BASES DE DONNEES VS. BASES DE …aimeur/cours/ift6261/Presentations-etudiants... · IBM met sur le...

Traitement des Connaissances

BASES DE DONNEESVS.

BASES DE CONNAISSANCES

Manuel Aupetit

2/38Bases de données Vs. Bases de connaissances - Fév. 2004

Plan (1)Introduction

Bases de donnéesDéfinitionsHistoriqueModèle relationnel et modèles objet

Bases de connaissancesDéfinitions et motivationsExemple de méthodologie de constructionExemples de bases de connaissances


Plan (2)

ComparaisonSur le plan de la représentation des donnéesSur le plan technologiqueDomaines d’application

Conclusion

Bases de données Bases de connaissances Comparaison


IntroductionNécessité de stocker des quantités de données de plus en plus importantesL’informatique donne de nouvelles possibilités de stockage

Besoin d’organiser et stocker les connaissances (entreprises)Types de bases de connaissancesDifficulté de représentation



DéfinitionsCollection de données persistantes utilisées par des systèmes informatiques

Système de Gestion de Base de Données (SGBD)

ActeursConcepteurAdministrateur des donnéesAdministrateur de la baseUtilisateur final



Différences SGBD/BD

Base de données

Applications Utilisateurs

Système de gestion de bases de données



Rôles et niveaux d’abstractionDonnées réelles

Modèle conceptuel

Modèle externe Modèle interne

Concepteur de la base

Administrateurde la base

Administrateurdes données

Utilisateur final



Historique – Années 60Modèles orientés fichiers

Une table par fichierEnregistrements et champsEvolution avec système indexéProblèmes de redondance, pas de contrôle des données, manipulation difficile

Nom Adresse Achat

Alice Montréal CD

Alice Montréal DVD

Alice Montréal Livre 1

Bob Toronto Livre 2

Bob Toronto BD



Historique – Fin des années 60Modèle hiérarchique

Information Management System d’IBMUne table racine, relations parent-enfantsRelations "one-to-many" bien gérées

Modèle réseauCOnference on DAta Systems Languages crée groupe de recherche pour remplacer le modèle hiérarchiqueUniversal Datenbank System de SiemensRelations "many-to-many" grâce aux parents multiplesDifficile à programmer et maintenir



Historique – Années 70-80 (1)Edgar F. Codd (ingénieur IBM)

Travail de recherche d'information au niveau de la base, non au niveau utilisateurArticle publié en 1970 :

Données en structure naturelle, indépendance entre stockage physique et représentationDonnées accédées par langage de haut niveau

Problèmes avec IMS d'IBMMais réaction favorable de la communauté scientifique



Historique – Années 70-80 (2)System R (IBM)

Prototype en 74-75, version complète en 78-79Langage SQLIMS reste le standard IBM

Ingres (Berkeley)Développement commence en 73Résultats en 74, révisions, diffusion, modifications…Code libreLangage QUELArrêté en 82, devient Postgres en 85



Emergence du modèle relationnelOracle développe produit compatible SQL

Avant même IBMContribue à imposer SQL

Codd récompensé pour ses travaux en 80Association for Computing Machinery's Turing Award

IBM met sur le marché son systèmeModèle relationnel standard début années 80

Principaux acteurs aujourd'huiOracle DatabaseDB2 d'IBMMySQL (libre)



12 règles de Codd1. Représentation logique et non physique2. Données accessibles par nom de table, clé, colonne3. Données manquante = NULL4. Description représentée comme les données5. Existence d'un langage6. Mise à jour des vues7. Langage permet insertion, mise à jour, suppression8. Programmes indépendants de l'implantation physique9. Programmes indépendants de l'implantation logique10.Contraintes stockées dans le dictionnaire des données11.Programmes indépendants de centralisation ou répartition12.Contraintes impossible à contourner à bas niveau



Relationnel : Termes employés



Relationnel : Exemple simpleN° de client Nom du client Courriel du client Adresse du client N° de commande Article acheté Prix

