（计算机应用技术专业论文）基于文字计算的智能查询系统研究.pdf

基于文字计算的智能查询系统研究 计算机应用技术 研究生魏冬梅指导教师裴峥 摘要 传统的关系数据库采用关系模型作为数据的组织方式，其中的关系模型是 以布尔逻辑和精确的数据工具为基础，不能表示模糊的、不确定性的信息。因 此，当前的d b m s ( 数据库管理系统) 只能解决精确的查询问题，对于以自 然语言表述的模糊查询则很难处理。 为了获取模糊查询的结果，通常有两种方法：一是建立模糊的数据库系统， 事先存放的都是已经模糊化了的数据；二是基于模糊逻辑理论，以现有的关系 数据库模型为基础，定义各种模糊运算，建立模糊数据上的函数。通过条件语 句的转换对s q l 查询语言进行模糊化扩展，使其能处理模糊的查询条件。这 种方法相对比较简单，且与普通查询密切相关。文献 5 针对s q l 语言的 s e l e c t 语句进行了模糊扩展，讨论了带权重的模糊查询，但其文中所引入 的权重对于客观事物的复杂性和不确定性，以及人类思维的模糊性并未多加考 虑，所给出的权重是用户任意指定的精确数值，不太符合现实情况。 文字计算 4 1 是智能信息处理方法中的一个重要研究方向，它主要处理基于 感知的信息，以文字取代数值进行计算，模仿了人脑的思维过程。目前，文字 计算理论和方法已广泛应用于知识表示、数据挖掘和知识获取等领域。 本文结合文字计算的理论方法针对人事信息中的模糊查询实例，讨论了基 于关系数据库的模糊查询方法及具体实现。在查询条件中，我们设置了权重， 并分别讨论了权重为数值和语言值的情况下，模糊查询的实现；当权重为语言 值时，结合语言聚合算子，将聚合的方法应用于权重的计算中，使查询结果对 查询条件的匹配度的计算更为合理；并讨论了匹配度相同的结果排序的方法。 本文的仿真实例说明了本文方法的有效性及潜在的应用价值。 关键词：文字计算、语言聚合算子、权重、模糊查询 一 煎坐太堂亟堂位途皇 t h es t u d yo fi n t e l l i g e n tq u e r ys y s t e mb a s e d o n c o m p u t i n g w i t hw o r d s c o m p u t e ra p p l i c a t i o nt e c h n o l o g y m d c a n d i d a t e ：w e id o n g m e is u p e r v i s o r ：p e iz h e n g a b s t r a c t t h et r a d i t i o n a lr e l a t i o n a ld b si sb a s e do n2 - v a l u el o g i ca n dp r e c i s ed a t a t o o l ，a n di ti sv e r yd i f f i c u l tt od e a lw i t ht h ef u z z ya n du n c e r t a i ni n f o r m a t i o n s o ， d b m se x i s t i n gc o u l dn o tp r o c e s sq u e r ye x p r e s s e dw i t hn a t u r a ll a n g u a g e g e n e r a l l ys p e a k i n g ，t w om e t h o d sa r ei n v o l v e di ng a i n i n gt h er e s u l t so ff u z z y q u e r y o n ei st os e tu paf u z z yd b m sp r e s t o r i n gf u z z yd a t a ，a n d t h eo t h e rm e t h o d i st oe x t e n ds q lb yt r a n s f e r r i n gc o n d i t i o n a ls e n t e n c e sb a s e do nt h et h e o r yo f f u z z yl o g i c a n dt h ep r e s e n tr e l a t i o nd b sp a t t e r n ，t h a ti st h em o d e lo fr e l a t i o n d a t a b a s e t h u si tc a nd e a lw i t hf u z z yq u e r yt e r m s ，c a r r yo u tt h ep r e c i s es q lm a t c h a f t e rt r a n s f e r r i n gt h ef u z z yc a l c u l a t i o nt oaf u z z ys c o p e t h i sm e t h o di sr e l a t i v e l y s i m p l ea n dc l o s e l yc o n