SODA

Inlärning av strukturer i konceptuella scheman från databaser

Eriksson, Mikael (1989) Inlärning av strukturer i konceptuella scheman från databaser. [SICS Report]

[img]
Preview
PDF
2526Kb

Abstract

Denna rapport beskriver ett sätt att automatiskt hitta beroenden i ett konceptuellt schema från en databas. En speciell form av induktiv inlärning, clustering, används. Två inlärnings-algoritmer som använder clustering-teknik beskrivs. Den ena, CLUSTER/2, använder en teknik som gör en uttömmande sökning för att hitta ett optimalt clustering, eller klassificering. Den andra algoritmen, A, använder en agglomerativ teknik. En algoritm har implementerats, som använder clustering-algoritmerna för att hitta beroenden mellan attribut i ett konceptuellt schema från en databas. De olika beroendena har olika sannolikheter och kan då betraktas som partiellt funktionella beroenden. Med hjälp av parametrar kan algoritmen konfigureras. Man kan t.ex välja vilken av de båda algoritmerna som skall väljas, vilka attribut som skall betraktas vid generering av beroendena samt vilken minsta sannolikhet ett beroende måste ha. Ett antal exempelkörningar samt förslag på utvidgningar presenteras också.

Item Type:SICS Report
Additional Information:Report is written in Swedish. Original report number T89003.
ID Code:2180
Deposited By:Vicki Carleson
Deposited On:29 Oct 2007
Last Modified:18 Nov 2009 16:01

Repository Staff Only: item control page