A01 Alice [email protected] Montréal AZKVJ01 DVD 20

A01 Alice [email protected] Montréal KFOAA04 CD 14

A01 Alice [email protected] Montréal JGOAE07 Livre 7

B01 Bob [email protected] Québec FJOAR43 Meuble 400

B01 Bob [email protected] Québec FJQSO91 TV 700

N° declient

Nom duclient

Courrieldu client

Adressedu client

A01 Alice [email protected] Montréal

B01 Bob [email protected] Québec

N° de commande N° de client Article acheté Prix

AZKVJ01 A01 DVD 20

KFOAA04 A01 CD 14

JGOAE07 A01 Livre 7

FJOAR43 B01 Meuble 400

FJQSO91 B01 TV 700



Algèbre relationnelle et SQLCombinaison de relations d'opérateurs

Union, différence, produit, projection, sélection, jointure, intersection, divisionCombinaison d'opérations

SQL pour effectuer les opérationsCréation, altération, suppression de tables, insertionDéfinir des types, des domaines, des contraintes d'intégritéApparition (80) SQL1 (89) SQL2 (92) SQL3 (99)Syntaxe proche du langage courant, en anglaisImplémenté en partie par les acteurs des SGBD



Les modèles objetBinary Large Objects (BLOBs)

Milieu des 90s, données non structurées, multimédiaModèle relationnel peu adapté

Modèle orienté objetGemStone en 83, puis ObjectStore, ONTOS, O2, Matisse, Open ODB, Versant, etc. dans les années 90Objets persistants (pas comme POO)Règles similaires à Codd

Modèle relationnel-objetUniSQL/X en 92, relationnel étendu (héritage, polymorphisme…)Informix en 93, puis Oracle et IBM



Définitions et motivationsEntrepôt centralisé d'informations

Bibliothèque publique, base de données reliées à un sujet particulierRessource lue par machine et sert à diffuser l'informationNon statique

Automatisation du stockageStructure établieLiens avec données déjà existantesW3C : Internet Semantic Web



Utilisations (1)Entreprises

Organiser et stocker la connaissance propre à l'entreprise

E-learningLittérature traditionnelle exprimée de façon condenséeForme d'expression moins "littéraire"Relations entre les sujets expliciteCheminement personnel à travers les sujetsMais pas de progression dans la difficulté, accès à toutMais moins d'explications et d'exercices



Utilisations (2)Documents de référence

Dictionnaires ou encyclopédiesGlossaire évolué (hiérarchie "IsA"), héritageInformations relatives accessibles directement

Terminologie de référenceMotivation : groupes de recherches qui n'utilisent pas la même terminologie confusionProposition de définitions, compromis, référenceRecherches sur terminologie vérification, clarification



Représentation des connaissancesRussell & Norvig (1995)

Knowledge EngineeringExaminer le domaine de connaissancesDéterminer concepts importants et donner représentationAcquisition de connaissancesMaîtrise de la syntaxe et sémantique du langage de représentation, pratique et expérienceConcepts communs réutilisables une fois décrits (temps, mesures, substances, matériaux, objets courants…)OntologiesLangage précis, concis, pas d'ambiguïtéSéparation données/inférences



Méthodologie de construction (1)OursAvecTrèsPetitCerveau(Winnie)

Compréhensible par l'homme, pas par la machine

a, OursAvecTrèsPetitCerveau(a) => Idiot(a)Trop spécifique

Ours(Winnie)a, Ours(a) => Animal(a)b, Animal(b) => ChosePhysique(b)

TailleRelative(CerveauDe(Winnie), CerveauDe(OursType)) = Très(Petit)

∀

∀∀



Méthodologie de construction (2)a, Animal(a) <=> Cerveau(CerveauDe(a))a, PartieDe(CerveauDe(a), a)