n e c t e dw i t ht h ec o m m o ni n q u i r y p a p e r l 5 j r e a l i z e st h ef u z z y q u e r y w i t hw e i g h tt h r o u g hf u z z ye x t e n s i o no fs e l e c ts e n t e n c e si ns q ll a n g u a g e b u tt h eg i v e nw e i g t hi sc a s u a l l ya d m i n i s t r a t o r - a p p o i n t e dp r e c i s ed a t aw i t h o u tm u c h c o n s i d e r a t i o nt ot h ec o m p l i c i t i e sa n du n c e r t a i n t i e so fo b j e c t i v et h i n g sa sw e l la st h e f u z z y n e s so f h u m a nt h o u g h t s t h e r e f o r et h ew e i g h td o e sn o ta l w a y sf i tt h er e a l i t y c o m p u t i n gw i t hw o r d s 4 1i s ab r a n d n e wm e t h o do fi n t e l l i g e n ti n f o r m a t i o n p r o c e s s i ti sb a s e dc a l c u l u so fl i n g u i s t i c a l l yq u a n t i f i e dp r o p o s i t i o n sa n di m i t a t i n g p r o c e d u r e o fb r a i nt h i n k i n g c w wh a sd e v e l o p e dv e r yw e l l a n dp l a y e da n i m p o r t a n tr o l e i n m a n yr e s e a r c hd o m a i n s ，s u c ha s ：f u z z yc o n t r o l ，k n o w l e d g e e n g i n e e r i n g ，p a t t e r nr e c o g n i t i o n ，e t c t h i st h e s i sm a k e si tp r a c t i c a lf o rt h ef u z z yq u e r yi nt h ep a r to fl a n g u a g ed a t a o fd b sb yu s i n gc w w ( c o m p u t i n gw i t hw o r d s ) t h e o r ya n dp u t t i n gt h ee x a m p l e s 1 1 o fp e r s o n n e li n f o r m a t i o nf u z z yq u e r y i to f f e r saw a yt os e tt h r e s h o l da n dw e i g h t f o rq u e r yt e r m sa n dt oc a l c u l a t ew e i g h tb yc o n n e c t i n gl i n g u i s t i c a g g r e g a t i o n o p e r a t o r w i t h o u tt h ek n o w l e d g eo fw e i g h t a sar e s u l t ，t h ee x a m p l e sv e r i f yt h e e f f e c t i v e n e s so fm e t h o d sm e n t i o n e dt h i st h e s i sa n ds h o wt h e p o t e n t i a l o f a p p l i c a t i o n i nt h i sf i e l d k e y w o r d s ：c o m p u t i n gw i t hw o r d s ，l i n g u i s t jca g g r e g a t i o no p e r a t o r ，w e i g h t ， f u z z yq u e r y 丛垡厶堂亟：生鲎位迨塞 9 声明 本人声明所呈交的学位论文是本人在导师的指导下进行的研究工作及取 得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人 已经发表或撰写过的研究成果，也不包含为获得西华大学或其他教育机构的学 位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已 在论文中作了明确地说明并表示谢意。 