Zusammenfassung
Im vorangegangenen Kapitel haben wir deduktive Datenbanken als logische Programme definiert und uns bei der Anfrageauswertung auf SLDNF-Resolution konzentriert. Diese erweist sich sowohl für die Datenanteile als auch für die algorithmischen Anteile deduktiver Datenbanken als adäquater Auswertungsmechanismus. Läßt man eine so weitgefaßte Syntax wie die logischer Programme zu, muß man jedoch in Kauf nehmen, daß es keine Möglichkeit gibt, Vollständigkeit und Terminierung bei der Suche nach allen Antworten auf eine Anfrage zu garantieren.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Dies entspricht der Äquivalenz: A C B a E A —t b E B.
In den Beispielen leiten wir die Relationssymbole durch Großschreibung aus den Prädikatensymbolen ab, z. B. SUPPLIER aus supplier. Eine Ausnahme bildet das Symbol =, ihm entspricht die Relation EQ. Wir nehmen an, daß es eine binäre EDB-Relation EQ gibt, die für jede Konstante a der Datenbank ein Tupel (a, a) enthält.
Zur Erinnerung: Gemäß Definition 3.12 enthalten Datalog-Anfragen nur ein Atom.
Für Klauseln C, die nur EDB-Prädikate im Rumpf enthalten, ist die Menge idb(C) leer, so daß immer gilt:
In Abschnitt 6.1.4 definieren wir eine Methode, mit der die „unique binding property“ einer Datenbank hergestellt werden kann.
Lineare Programme lassen in Klauselrümpfen höchstens ein Atom zu, zwischen dessen Prädikat und dem Prädikat des Kopfes eine gegenseitige Abhängigkeit besteht.
Tatsächlich sind auch nullstellige magische Prädikate interessant, um überflüssige Regeln zu blockieren.
Die Berechnung der ergänzenden Relationen wird durch die sogenannte Faltung durchgeführt, die die Umkehrungoperation zur Auffaltung darstellt (siehe Aufgabe 3.8).
Wir identifizieren die Knoten eines OLD-Baums mit ihren Beschriftungen.
Bei dem Ansatz in diesem Artikel handelt sich um eine unvollständige Version, die in [Vieille 88] und in [Nejdl 87] als RQA/FQI-Ansatz korrigiert wurde.
Wir haben uns bei der Betrachtung einiger Auswertungsmethoden zwar auf Datalog eingeschränkt, aber zu jedem Verfahren gibt es eine Erweiterung auf definite Programme.
Dieser Vorteil ist natürlich nicht spezifisch für die reinen Top-down-Verfahren, sondern trifft für die Top-down-Vorgehensweise im allgemeinen zu, also insbesondere auch für die gemischten Strategien.
Bei sicheren Datenbanken sind in den Relationen keine variablenbehafteten Fakten enthalten, so daß statt der Unifikation der einfachere Gleichheitstest verwendet werden kann.
Partielle Auswertung ist eine Technik, mit der Meta-Interpreter bezüglich eines vorgegebenen Programms spezialisiert werden. Sie wird häufig zur Effizienzsteigerung von Meta-Interpretern eingesetzt. (Siehe beispielsweise [Takeuchi 86] und Aufgabe 3.8.)
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 1994 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Cremers, A.B., Griefahn, U., Hinze, R. (1994). Alternative Auswertungsmethoden. In: Deduktive Datenbanken. Artificial Intelligence / Künstliche Intelligenz. Vieweg+Teubner Verlag, Wiesbaden. https://doi.org/10.1007/978-3-663-09572-9_4
Download citation
DOI: https://doi.org/10.1007/978-3-663-09572-9_4
Publisher Name: Vieweg+Teubner Verlag, Wiesbaden
Print ISBN: 978-3-528-04700-9
Online ISBN: 978-3-663-09572-9
eBook Packages: Springer Book Archive