دانلود رایگان مقاله طراحی پایگاه داده منطقی با مدل های مشخص ارتباط نهادی از منظر هستی شناختی

چکیده

         استدلال بر این است که مدل های ارتباطی نهاد روشن از نقطه نظر هستی شناسی در مقایسه با مدل های نامشخص هستی شناسی دامنه های جهان واقعی را دقیق تر مدلسازی می کند. با اینحال، تحول این مدل ها به مدل ارتباطی در سطح منطقی تا بدین جا به اندازه ای مطالعه نشده است تا قوانین تحول جدید را تدوین کند. این مقاله مجموعه ای از قوانین تحول را ارائه می کند تا مدل های هستی شناسی مفهومی روشن را به مدل های منطقی تبدیل کند. در نهایت، مقایسه ای از دو مدل منطقی را انجام می دهیم که از مدل های مشخص و نامشخص هستی شناسی با استفاده از یک معیار کیفیت ترکیبی از منابع موجود توسعه می یابد. نتایج اولیه از این تحقیق در حال انجام حاکی از آن است که کیفیت مدل منطقی توسعه یافته از مدل مفهومی مشخص هستی شناسی نسبت به همتای نامشخص هستی شناسی خودش برتری دارد.

1. مقدمه

         مدلسازی مفهومی فعالیتی است که در طول مراحل ابتدائی کار توسعه سیستم های اطلاعاتی انجام می شود، که در آن یک نمودار گرافیکی تولید می شود که در حال ارائه پدیده کلمه واقعی از یک دامنه کاربرد است. محققان توانائی بیان متدولوژی مدلسازی مفهومی خوب شناخته شده، مدل ارتباطی موجودیت (ER) [4]، را با استفاده از هستی شناسی [7] بهبود می بخشند که ساختار و رفتار جهان واقعی را تشریح می کند. این مدل ها نمودارهای ارتباطی نهاد مشخص هستی شناسی (OC-ERD) نام دارد [8].

          به منظور استفاده از مزیت OC-ERDها، چنین مدل هایی را می بایست بصورت مناسبی به طرح منطقی پایگاه داده (RDS) [9، 10] بدون از دست دادن شماتیک های OC-ERD تبدیل نمود. مجموعه کنونی از قوانین توسعه یافته برای تبدیل ERDهای عمومی برای OC-ERDها کاملا قابل اجرا نیست. بر این اساس، این مقاله برخی از نتایج ابتدائی از یک مطالعه تحقیقاتی در حال انجام را ارائه می کند تا قوانین تحول جدید و روش ارزیابی کیفیت مدل منطقی حاصله از این قوانین توسعه یابد.

             بقیه مقاله به شرح زیر است. بر این اساس، بخش 2 یک ERD نامشخص هستی شناسانه (OUC-ERD) از یک سناریوی جهان واقعی مخصوص و تحول آن را همراه با موضوعات تحول نشان می دهد. بخش 3 نسخه مشخص هستی شناسانه از OUC-ERD، OC-ERD، و موضوعات تحول آن با استفاده از الگوریتم موجود را ارائه می-کند. همچنین این بخش یک الگوریتم جدید ارائه شده و تحول با استفاده از آن را ارائه می کند. در بخش 4، یک معیار کیفیت برای ارزیابی کیفیت دو نوع از RDSهای منتج از هر دو رویکرد ارائه می شود و کیفیت مقایسه نشان داده می شود. در نهایت، نتایج مقدماتی و لثر آتی از این مطالعه تحقیقاتی در حال انجام در بخش 5 ارائه می شود.

2. موضوعات طراحی پایگاه داده منطقی با OUC-ERDها

          اکنون یک OUC-ERD و موضوعات تبدیل آن به مدل ارتباطی با استفاده از ER موجود به الگوریتم تحول ارتباطی را ارائه میکنیم.

          شکل 1 یک OUC-ERD است که یک شرکت را در دنیای واقعی ارائه میکند. نمودار شامل یک دودویی 1:1 (یک به یک) و «مدیران» نوع ارتباط بهینه بین دو نهاد از نوع «کارکنان» و «دپارتمان» است. نسبت کاردینالیتی (0، 1) بین نوع نهاد کارکنان و نوع رابطه دو معنا دارد یعنی یک کارمند ممکن نیست یک بخش دپارتمان را مدیریت کند یا کارمندی که دپارتمان را مدیریت می کند تنها یک دپارتمان را می تواند مدیریت کند. مشخصه «StartDate» نشان دهنده ی مورخه ای است که یک کارمند شروع به اداره یک دپارتمان مخصوص می کند.

         اعتقاد بر این است که روابط اختیاری مانند رابطه فوق از جانب کاربران معمول حوزه به سختی درک شود. هستی شناسی مانع استفاده از انواع روابط اختیاری است و استفاده از انواع روابط اجباری با ساب تایپینگ را توصیه می کند [8]. بدین ترتیب، نمودار نشان داده شده در شکل 1 یک نمودار ER نامشخص هستی  شناسانه (OUC-ERD) است.

