Defaults in deduktiven Datenbanken

Weitere Magazine

Empfehlungen

Info

150 KAPITEL 6. BERECHNUNG VON ANTWORTENeliminiert man auch weitere Begründungen für bereits ausgegebene Antworten. Ein entsprechenderTeilmengentest wurde oben schon vorgeführt.Nun stellt man fest, bei welchen potentiellen Antworten es sich lohnen könnte, sie zukombinieren:COMB ANS := π ans id:ans id ′ ,lit:lit ′(CONTRA) ✶ π lit:lit ′ ,id(CONFLICT )✶ π lit:lit ′′ ,id(CONFLICT ) ✶ π ans id:ans id ′′ ,lit:lit ′′(CONTRA),COMB ANS ′ := σ ans id ′
6.2. TOP-DOWN 151Identifikatoren für die zusammengesetzten potentiellen Antworten erzeugt werden, mußman die Duplikateliminierung explizit programmieren (etwa mit einer Tabelle, in derdarüber Buch geführt wird, welche der ursprünglichen potentiellen Antworten in einerzusammengesetzten Antwort stecken). Bei einem NF 2 -Datenbanksystem geschieht einesolche Duplikateliminierung natürlich automatisch, ist aber nicht weniger aufwendig.6.2 Top-DownIn diesem Abschnitt wird ein ”top-down“ Algorithmus zur Anfrage-Bearbeitung angegeben,der also von der Anfrage ausgehend rekursiv Unteranfragen bearbeitet, die schließlichmit den Fakten direkt beantwortet werden können. Im Unterschied zum ”bottom-up“Algorithmus wird hier zielgerichtet vorgegangen, dafür kann dieselbe Unteranfrage abermehrfach auftreten und die Vorteile einer mengenorientierten Arbeitsweise werden nichtgenutzt. Die aus der logischen Programmierung bekannte SLDNF-Resolution [Llo87] istein ”top-down“ Algorithmus für Hornklauseln mit Negations-Defaults. Ziel ist es hier,einen ähnlichen Algorithmus für beliebige Klauseln und Defaults zu entwickeln.Der hier vorgeschlagene Algorithmus hat gewisse Ähnlichkeiten zu den Algorithmenaus [Prz89, Gin89, BG89]. Alle diese Algorithmen prüfen allerdings die Anwendbarkeit derDefaults in einer eigenen zweiten Phase, während der hier angegebene Algorithmus diesso früh wie möglich tut (verzahnt mit der Berechnung der Antworten). Dies ist einerseitsein Effizienzvorteil, andererseits aber auch nötig, um disjunktive Antworten zu berechnen:Da die Antworten von unterschiedlichen Extensionen abhängen, braucht man hier eineRückkopplung von der Prüfung der Defaults zu dem eigentlichen Beweiser. Außerdemwird dadurch die Ähnlichkeit zur SLDNF-Resolution größer, die negative Literale ja auchsofort auswertet. Wie in der Einleitung erläutert wurde, ist es gerade diese Ähnlichkeit,die auf effiziente Implementierungen hoffen läßt.