexité et Optimalité
Chapitre 1 Généralités sur les données
Loi Normale (Laplace-Gauss)
Problématique Représentation des connaissances: base de prototypes
Université Abou Bakr Belkaid Faculté des Sciences Département d’informatique Algorithmique Avancée et Complexité Chap5: Les méthodes de résolution exactes.
Informatique et Sciences du Numérique
Les bases de données et le modèle relationnel
Algorithme de Dichotomie
POL1803: Analyse des techniques quantitatives
Cyber-Sphinx Séance 2.
Comment fonctionne RADIUS?
Les plans de mélange Les plans d’expérience : Présentée par :
Chapitre 1 Généralités sur les données
Techniques d’Optimisation Chapitre 3: Programmation en 0-1 (bivalente)
Technologies de l’intelligence d’affaires Séance 11
Université Abou Bakr Belkaid Faculté des Sciences Département d’informatique Algorithmique Avancée et Complexité Chap7: Les méthodes de résolution exactes.
République Algérienne Démocratique et Populaire Ministère de l'Enseignement Supérieur et de la Recherche Scientifique Université Saad.
C1 – Interpolation et approximation
Cours N°9: Algorithmiques Les Tableaux 1
La méthode du simplexe. 1) Algorithme du simplexe  Cet algorithme permet de déterminer la solution optimale, si elle existe, d’un problème de programmation.
Prise en compte de la pertinence et de la sincérité d’un décideur dans la déclaration d’objectifs industriels  une modélisation par la théorie des possibilités.
REVUE DE LITTERATURE. Introduction Première partie majeure dans la rédaction du mémoire, la réalisation d’une revue de littérature consiste à effectuer.
Modélisation avec UML 2.0 Partie II Diagramme de classes.
Type Concret – Type Abstrait
Système de coordonnées
Calculs des incertitudes Lundi 30 Avril 2018 Master de Management de la Qualité, de la Sécurité et de l’Environnement.
Royaume de Maroc Université Hassan Premier Settat Faculté des Sciences et Techniques de Settat LA CLASSIFICATION K-MEANS SOUS R /MATLAB Master :Automatique.
Chapitre2: SGBD et Datawarehouse. On pourrait se demander pourquoi ne pas utiliser un SGBD pour réaliser cette structure d'informatique décisionnelle.
CHAPITRE 3 Calcul numérique et puissances
OPTIMISATION 1ère année ingénieurs
Algèbre relationnelle
M. Moumnassi, S. Bordas, R. Figueredo, P. Sansen
Belkacem Ould Bouamama
Mode, moyenne et médiane
AIAC GEET-12 Année : Régulation Industrielle: Programme M.BAHATTI.
2. Méthode du simplexe et son analyse.
SUJET : E C L A T UNIVERSITE GASTON BERGER DE SAINT LOUIS UFR DES SCIENCES APPLIQUEES ET DE TECHNOLOGIE MASTER PROFESSIONNEL EN DÉVELOPPEMENT DE SYSTÈMES.
CSI 3505 Algorithmes Voraces
RABAH M ed Ali 2018/2019
INTELLIGENCE ARTIFICIELLE
Mathématiques.
CSI 3505 / Automne 2005: Conception et Analyse des Algorithmes I.
Tableau de bord d’un système de recommandation
Concepts et étapes Ateliers de formation à la mise en œuvre
INTELLIGENCE ARTIFICIELLE
Flexion 1 Une poutre droite, de longueur L et d’inertie constante est soumise à une charge uniformément répartie de taux p. Elle repose sur deux appuis.
Outils de Recherche Opérationnelle en Génie MTH 8414
La programmation dynamique
Transcription de la présentation:

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Étude de la relaxation de requêtes dans un contexte flexible présenté par : Amine BRIKCI-NIGASSA, École doctorale STIC option SIC, Faculté des Sciences Université A. Belkaïd – Tlemcen, Algérie dirigé par : Dr Mohammed-El-Amine CHIKH, Faculté de Technologie, Université A. Belkaïd – Tlemcen, Algérie Dr Allel HADJALI, IRISA/Enssat, Université Rennes 1 – Lannion, France

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Introduction Interrogation des bases de données SGBD l'utilisateur requête classique (booléenne) flexible 2 types

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Introduction Interrogation flexible des bases de données Q = P 1  …  P N requête flexible (P i prédicats graduels) Exemple : Q : retrouver les employés qui sont jeunes et bien payés jeunebien-payé

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Introduction Interrogation flexible des bases de données Exemple : jeune Prédicat P = “jeune” : Fonction d'appartenance trapézoïdale (f.a.t.): P = (A, B, a, b) = (0, 25, 0, 15) Noyau : C(P) = [A, B] = [0, 25] Support : S(P) = [A-a, B+b] = [0, 40] µ jeune (31) = 0.6

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Introduction Requêtes flexibles peuvent exprimer les préférences de l'utilisateur Satisfaction des conditions floues : une question de degrés Résultat = ensemble d'éléments discriminés.