Tous les animaux ont un cerveau, qui est une partie de l'animal

x,y, (PartieDe(x,y) Λ ChosePhysique(y))=> ChosePhysique(x)

Une partie d'une chose physique est aussi une chose physique

∀∀

∀



Méthodologie de construction (3)a, TailleRelative(

CerveauDe(a), CerveauDe(MembreType(EspèceDe(a)))) < Petit

=> Idiot(a)

b, Ours(b) <=> (EspèceDe(b) = Oursidé)OursType = MembreType(Oursidé)

Si un animal a un cerveau plus petit que la moyenne de son espèce, il est stupide

∀

∀



Méthodologie de construction (4)x, ChosePhysique(x) => ( t, Taille(x) = t)

Minuscule < Petit < Moyen < Grand < Immensea,b, TailleRelative(a,b) = Taille(a)/Taille(b)

Description des tailles

Moyen = 1x, (x > Moyen) => (Très(x) > x)x, (x < Moyen) => (Très(x) < x)

Description de la fonction Très

∀ ∃

∀

∀∀



ObservationsReprésentation beaucoup plus complexe que la première ligne trop simpliste

Propriétés réutilisables pour tous animauxHiérarchie Ours/Animal/ChosePhysiqueChoix d'échelle de dimensions

Quelques règles simplesPourquoi une phrase est vraie, sinon chercher à la rendre vraie si elle doit l'êtreGénéraliserRelier une nouvelle classe à celles déjà créées



Exemples concrets

Wikimedia Foundation

Juin 2003, suite à WikipediaWikipediaWiktionaryWikiquoteWikibooksWikisourceNupedia (encyclopédie non Wiki)



Wikipedia (1)Caractéristiques

Encyclopédie gratuiteCréée en 2001200 000 articles en langue anglaise, 45 000 en allemand



Wikipedia (2)

RéservesEncyclopédies de différentes langues totalement disjointesRecherches par Google



WiktionaryCaractéristiques

Dictionnaire créé en décembre 2002Section en anglais comprend 30 000 entréesDéfinitions en anglais de tous les mots de toutes les langues, synonymes, traductions, prononciation, étymologieFutures améliorations : définitions dans toutes les langues

InconvénientsTout le monde peut entrer une définition, sans même s'enregistrerErreurs à prévoir



Wikiquote, Wikibooks & WikisourceWikiquote

Collection de citationsRecherches par auteur, thème, œuvre, pays, type…

WikibooksBase de textes pédagogiquesPlutôt pour étudiantsPas très développé, trop récent

WikisourceBase de textes du domaine public (textes de lois, déclarations, littérature ancienne, hymnes, discours…)Pas écrit par des utilisateurs



Diverses bases de connaissancesA vocation technique

Site de support de MicrosoftIndiana Knowledge Base (9 000 réponses)

A vocation généralisteWhatis.comFact Guru, créé par une Université d'Ottawa qui développe des bases pour des clients

Sociétés de KBKnowledgeBase.netBrainEKP (Enterprise Knowledge Platform)



Représentation des donnéesBase de données

Détails sur collections de donnéesStructurée pour un humain, mais pas d'inférences interprétables par une machine

Base de connaissancesDescription des caractéristiques de types d'élémentsEnsemble de règles qui donnent du sens et lient les éléments entre eux de par leur natureBeaucoup plus riche et complexeEn théorie, description du monde possible



Plan technologiqueLes bases de connaissances gèrent la représentation des données, qui peuvent être physiquement stockées dans une BD

Intérêt des modèles objet

Processeur decommunication

Base deconnaissances

Base dedonnées

Système degestion de BC

Système degestion de BD



Domaines d'applicationBases de données

Données bancairesClients, patientsDonnées administrativesCommerce électroniqueDonnées brutes sans relations de classes

Bases de connaissancesConcepts reliésReprésentation de concepts générauxDescription d'un monde structuré



ConclusionRemarques

Bases de données largement suffisantes dans certains domainesRéfléchir aux besoins de représentation que l'on aBases de données trop implantées dans certains domainesBases de connaissances domaine complexe, mais pourtant exemples de liberté de modifications sur le Web…Connaissance trop complexe pour être représentéeConnaissance d'un expert trop dense pour être acquiseNe pas considérer une base de connaissances comme une référence ultime, trop dangereuxValeur de la connaissance représentée ?