本学位论文成果是本人在西华大学读书期间在导师指导下取得的，论文成 果归西华大学所有，特此声明。 作者签黜年 上月娜 导师签名：年月 日 耍垡太堂硒堂位途塞 1 0 授权书 西华大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规 定，同意学校保留并向国家有关部门或机构送交论文的复印件和电 子版，允许论文被查阅和借阅，西华大学可以将本论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复 印手段保存和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书； 2 、不保密适用本授权书。 ( 请在以上口内划4 ) 学位论文作者签名跳指导教师签名： 日期：辩上弘日期： 一5 3 1 概论 1 1 研究背景 d b m s ( 数据库管理系统) 仍然以关系模型为主流，数据库领域的研究工 作大多都是围绕关系模型的方法展开的。由于关系数据库理论和数据库模型几 乎都以经典的数学工具为基础，因此，它只能够处理精确数据。而现实社会存 在大量无法回避的模糊信息，人们对数据库的查询也并不总是精确的。比如需 要在数据库中查找“年纪较大、工资较高的员工”，查询条件中“年纪较大” 和“工资较高”就具有模糊性，当查询并不要求得出精确匹配的结果时，即， 只需要结果在一定程度上满足查询条件，传统的关系数据库查询方法不能实 现，模糊逻辑则是解决此类问题的行之有效的方法。 1 9 6 5 年，著名控制论学家l a z a d e h 教授提出了模糊集合( f u z z ys e t ) 理论，继而又提出了f u z z y 算法、f u z z y 系统、以及语言变量等一系列具有丌 创性的概念。在数据库领域，有许多研究致力于用模糊理论来扩展数据库系统， 把“不确定。i 生( u n c e r t a i n t y ) ”引入数据库，使得数据库的查询操作更符合实际。 这类研究主要表现在两个方面：一是在关系数据库的模型中引入“模糊”概念， 构造模糊数据库；二是在关系数据库中使用模糊逻辑的方法，构造一种接口， 实现模糊查询，这一领域的研究主要集中在查询的模糊化上。本文将文字计算 的理论应用于处理查询的模糊化，针对人事管理数据库，给出一种具体实现方 法。 此外，现有的数据库也不能直接实现用户偏好或带有倾向性的查询条件， 比如在租房过程中“要找一间租金便宜，面积中等的住房”，有的人觉得价格 是最重要的考虑因素，也有人觉得面积更为重要，这就要求在查询中能反映用 户对各条件的重视程度，于是就有了带权重的查询。带权重的模糊查询将是数 据库查询的发展趋势，因为它将在房地产、旅游资讯、人力资源管理、信息管 理系统等领域有广泛的应用价值。 1 2 国内外研究现状 1 9 6 5 年，l a z a d e h 教授提出了模糊集合理论，随后这一理论被运用于信 息处理、自动控制等领域。在数据库领域，也有许多研究致力于运用模糊理论 来扩展数据库系统的研究，并将“不确定。眭( u n c e r t a i n t y ) ”引入数据库。这种 “不确定性”包含两层含义，对应着模糊理论在数据库应用研究，主要表现在 两方面：一是要存储、处理的数据库表的某些属性值本身是具有不确定性的数 据，这方面的研究以模糊数据库为核心；二是数据库表中的数据是精确的，只 是用户在查询条件的表述含有意义上的模糊性，查询的结果也具有一定的不确 定性，这种“不确定性”体现为更灵活的查询( f l e x i b l eq u e r y ) 。此类查询实 质上是为关系型数据库提供模糊查询的接口，并且这类查询对于描述偏好和得 到有序的结果集非常有用，更符合实际。 自1 9 7 0 年e f c o d d 提出关系数据库模型以来，关系数据库的理论研究已 相当完善，相应的技术也很成熟。目前关系数据库管理系统( r d b m s ) 是数据 库产品市场的主流。基于关系数据库的模糊扩展，主要体现在以下两个方向， 即模糊数据库设计和关系数据库模糊查询的研究。 1 ) 模糊数据库设计 传统的关系数据库以经典二值逻辑为数据基础，而客观事物大多具有不确 定性和模糊性，一般不能用二值逻辑和经典的数学方法来精确刻画。为了使数 据库描述的模型更加贴切地反映客观世界，把“不确定性”和模糊性引入数据 库，是模糊数据库研究的目的。 国际上对模糊数据库的研究主要是从8 0 年代初开始的，旨在克服传统关 系数据库系统难以表达和处理模糊信息的弱点，进而扩展数据库的功能，开拓 更新、更广的应用领域。国外在这方面的研究比较成熟，j g a l i n d o 等人提出 了模糊数据库的查询语言f u z z ys q l ，并在o r a c e l 上实现了f s q l 服务器，在 该系统上可以存储模糊数据，可以对精确的、模糊的甚至语言值属性进行模糊 查询【54 | 。文献 2 1 】提出了一种处理模糊数据库中嵌套的模糊查询的有效方法。 