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Introduction Réponses aux requêtes SGB D réponse non-videvide 2 types requête fructueuse requête infructueuse

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Introduction ● Problème de la réponse vide SGBD SVP ! requête réponse

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Introduction ● Problème de la réponse vide réponse : Ø ? parfois incompréhensible réponse SGBD

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Introduction ● Problème de la réponse vide SGBD souvent frustrant parfois incompréhensible

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Introduction ● Problème de la réponse vide synonyme d'échec SGBD souvent frustrant parfois incompréhensible

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Introduction ● Problème de la réponse vide ● Solution : Réponses coopératives

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Introduction ● Problème de la réponse vide ● Solution : Réponses coopératives ● Bases de données distantes = accès limité ● agir sur la requête : Relaxation BD requête relaxé e

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Introduction Relaxer une requête = relaxer ses contraintes requêtes fructueuses apparentées requête flexible : Relaxation basée sur relation de tolérance modélisée par proximité absolue relative requête classique : - Relaxation par généralisation (Motro, 1986) - Relaxation par suppression (Godfrey, 1997)

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Introduction La requête relaxée donne une réponse non vide... réponse Réponse : ● Mohammed-Reda ● Abderrahmane ● Ibrahim ● Abdeladim BD

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Introduction … qui satisfait l'utilisateur !

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Objectifs de notre travail Proposer une approche de relaxation incrémentielle et contrôlée des contraintes floues de la requête infructueuse Proposer une méthode de recherche de la meilleure relaxation sémantiquement parlant, basée sur une mesure de proximité sémantique entre les requêtes Développer un prototype permettant de tester les approches proposées

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Relaxation de Requêtes Flexibles

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Relation de proximité relative paramétrée : Cl[M] µ Cl (x, y) = µ M (x/y) (x, y ∈ ℝ ) Relaxation de Requêtes Flexibles Relaxation basée sur Relation de tolérance modélisée par

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Relation de tolérance Relation de proximité relative paramétrée : Cl[M] µ Cl (x, y) = µ M (x/y) (x, y ∈ ℝ ) ● M = (1, 1, ε, ε/(1 – ε)) est un "un" flou, appelé paramètre de tolérance ε : valeur de tolérance relative Support(M) = [1  , 1/(1   )]  V : intervalle de validité D'après [HadjAli et al., 2003] : V = [(  5  1)/2, (  5 + 1)/2] S(M) ⊆ V ⇒ ε ∈ [0, (3 – √5)/2] Relaxation de Requêtes Flexibles

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Relaxation de Requêtes Flexibles Requêtes à un Seul Prédicat (SP) Soit Q = P une requête SP, avec P = (A, B, a, b) Relaxer Q = appliquer une transformation T ↑ à P: P' = T ↑ (P) P' = T ↑ (P) = P ⊗ M avec M = (1, 1, ε, ε/(1 – ε)) P' = (A, B, a + ∆ l (ε), b +∆ r (ε)) ∆ l (ε) = A ⋅ ε ∆ r (ε) = B ⋅ ε/(1 − ε) P P' = T ↑ (P) A B a b 1 a + Δ l (ε) b + Δ r (ε)

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Relaxation de Requêtes Flexibles Algorithme 1 : Relaxation incrémentielle d'une requête SP Principe : Répète la transformation n fois jusqu'à ce que le résultat de Q n = T ↑(n) (P) = P ⊗ M n soit non vide ou S(M n+1 ) ⊈ V (requête sémantiquement trop éloignée)

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Relaxation de Requêtes Flexibles Requêtes flexibles conjonctives Stratégie de Relaxation – Soit un ensemble de transformations {T 1 ↑,..., T N ↑ } et une requête Q = P 1  …  P N l'ensemble de requêtes modifiées résultant est : {T 1 ↑(i 1 ) (P 1 )  …  T N ↑(i N ) (P N )} où i h ≥ 0 Un ordre ( ) est défini : Les requêtes relaxées forment une structure de treillis borné.