[Prz89, Gin89, BG89] basieren ihrerseits wieder auf [Rei80]: Hierher stammt die Idee,die Benutzung von Defaults in Beweisen zuzulassen, aber über die verwendeten DefaultsBuch zu führen.OL-ResolutionAuch in diesem Abschnitt wird so vorgegangen, daß ein aus der Literatur bekannter Beweiserum Defaults erweitert wird. Es wird hier die OL-Resolution [CL73] verwendet, aberman könnte auch eine ganze Reihe anderer Beweiser auf entsprechende Weise erweitern.Die OL-Resolution ist ein Widerlegungsbeweiser, d.h. sie versucht, aus Φ ∪ {¬ψ} dieleere Klausel abzuleiten, also einen Widerspruch. Gelingt dies, so gilt Φ ⊢ ∃(ψ) (derExistenzabschluß entfällt natürlich, wenn ψ keine Variablen enthält).Als linearer Resolventenbeweiser hat die OL-Resolution immer eine aktuelle Zielklausel“( center clause“), zu der sie ein Axiom als Seitenklausel“ ( side clause“) hinzu-” ” ””nimmt, um die nächste Zielklausel abzuleiten. Die Zielklausel wird mit der Negation der
Seite 5:
iiiDanksagungIch möchte Herrn Prof
Seite 9 und 10:
Kapitel 1EinführungZiel dieser Arb
Seite 11 und 12:
3Beitrag dieser Arbeit eine Untersu
Seite 13 und 14:
5Prolog löst dieses Problem, indem
Seite 15 und 16:
7wären die Defaults ein bloßes Mi
Seite 17:
9ten dieser Semantiken untersucht u
Seite 20 und 21:
12 KAPITEL 2. DEDUKTIVE DATENBANKEN
Seite 22 und 23:
Seite 24 und 25:
Seite 26 und 27:
Seite 28 und 29:
Seite 30 und 31:
Seite 32 und 33:
Seite 34 und 35:
Seite 36 und 37:
Seite 38 und 39:
Seite 40 und 41:
Seite 42 und 43:
Seite 44 und 45:
Seite 46 und 47:
Seite 48 und 49:
Seite 50 und 51:
Seite 52 und 53:
Seite 54 und 55:
Seite 56 und 57:
Seite 58 und 59:
50 KAPITEL 3. ANWENDUNGSBEISPIELEIm
Seite 60 und 61:
52 KAPITEL 3. ANWENDUNGSBEISPIELEbe
Seite 62 und 63:
54 KAPITEL 3. ANWENDUNGSBEISPIELEDi
Seite 64 und 65:
56 KAPITEL 3. ANWENDUNGSBEISPIELEUn
Seite 66 und 67:
58 KAPITEL 3. ANWENDUNGSBEISPIELENu
Seite 68 und 69:
60 KAPITEL 3. ANWENDUNGSBEISPIELEEs
Seite 70 und 71:
62 KAPITEL 3. ANWENDUNGSBEISPIELEun
Seite 72 und 73:
64 KAPITEL 3. ANWENDUNGSBEISPIELEAn
Seite 74 und 75:
66 KAPITEL 3. ANWENDUNGSBEISPIELEso
Seite 76 und 77:
68 KAPITEL 3. ANWENDUNGSBEISPIELEde
Seite 79 und 80:
Kapitel 4Eigenschaften vonVervollst
Seite 81 und 82:
4.1. FOLGERUNGSREGELN 73Diese Tabel
Seite 83 und 84:
4.1. FOLGERUNGSREGELN 75Es ist dage
Seite 85 und 86:
4.1. FOLGERUNGSREGELN 77Die Folgeru
Seite 87 und 88:
4.1. FOLGERUNGSREGELN 79Hat man umg
Seite 89 und 90:
4.2. MODELLTHEORETISCHE EIGENSCHAFT
Seite 91 und 92:
4.3. VERVOLLSTÄNDIGUNGEN ALS SEMAN
Seite 93 und 94:
Seite 95 und 96:
Seite 97 und 98:
Kapitel 5Semantik von DefaultsIn di
Seite 99 und 100:
5.1. MINIMALE MODELLE 91• Da die
Seite 101 und 102:
5.1. MINIMALE MODELLE 93Satz 5.1.8:
Seite 103 und 104:
5.1. MINIMALE MODELLE 95Erweiterung
Seite 105 und 106:
5.1. MINIMALE MODELLE 97Beispiel 5.
Seite 107 und 108: 5.1. MINIMALE MODELLE 99Lemma 5.1.1
Seite 109 und 110: 5.2. DIE VORSICHTIGE CWA 101untersc