2 ) 关系数据库模糊查询的研究 由于传统的关系数据库只能表示和处理精确信息，若修改成模糊数据库既 酋垡叁堂亟堂僮诠塞 ， 费时又费力，为了使关系型数据库能实现具有模糊特征的语言值对关系数据库 进行查询，目前也有很多专家着力于将模糊集理论应用于数据库查询的研究。 j k a c p r z y k 自1 9 8 6 年以来一直致力于查询的模糊化研究。j k a c p r z y k 在 查询的描述中引入模糊集合或语言词，同时结合模糊量词，以a c c e s s 为平 台，设计了模糊查询系统f q u e r y 。e b o s c 等人自8 0 年代以来在对标准s q l 进行模糊扩展方面做了许多工作，文献 3 2 提出了关系数据库中利用力截集实 现含模糊关系的s q l 查询的转换机制。文献 4 8 】实现了在s q l 中仍使用精确 数值，对查询的结果集采用基于距离的模糊等价关系和模糊聚类的方法整合进 查询系统。 国内在这领域的研究较少，近年来除了原有的研究单表查询模糊化外，也 有一些致力于深入研究的文章，主要代表有何新贵，他提出了模糊数据模型、 模糊数据库语言和模糊数据库管理系统等概念【1 6 17 1 。南京信息工程学院的张 颖超教授和他的学生近几年在这方面也作了相应研究，文献 2 6 】介绍了一种含 模糊语言量词的s q l 查询方法；文献 5 讨论了多表查询的模糊化，并在其中 加入了权重。这些都很好的促进了模糊查询技术的发展。 1 3 研究趋势 文中提及的智能查询，主要是指使用自然语言为条件，实现数据库的模糊 查询操作。随着计算机技术和网络技术的发展，这类查询的研究是必然趋势。 而且，支持权重的数据库查询，以及基于语言值权重的查询等都会有很广泛的 应用前景，将是该领域的研究方向。虽然目前涉及到权重的关系数据库模糊查 询研究的并不多，可参考的文献也较少。但是，针对其潜在的实用价值可以肯 定，它将会是数据库研究的热点，因为它将促进社会诸多领域的应用和发展， 比如：网络信息检索、房地产楼盘销售、企业管理、决策评价、人力资源管理、 信息管理系统等。 1 4 本文的主要研究内容和框架 本文以模糊理论为基础，将文字计算的理论应用于数据库查询技术，并且 对模糊查询方法，作进一步研究，结合模糊隶属函数、模糊化算子，讨论了以 语言值进行基本查询、复合条件查询、设定阈值和权重的查询；采用a 截集作 反模糊化处理；以人事查询实例实现了部分查询功能。创新点在于能够实现基 于语言值输入项的数据查询；应用l w c 算子和l w d 算子解决了设定语言值权 重的复合条件查询的方法，在提高效率的同时也进一步贴近了人类查询的自然 语言。 1 5 论文的组织 论文共分为六章： 第一章：概论：介绍论文的研究背景、国内外研究状况、论文的体系结构。 第二章：预备知识：模糊理论和文字计算的相关知识。 第三章：数据库查询技术的介绍：s q l 模糊扩展，讨论基本查询、复合查询、 设定阈值和含有权重的查询，讨论了反模糊化处理。 第四章：分别讨论了权重为数值和语言值两种情况下，模糊查询的实现和结果 的排序问题：重点是以文字计算为理论基础，讨论了如何应用l w c 算子和 l w d 算子解决设定语言值权重的复合条件查询的问题。 第五章：基于所阐述的方法，实现查询实例。 第六章：结论与展望。 2 预备知识 2 1 模糊数学基础 2 1 1 模糊集的运算 本文将用到模糊集理论中的部分相关知识。目前，模糊集理论已发展得较 为完善，其理论研究几乎覆盖了所有的数学分支。以下仅介绍与本文内容直接 相关的模糊集知识。 数据库中存储的数据被分为不同类型，例如：整型、实型、逻辑型、同期 型，也可以由用户自定义为其它抽象数据类型。为了定义一种抽象数据类型， 需要注意： 1 ) 属于该数据类型的数据的数据结构，从而划定该数据类型的数据构成 的范围，即一个数据的集合。 2 ) 可以在该数据类型上定义模糊集的补、交、并运算。 定义2 1 ：a 表示模糊集a 的补集，则厂。 ) = 1 一l ) 。 定义2 2 ：具有隶属函数l ( u ) 和厶( “) 的模糊集合a 和b 的交集是c ，记作 c = an 曰。c 的隶属函数定义为： ( “) = m i n f a ( “) ，0 ( “) ，“u 。 定义2 3 ：具有隶属函数 ( “) 和 ( “) 的模糊集合a 和b 的并集是c ，记作 c = au b 。c 的隶属函数定义为：厂c ) = m a x f a ( ”) ，厶( m ) ) ，1 , u 。 例2 1 ：假设u = 甲，乙，丙，丁 ，a = “矮”，隶属度为：( 0 9 ，1 ，0 6 ，0 ) ， b = “瘦”，隶属度为：( 0 8 ，0 2 ，0 9 ，1 ) ，求c = ”又矮又瘦”? 利用模糊集“交”运算， 则c = anb = ( 0 9a0 8 ，1 八0 2 ，0 6a0 9 ，0a1 ) = ( 0 8 ，0 2 ，0 6 ，0 ) ，结果为：甲 和丙。 2 1 2 五截集、支集 在模糊集与普通集合之间相互转化中的一个重要概念是兄截集，它在模糊 查洵的反模糊化处理中起着非常重要的作用。 