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Relaxation de Requêtes Flexibles Treillis borné de requêtes relaxées (ω=3) ω = nbre max de relaxations atomiques ω.N = nbre d'étapes de relaxation = nbre de niveaux du treillis

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Relaxation de Requêtes Flexibles Parcours du treillis : approché basée sur les MFS Minimal Failing Subqueries : MFS(Q) = les plus petites sous- requêtes de Q qui échouent Les MFS de T ↑ (Q) sont recherchées dans MFS(Q), ou égales à MFS(Q) En pratique, il suffit de calculer l'ensemble des MFS de Q pour déduire les MFS de toute requête relaxée T ↑ (Q) Technique de recherche intelligente : Énumérer k MFS de la requête infructueuse Q (peut être fait en un temps acceptable [Godfrey, 1997]) Pendant le parcours du treillis, certains nœuds ne sont pas évalués Nœuds qui préservent au moins une MFS de leur nœud parent Il est sûr que ces nœuds donnent encore un ensemble vide de réponses

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Relaxation de Requêtes Flexibles Technique de recherche intelligente, l'algorithme :

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Relaxation de Requêtes Flexibles Question qui se pose : Sortie de l'algorithme = Liste de requêtes relaxées Ces requêtes sont incomparables avec l'ordre ( ) précédemment défini: ”Comment choisir la meilleure relaxation dans List_Req ?” utiliser un ordre basé sur une mesure de la proximité sémantique cette mesure utilise la distance de Hausdorff entre les requêtes

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Recherche de la meilleure relaxation

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Recherche de la meilleure relaxation Rappel : Distance de Hausdorff – De nombreuses versions d'indices, scalaires et flous. Nous n'utiliserons qu'un indice scalaire : [Puri and Ralescu, 1983] Exemple : F = “environ_trente” = (30, 30, 3, 3) G = “entre_26_et_28” = (26, 28, 1, 1)

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Recherche de la meilleure relaxation Proximité sémantique de requêtes Requêtes SP Soit Q = P et Q' = P' deux requêtes SP (P et P' concernent les mêmes attributs) Distance de Hausdorff entre Q et Q' : Dist(Q, Q') = d H 1 (P, P') Proximité : plus petite est Dist(Q, Q'), plus proches sont Q et Q' sémantiquement exemple d'indice de proximité [Cross and Sudkamp, 2002] : s et t: constantes positives Pour nous, la valeur de l'indice est inutile : on a seulement besoin de l'ordre Cet ordre est obtenu en inversant l'ordre induit par Dist(Q, Q') Requêtes conjonctives Soit Q = P 1  …  P N et Q' = P' 1  …  P' N deux requêtes conjonctives (moyenne arithmétique)

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Recherche de la meilleure relaxation Principe de la méthode Étape 1 : Calcul de la distance pour chaque relax Q dans List-Req, calculer Dist(Q, relax Q ) Étape 2 : Ordonner List-Req dans le sens croissant par rapport à la distance Étape 3 : Meilleure relaxation = premier élément de l'ensemble ordonné List-Req

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Exemple illustratif

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Exemple illustratif Q = ”Trouver les employés jeunes et bien-payés” = P 1 ∧ P 2 P 1 = ”jeune” = (0, 25, 0, 15) P 2 = ”bien payé” = (5, +∞, 2, +∞)

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Exemple illustratif ε 1 = 0.09, ε 2 = 0.12, ω = 3 mfs(Q) = {P 2 } En appliquant l'algorithme, List-Req = {Q 22, Q 23 } Q 22 = T 1 ↑ (P 1 ) ∧ T 2 ↑ (P 2 ) Q 23 = P 1 ∧ T 2 ↑(2) (P 2 ) T 1 ↑ (P 1 ) = (0, 25, 0, 17.5) T 2 ↑ (P 2 ) = (5, 100, 2.6, 0) T 2 ↑(2) (P 2 ) = (5, 100, 3.2, 0)

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Exemple illustratif Pour choisir l'élément de List-Req qui est la meilleure relaxation de Q, on calcule : Dist(Q, Q 22 ) = ½ (d H 1 (P 1, T 1 ↑ (P 1 )) + d H 1 (P 2, T 2 ↑ (P 2 ))) = ( )/2 = Dist(Q, Q 23 )= ½ (d H 1 (P 1, P 1 )) + d H 1 (P 2, T 2 ↑(2) (P 2 ))) = ( )/2 = 0.3 On déduit que: Dist(Q, Q 22 ) > Dist(Q, Q 23 ) Q 23 est la meilleure relaxation de Q L'employé Lorant est retourné à l'utilisateur.

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Conclusion

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Conclusion Nous avons proposé une approche pour trouver la meilleure relaxation de requêtes à réponse vide dans une contexte flexible. Concept clé : proximité sémantique de requêtes définie en utilisant la mesure de la distance de Hausdorff. Cette approche peut être appliquée aussi bien pour les requêtes ponctuelles et à intervalles. Seuls les attributs avec des domaines munis d'une métrique ont été considérés.

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Perspectives Étendre l'approche aux attributs avec domaines non métriques (ex.: attribut couleur). réaliser d'autres études expérimentales, nécessaires pour démontrer l'efficience et l'efficacité de l'approche.

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Présentation du prototype

Étude de la relaxation de requêtes dans un contexte flexible. A. Brikci-Nigassa – 25/09/ Merci