Seite 111 und 112: 5.2. DIE VORSICHTIGE CWA 103minimal
Seite 113 und 114: 5.2. DIE VORSICHTIGE CWA 105Φ [pq]
Seite 115 und 116: 5.2. DIE VORSICHTIGE CWA 107Lemma 5
Seite 117 und 118: 5.2. DIE VORSICHTIGE CWA 109I 0 ̸|
Seite 119 und 120: 5.3. WEITERE SEMANTIKEN 111Charakte
Seite 121 und 122: 5.3. WEITERE SEMANTIKEN 113Die modi
Seite 123 und 124: 5.3. WEITERE SEMANTIKEN 115Satz 5.3
Seite 125 und 126: 5.3. WEITERE SEMANTIKEN 117Angenomm
Seite 127 und 128: 5.3. WEITERE SEMANTIKEN 119nun zuer
Seite 129 und 130: 5.4. ZUSAMMENFASSUNG 121Dies ist so
Seite 131 und 132: 5.4. ZUSAMMENFASSUNG 123Die konstru
Seite 133 und 134: Kapitel 6Berechnung von AntwortenIn
Seite 135 und 136: 6.1. BOTTOM-UP 127Die erweiterte Ax
Seite 137 und 138: 6.1. BOTTOM-UP 129Einfache Hyperres
Seite 139 und 140: 6.1. BOTTOM-UP 131Lemma 6.1.8: Sei
Seite 141 und 142: 6.1. BOTTOM-UP 133folgen ja wirklic
Seite 143 und 144: 6.1. BOTTOM-UP 135und default seien
Seite 145 und 146: 6.1. BOTTOM-UP 137tionsstufe nichts
Seite 147 und 148: 6.1. BOTTOM-UP 139Die Disjunktion a
Seite 149 und 150: 6.1. BOTTOM-UP 141Aus den in der er
Seite 151 und 152: 6.1. BOTTOM-UP 143Beispiel 6.1.26:
Seite 153 und 154: 6.1. BOTTOM-UP 145Beweis: Da {θ 1
Seite 155 und 156: 6.1. BOTTOM-UP 147die potentielle A
Seite 157: 6.1. BOTTOM-UP 149Die beiden Konfli
Seite 161 und 162: 6.2. TOP-DOWN 153werden, und sogar
Seite 163 und 164: 6.2. TOP-DOWN 155Man könnte die Te
Seite 165 und 166: 6.2. TOP-DOWN 157auch gleich hätte
Seite 167 und 168: 6.2. TOP-DOWN 159Die Grundidee ist
Seite 169 und 170: 6.2. TOP-DOWN 161Da beim vorsichtig
Seite 171 und 172: 6.2. TOP-DOWN 163refuteSkept(Φ, ψ
Seite 173 und 174: 6.2. TOP-DOWN 165inkonsistent ist.
Seite 175 und 176: Kapitel 7AusblickZiel dieser Arbeit
Seite 177 und 178: 169Entsprechend besteht bei einigen
Seite 179 und 180: SymbolverzeichnisGriechische Buchst
Seite 181 und 182: SYMBOLVERZEICHNIS 173scwa (∆,❁)
Seite 183 und 184: Literaturverzeichnis[ABW88] K. R. A
Seite 185 und 186: LITERATURVERZEICHNIS 177[BR86][Bra8
Seite 187 und 188: LITERATURVERZEICHNIS 179In diesem L
Seite 189 und 190: LITERATURVERZEICHNIS 181[Ern92][ESS
Seite 191 und 192: LITERATURVERZEICHNIS 183legung eine
Seite 193 und 194: LITERATURVERZEICHNIS 185[KNN90]W. K
Seite 195 und 196: LITERATURVERZEICHNIS 187[Mak89]hard
Seite 197 und 198: LITERATURVERZEICHNIS 189[Plü90]Die
Seite 199 und 200: LITERATURVERZEICHNIS 191[She88]Dies
Seite 201 und 202: IndexAbleitungsregeln 72Änderungso
Seite 203 und 204: INDEX 195Modell 19Herbrand- 13inten
Seite 205: LEBENSLAUF 197LebenslaufName:Stefan
Alle anzeigen

Defaults in deduktiven Datenbanken

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?