例2 2 ：学生表中，l o 名学生及其身高( 单位：c m ) 分别如表2 1 所示： 表2 1 例2 2 t a b l e2 1e x a m p l e2 2 学生 尺l r 2 r 3r 4r 5r 6r 7r 8r 9r l o 身高( c m ) 1 6 51 7 01 5 518 018 51 7 317 71 6 8 1 5 018 2 为了筛选出“身高较高”的学生，可以设模糊集合j 表示“身高较高”， 按各人身高与身高最大值的比值作为属于a 的隶属度： 彳：螋+ 咝+ 巡+ 盟+ 上+ 螋+ 她+ 蛆+ 盟+ 塑 j r l尺2r 3尺4尺5尺6 尺7 r 8 r 9 r l o 可以设定一个阈值旯( o 五1 ) ，将模糊集j 转化为普通集合，实现反模糊化 处理。即先确定兄后，将隶属度匀( x ) 旯的元素选出来。假设旯= 0 9 ，有 a o9 = r 2 ，r 4 ，r 5 ，r 6 ，r 7 ，r 8 ，r l o ) ；当见= 1 时，a i = r 5 ) 。 定义2 4 h “1 ：a 为论域u 上的模糊集合， ( 1 ) v 名 o ，l 】，a = ( “ul 厶( “) 五 u 称为模糊集合a 的五截集( 如 图2 1 所示) 。五称为阈值或置信水平。特别的a 1 “uu a ( “) = 1 ) 称为彳的 核，记为k e r a 。 ( 2 ) v a o ，1 ，a a = “ui 厶( “) a ) u 称为模糊集合a 的兄强截集。 特别的a o = , ui 厶( 甜) 0 ) 称为a 的支集，记为s u p p a 。 山定义2 4 可知彳_ 是一个普通集，对v u u 当a ( u ) 允时，就说明u a a ， 即在允水平下“属于模糊集a ；当a ( u ) 1 ，称为集中化算子； 假设五 1 ，称为散漫化算子， 定义2 7 ：如果原子词的隶属函数是( x ) ，可采用一种规定是： 1 ) “非常”的隶属函数为 ( x ) 】2 2 ) “比较” 的隶属函数为 ( x ) 恐 3 ) “非常非常” 的隶属函数为 ( x ) 】4 4 ) “有点”的隶属函数为 ( x ) 局。 例2 5 ：若“年轻”的模糊集a 为： f 1 ， 彳( x ) 2 + ( x 亏2 5 ) 2 ， 0 x 2 5 ( 2 1 ) 2 5 x 2 0 0 根据上式2 4 ，3 0 岁的年轻程度a ( 3 0 ) = 0 5 ，3 5 岁的年轻程度a ( 3 5 ) = 0 2 ， 则表示“非常非常年轻”的模糊集为： a ( x ) = 1 ， 1 + ( 孚) 2 _ 4 ， 0 x 2 5 ( 2 2 ) 2 5 x 2 0 0 此时，3 0 岁的人“非常非常年轻”的程度就只有0 0 6 2 5 。 3 模糊量词 查询中，有一些词语能表示模糊概念，象“大约”、“大多数”等，这类词 称为模糊量词，一般的使用形式如下： 尉( x ) = l - l e a ( x ) = v y u ( ( x ，y ) a l ( y ) ) 其中a 是表示精确的词语，f 是模糊算子，e 是： x yi 万， x yi 万， ( 2 3 ) ，、厂p 。0 7 ，x - y 5 0 ，( 2 - - 4 ) 人约| 50 ( x ，少2 t 。： i x - y i 5 。， 2 2 3 文字计算的研究现状 19 9 6 年l a z a d e h 提出“文字计算”( c o m p u t i n gw i t hw o r d s ) ，标志着模 糊粒化理论的诞生，其目的是为了实现模糊智能控制。自此，文字计算已经得 到广泛重视和研究，1 9 9 8 年h e l m u t t h i e l e 教授发表了“文字计算理论的语义 模型”，促进了文字计算理论的发展。2 0 0 1 年z a d e h 又在文中提出了“广义约 束语言”的概念；p a u lw a n g 主编的c o m p u t i n gw i t hw o r d s 一书，对该理论有 了进一步发展。而且，伴随着网络的飞速发展，文字计算的理论方法也逐渐应 用于i n t e m e t 领域研究，如：基于文字计算，讨论了在i n t e m e t 获取信息的语 言加权平均算子，提出一种新的语言聚合算子历。，可以从数据库中抽取复 合语言数据摘型j j ；应用文字计算和机器学习，解决了如何获取、表示、刻画 孚眈 ，l p rl，f、l = 、，少 x 诊断知识的最小典型单元的问题【4 0 】；基于文字计算，通过为所选文档类型定 义的有意义的元素定义语言重要属性，提出一种通用标记语言( g m l ) 的模糊评 价方法【1 2 1 ；文献介绍了处理数据库自然语言元素的一种模糊接口【1 1 。 2 3 本章小结 本章作为沦文的预备知识，首先介绍了与论文内容直接相关的模糊集知识 和文字计算的基本概念、发展趋势，同时针对语言方法中涉及到的语言变量、 模糊量词等给出基本定义和运算法则，为后续章节作铺垫。 3 数据库查询技术 3 1 智能查询技术 在不确定的环境下，数据库所提供的信息常常作为决策者指定和问题求 解的输入信息。