Références bibliographiquesRussell, S.J.; Norvig, P.; "Artificial Intelligence: A Modern Approach"; Prentice Hall; pp. 149-291; 1995Codd, E.; "Is Your DBMS Really Relational?"; ComputerWorld; 14 Octobre 1985Codd, E.; "Does Your DBMS Run By the Rules?"; ComputerWorld; 21 Octobre 1985Date, C.J.; "Introduction to Databases"; Addison-Wesley, 2004Craven, A.; DiPasquo, D.; Freitag, D.; McCallum, A.; Mitchell, T.; Nigam, K.; Slattery, S.; Learning to construct knowledge bases from the World Wide Web; Artificial Intelligence 118, Elsevier; Juin 1999Goñi, A.; Blanco, J.M.; Illarramendi, A.; "Connecting Knowledge bases with databases: a complete mapping relation"; Facultad de Informática, Universidad del País VascoHan, J.; Cai, Y.; Cercone, N.; "Knowledge Discovery in Databases: An Attribute-Oriented Approach"; Proc. of 1992 Int'l Conf. on Very Large Data Bases (VLDB'92); pp. 547-559; Vancouver, Canada; Août 1992Simonet, A.; Simonet, M.; Bassolet, C.-G.; Roger, M.; "A View-Centred Approach Unifying Databases and Knowledge Bases"; IASTED AI'2000, Practical Applications of Artificial Intelligence; Mars 1999


Références Internet"Introduction to Databases";http://www.fbi.fh-darmstadt.de/~databases/schedule.html"Introduction to Databases for the Web: Pt. 1"; 16 Août 1998; http://www.databasejournal.com/sqletc/article.php/1428721"Dr. E. F. Codd's 12 rules for defining a fully relational database";http://www.cis.ohio-state.edu/~sgomori/570/coddsrules.html"Bases de données";http://www.ced-entreprises.com/polenet/competences/bases1.htm"Le modèle Objet-Relationnel"; http://info.mfca.ups-tlse.fr/BD/Modele-OR.htm"Knowledge Base", searchCRM.com Definitions; http://searchcrm.techtarget.com/sDefinition/0,,sid11_gci753399,00.html"The Rise of Relational Databases" (Chap. 6); Funding a Revolution: Government Support for Computing Research; http://www.nap.edu/readingroom/books/far/ch6.htmlWikimedia Foundation; http://wikimediafoundation.orgIndiana Knowledge Base; http://kb.indiana.eduFact Guru; http://www.factguru.comSuperior Knowledge Base; http://www.thebrain.comKnowledge Base Software; http://ww.knowledgebase.net

http://www.fbi.fh-darmstadt.de/~databases/schedule.html

http://www.databasejournal.com/sqletc/article.php/1428721

http://www.cis.ohio-state.edu/~sgomori/570/coddsrules.html

http://www.ced-entreprises.com/polenet/competences/bases1.htm

http://info.mfca.ups-tlse.fr/BD/Modele-OR.htm

http://searchcrm.techtarget.com/sDefinition/0,,sid11_gci753399,00.html

http://www.nap.edu/readingroom/books/far/ch6.html

http://wikimediafoundation.org/

http://kb.indiana.edu/

http://www.factguru.com/

http://www.thebrain.com/

http://ww.knowledgebase.net/

BASES DE DONNEES VS. BASES DE …aimeur/cours/ift6261/Presentations-etudiants... · IBM met sur le...

Documents

Transcript of BASES DE DONNEES VS. BASES DE …aimeur/cours/ift6261/Presentations-etudiants... · IBM met sur le...