在实际应用中，对于具有不确定性的事务或非精确数据的处理， 一般使用近似推理的方法来解决。智能信息系统在用于决策支持时需要对非确 定性数据进行有效的处理，模糊逻辑提供了一种基于非确定数据和使用非确定 推理规则的近似推理的模拟机制，使得人类知识及自然语言中所固有的不确定 性，可以通过近似推理方法来推导出结论，由此产生了基于数据库概念和模糊 集合论的模糊查询系统。 为了提高用户查询的智能化程度，系统对查询直接应答的同时，可以对 查询内容进行分析，利用知识库中的知识、元数据和数据挖掘方法提供的支持， 对查询内容或查询结果进行一些处理，提供一些额外信息和知识，满足用户的 需要。智能查询应当包括查询内容分析和为查询提供概化，或相关联的额外信 息。数据查询的智能回答是通过对查询内容进行分析，提供一些一般化，邻近 的或相关结果。对一个数据查询进行智能回答存在很多方法，包括结果的概化 和归宗，结果解释或返回隐含信息，使用相关和临近信息改写查询，类似查询 结果的比较。 智能查询应答过程要涉及数据模型的语义知识、领域背景知识和数据挖 掘技术，来对查询进行分析，对数据查询结果进行解释、概化、推理或汇总。 基于a g e n t 的智能查询技术来源于人工智能领域，是目前一个研究热点。 智能a g e n t 能够从用户的反馈中了解用户的兴趣并生成知识和规则，然后利用 所学到的知识和规则，反馈给用户感兴趣的信息块，网页或站点。目前基于 a g e n t 的智能查询主要应用于检索领域。 以上这些智能技术对于本课题的研究都有很大的借鉴意义。 3 2 查询方式 当前信息系统中采用的查询方式主要有以下两种： 1 ) 列表方式： 将要查找的内容，根据类型进行分类，例如列表方式是包括文字查询、目 录查询和地图查询，结果按列表方式进行显示。这和查询方式的优点就是查询 速度快，而且给出的结果很明确，查询的有效性高，但是，这样给出的查询结 果是在以后给定的框架中显示，所以灵活性不够，查询的广度不够。 2 ) 直接在查询框中输入查询内容： 这是数据查询中最常使用的方式。这样查询方式的优点是查询的范围广， 结果包含量大，对于要查询内容不需要十分的准确。这样查询方式的缺点就是 会因为内容不够明确查询的结果的有效性不够，查询的深度不够。 3 3s q l 模糊查询的实现 3 3 1 s q l 简介 s q l ( s t r u c t u r e dq u e r yl a n g u a g e ) 是一种数据库查询语言，用于关系数据库 的数据定义、数据操纵、数据查询和数据更新。s q l 是高级的非过程化编程 语言，允许用户在高层数据结构上工作。它不要求用户指定对数据的存放方法， 也不需要用户了解具体的数据存放方式。具有完全不同底层结构的不同数据库 系统，可以使用相同的s q l 语言作为数据输入与管理的接口。在多数情况下， 其他语言需要一大段程序实现的功能，s q l 只需要一个语句就可以达到目的， 这也是s q l 语言灵活性和功能强大的体现。数据查询是s q l 的核心功能，一 个典型的s q l 查询语句结构如下： s e l e c t f r o m w h e r e 3 3 2s q l 的模糊扩展 s q l 可以通过增加比较运算符( b e t w e e n ，l i k e ，i n 等) 或增加逻辑运算符 ( n o t ，a n d ，o r 等) 来构造查询条件，以实现复杂的模糊查询。然而，即便条件 构造得再复杂，也是局限于属性与条件表面的查询，即，字与字，词与词相似 或相等的匹配问题，这类模糊处理仍然是基于数值的概念，不能直接处理基于 酋垡奎堂亟堂位途塞 语言值的模糊概念。因此，需要构造隶属函数，建立模糊模型将模糊问题转化 为经典问题，完成这些查询需求。 扩展的模糊s q l 语句主要是指查询时允许对含有模糊量词和语言变量的 条件进行查询。为此，需要处理两方面的问题： 1 ) 扩展查询语言的语法 2 ) 扩展查询语言的语义 基于s q l 的查询语句，对条件子句作以下扩展： s e l e c t f r o m w h e r e 其中w h e r e 子句： = ； = o r = = i a n d = = i f = 例3 1 ：要查找“非常年轻且工资在1 0 0 0 元左右的员工基本情况”，表示为： s e l e c t 木f r o m e m p l o y e e w h e r e 年龄= “非常年轻”r 、工资= “10 0 0 左右” 模糊化的s q l 的结构可以表示为： s e l e c t a 1 ，a 2 ，a 。f r o m rw h e r efw i t h 旯 其中a i 表示属性，厂是一个模糊条件，查询结果也是一个模糊集，由于 结果中每个元素对于条件厂的满足程度可能不同，可以引入匹配度的概念，子 句w i t h 见的功能是将集合中匹配度大于或等于五( 五表示阈值，可人为设定， 1 6 。 五 o ，1 ) 的记录作为结果集输出。当兄为0 ，输出匹配度大于0 的记录。本 文对匹配度的定义如下： 定义3 1 ：数据库中的记录对查询条件a 的满足程度称为匹配度，记为m d ( t ) ， 其中，m d ( t ) = a t w ( 4 ) ，匹配度的取值范围为 0 ，1 】，匹配度大于或等于阈值的 记录为输出查询结果。 3 3 3 模糊谓词 s e l e c t a 1 ，a 2 ，a 。 f r o mrw h e r eai sww i t h 允 a 是关系r 的某属性，形是一个模糊数表示的模糊谓词，匹配度为： m d ( t ) = a t 。( 爿) ，其a t 。表示模糊谓词的隶属函数，模糊谓词w 分为以下三种： 1 ) 原子谓词： 肜是论域u 上的一个模糊数表示的原子谓词，比如“年轻”，“工资高”等， 的语义为m ( w ) ，设的隶属函数为( u ) ，( u u ) ， 则 m ( w ) = ( “f ，w ( “f ) ) iu f u ) ，例女口： s e l e c t 木f r o mrw h e r e 年龄i s 年轻w i t h0 5 “年轻”的隶属函数为： 年轻( x ) = 1 + ( 半 2 _ l ，5 1 2 ) 复杂谓词： 即由模糊算子修饰的原子谓词，如“非常非常年轻”、“有点高”等，表示 为w = h i h ：h 。v o ，其中h ，表示模糊算子，f o 表不- - 原丁、l r 月r 4 同_ _ 。 s e l e c t 丰f r o mr w h e r e 年龄i s 年轻w i t h0 5 根据定义2 8 ，“非常非常”属于集中化算子： 非常非常年轻( x ) = + lx 亏2 5 2 卜埔 ( 3 - 2 ) 3 ) 复合谓词： 复合谓词是由“a n d ”，“o r ”连接的原子谓词或复杂谓词，如： w = a n d w 2 a n d a n d w , 。彬是原子谓词或复杂谓词，如“非常非常年轻或 年老”，“不高也不低”。无论是哪种谓词，我们都可以根掘2 1 1 中模糊数的并、 交、补运算来计算。 s e l e c t 水f r o mrw h e r e 年龄i s 非常非常年轻o r 年老w i t ho 5 fo ， x 5 0 地“加 1 + ( 芋) - 4 一5 。 ( 3 - 3 ) “非常非常年轻或年老”的隶属函数为 非常非常年轻u 年老= 非常非常年轻u 年老p 非常非常年轻u 年老p 非常非常年轻vp 年老 3 3 4 复合条件查询 s q l 的w h e r e 子句中的条件，由连接词“a n d ”或者“o r ”组合成复合查询 条件的，称为复合条件查询。如： s e l e c t 乖f r o mrw h e r e a ia n d l o r a n d l o r 彳七 w i t h 五 a 1 ，彳分别表示各个子条件。 1 ) “a n d ”作为连接词的合取式查询，由定义2 2 模糊集的交运算，推出 匹配度的计算公式如下： m d ( t ) = m i n ( m l ，m 七) ；( 3 - - 4 ) ( m l ，一，m ) 表示相应条件中，记录的第i 个属性关于模糊项的隶属度。 2 ) “o r ”作为连接词的析取式查询，由定义2 3 模糊集的并运算，推出匹配 度计算如下： m d ( t ) = m a x ( m l ，m 七) 。 ( 3 - - 5 ) 例3 2 ：在e m p l o y e e 表中，查找“高个子的年轻人”( 记录如表3 1 所示) s e l e c t木f r o me m p l o y e e w h e r e 年龄i s 年轻a n d 身高i s 高w i t ho 5 表3 1 人员信息表 t a b l e3 1e m p l o y e et a b l e i d 姓名年龄身高 单位 r 1 王刚 2 6 1 7 0d l r 2张三 2 71 6 5d 2 r 3 夏天 2 91 8 0d 1 r 4 张吴 3 01 8 5d 3 r 5 苏宁 3 01 6 9 d 4 r 6 任莹 3 91 7 1d 2 r 7 段二 2 71 7 8d 4 r 8 李七 2 81 7 0 d 3 r 9张大3 9 1 8 5d 3 r 1 0 黄林 4 8 1 7 7d 4 首先求出关于“年轻”和“高”的隶属度和匹配度。根据： 年轻( x ) = z 高( x ) = 1 + ( 孚) 2 2 5 沪6 ) ( 3 7 ) 求出匹配度m d ( t ) = m i n ( m l ，m 2 ) = 年轻八冉，可得表3 2 ： 表3 2 隶属度和匹配度 t a b l e3 2m e m b e r s h i pd e g r e ea n dm a t c hd e g r e e r 1r 2r 3r 4r 5r 6r 7r 8r 9r 1 0 l ：轻 10 8 6 20 6 1 00 5 0 0 0 5 0 0 0 1 1 3l0 7 3 50 1 130 0 4 5 曲 0 2 0 00 1 3 80 5 0 00 8 0 00 1 8 50 2 1 70 4 1 00 2 0 00 8 0 00 3 7 2 m d ( t ) 0 2 0 00 1 3 80 5 0 00 5 0 00 18 50 1 1 30 4 1 00 2 0 00 1 1 30 0 4 5 则要查找“高个的年轻人”，满足条件的有r 3 ，r 4 。 例3 3 ：如果要查找“年轻或者高个的人” o 一9 一 ，：l一一半 s e l e c t 幸f r o me m p l o y e ew h e r e 年龄i s 年轻o r 身高i s 高w i t ho 5 根据式3 5 ，求出匹配度彻( f ) = m a x ( m 。，m ：) = 年轻v 1 2 高，结果如表3 3 所示： 表3 3 隶属度利匹配度 t a b l e3 3m e m b e r s h i pd e g r e ea n dm a t c hd e g r e e r 1r 2r 3r 4 r 5 r 6 r 7r 8r 9r 1 0 l ：轻 1 0 8 6 20 6 1 00 5 0 00 5 0 0o 1 1 310 7 3 5o 1 1 30 0 4 5 高 0 2 0 00 1 3 80 5 0 00 8 0 00 1 8 5o 2 1 7o 4 1 0 0 2 0 00 8 0 00 3 7 2 m d ( t ) 1 0 8 6 20 6 1 00 8 0 00 5 0 0o 2 1 710 7 3 50 8 0 00 3 7 2 则r 1 ，r 2 ，r 3 ，r 4 ，r 5 ，r 7 ，r 8 ，r 9 满足条件。 3 3 5 反模糊化处理 用以上方法计算匹配度时需要扫描整个表，这使得当查询效率会随着表记 录的增加而降低，而且会产生存储相关隶属度的信息表。此时，可以考虑用五 截集来实现模糊条件的反模糊化处理，把模糊查询语句转化为s q l 语句。 将上例中定义的“年轻”和“工资”的隶属函数用五截集来实现去模糊 化，分别训算( 心轻) 和( 离) 。5 ，假设年龄的论域为 0 ，1 2 0 ，工资的论域为 o , 2 5 0 ，因此( 年轻) 0 5 = 0 ，3 0 ，( 高) 0 5 = 1 8 0 ，2 5 0 】，则例3 2 中查找“高个子 的年轻人”可以写成： s e l e c t 水f r o me m p l o y e ew h e r e 年龄 = 18 0 根据表3 1 ，满足条件的记录有r 3 ，r 4 ，与上面例的查询结果一致。 3 3 6 处理重复记录 如果查询的字段中包含一个关系的主关键字，那么每个查询结果是唯一 的：当查询结果不包含主关键字，则可能出现重复项。d i s t i n c t 可以去掉s q l 语句中字段的重复项。模糊查询结果集合中的记录，若关系上的每个属性值相 同，无论其匹配度是否相同，都看作重复记录。 例3 4 在表e m p l o y e e 中，查询“年轻或者高个的员工的单位” s e l e c t 单位f r o me m p l o y e ew h e r e 年龄i s 年轻o r 身高i s 高w i t h0 5 丛堡厶堂亟堂位论塞 其中，投影查询的“姓名”和“单位”都不是主关键字，所以结果中可能 会出现重复记录。重复记录的属性值相同，匹配度可能相同也可能不同，为了 去掉重复项，可以保留匹配度最大的记录。可以用下式计算匹配度【5 j ： m d ( a ) = s u p t ( x ) ( 3 8 ) x r a n d xa = 口 x a 代表记录x 在属性彳上的投影，m d ( a ) 表示值a 属于形的程度。此式 说明了在满足属性么的值a 的所有记录中，找出关于条件的隶属度最大的记 录，如果记录x 在属性a l 的投影有重复项，则用上面公式s u p 去掉。如例3 4 要查询“年轻或者高个的的员工的单位”，计算出匹配度结果如表3 4 ： 表3 4 各记录的匹配度 t a b l e3 4m a t c hd e g r e eo fr e c o r d s 记录r 1r 2 r 3r 4r 5r 7r 8 r 9 单位 d ld 2d 1d 3 d 4d 4d 3d 3 m d10 8 6 2o 6 1 0 0 8 0 00 5 0 0 01o 7 3 50 8 0 0 r 1 ，r 2 ，r 3 ，r 4 ，r 5 ，r 7 ，r 8 ，r 9 满足条件。去掉重复项后，可得表3 5 ： 表3 5 去掉重复项的结果 t a b l e3 5r e s u l t sw i t h o u td u p l i c a t er e c o r d s 记录 r 1 r 2r 7r 9 单位 d 1d 2d 4 d 3 m d 1 0 。8 6 2 10 8 0 0 满足条件的结果只有r 1 ，r 2 ，r 7 ，r 9 ，其对应的单位：d 1 ，d 4 ，d 2 ，d 3 。 3 4 本章小结 本章首先介绍当前常用的智能查询技术和查询方式，讨论了如何对s q l 语句实现模糊扩展；对文中所提到的匹配度进行定义。具体从模糊谓词、复杂 谓阋、复合谓词、复合条件查询等方面对扩展方法进行详细阐述，讨论了利用 五截集作反模糊化处理，并给出相应实例验证了方法的有效性。 支持权重的模糊查询 随着i n t e m e t 的发展，信息检索技术