           الگوریتم تحول موجود ارائه شده توسط المصری و ناواته [9] در زیر داده شده است.برای هر نوع موجودیت منظم E در طرح ER ، یک رابطه L ایجاد کنید که شامل تمام خصوصیات E باشد. یکی از ویژگیهای اصلی E را به عنوان کلید اصلی L انتخاب کنید.

           برای هر نوع رابطه باینری 1: 1 در طرح ER، روابط S و T شناسایی می شود که مربوط به انواع موجودیت مشارکت کننده در R است. یکی از روابط S را انتخاب کنید که شامل یک کلید خارجی در کلید اصلی S از T است. تمامی ویژگی های ساده R را بعنوان ویژگی های S به حساب آورید.

Abstract

          It is argued that ontologically clear entity relationship models can model the real world domains more accurately than ontologically unclear models. However, transformation of such models into the relational model at the logical level has not yet been studied sufficiently with a view to formulate new transformation rules. This paper presents a set of new transformation rules to convert ontologically clear conceptual models to relational models. Finally we did a comparison of two relational models that were developed from the ontologically clear and unclear models using a quality criterion synthesized from the extant literature. The preliminary results of this ongoing research study shows that the quality of relational model developed from ontologically clear conceptual model is superior to its ontologically unclear counterpart.

I. INTRODUCTION

          Conceptual modeling is an activity undertaken during the early stages of information systems development work[3], where a graphical diagram representing the real word phenomena of an application domain is produced. Researchers have enhanced the expressive power of a wellknown conceptual modeling methodology, the entity relationship (ER) model [4], using an ontology [7] that can describe the structure and the behavior of the real world. These models are called ontologically clear entity relationship diagrams (OC-ERD) [8] .

          In order to take the advantage of OC-ERDs, such models should be properly transformed into a relational database schema (RDS) [9, 10] without losing the semantics of the OC-ERD. The current set of rules developed to transform generic ERDs is not fully applicable for OC-ERDs. As such, this paper presents some preliminary results of an ongoing research study undertaken to develop new transformation rules and a method of evaluating the quality of the relational model derived from such rules.

          The rest of the paper is organized as follows. Accordingly, the section II demonstrates an ontologically unclear ERD (OUC-ERD) of a particular real world scenario and its transformation together with issues of transformation. Section III presents the ontologically clear version of the OUC-ERD, the OC-ERD, and issues of transforming it using the existing algorithm. The section also presents a new algorithm proposed and the transformation using it. Then in section IV, we propose a quality criteria for assessing the quality of the two types of RDSs resulted from both approaches and present the quality comparison. Finally we discuss the preliminary results and the future work of this ongoing research study in the section V.

II. LOGICAL DATABASE DESIGN ISSUES WITH OUCERDS

          We now present an OUC-ERD and issues of transforming it to the relational model using the existing ER to relational transformation algorithm.

          Fig 1 is an OUC-ERD representing a company in the real world. The diagram contains a binary 1:1(one-to-one) and optional relationship type “Manages” between two entity types “Employee” and “Department”. The cardinality ratio (0, 1) between the Employee entity type and the relationship type has two meanings i.e. an employee may not manage a department or an employee who manages a department can manage only one department. The “StartDate” attribute represents the date an employee starts managing a particular department.

           Optional relationships like the one above are believed to be difficult to understand by typical domain users. Ontology proscribes the use of optional relationship types and advises using mandatory relationship types with subtyping [8]. Accordingly, the diagram depicted in Fig 1 is an ontologically unclear ER diagram (OUC-ERD).

           The existing transformation algorithm proposed by Elmasri and Navathe [9] is given below. For each regular entity type E in the ER schema, create a relation L that includes all the attributes of E. Choose one of the key attributes of E as the primary key of L.

          For each binary 1:1 relationship type in the ER schema, identify the relations S and T that correspond to the entity types that participating in R. Choose one of the relations – S, say- and include as a foreign key in S the primary key of T. Include all the simple attributes of R as attributes of S.

چکیده

1. مقدمه

2. موضوعات طراحی پایگاه داده منطقی با OUC-ERDها

3. OC-ERD و تبدیل آن

مرحله 1: نقشه برداری از انواع نهاد منظم

مرحله 2: نقشه برداری بخش های زیرنوع/ سوپر نوع

مرحله 3: نامگذاری روابط تبدیل شده

مرحله 4: نامگذاری یک ویژگی نوع بولی استفاده شده برای تبدیل یک زیر نوع

مرحله 5: نقشه برداری یک رابطه دودویی نوع R در بین یک نوع نهاد منظم و یک زیر نوع از یک سوپر نوع

مرحله 6: نقشه برداری یک رابطه دودویی 1:1 نوع R بین دو زیر نوع مختلف از سوپر نوع های متفاوت

مرحله 7: نقشه برداری یک نوع ارتباط 1:N دودویی بین دو زیر نوع متفاوت از سوپر نوع های مختلف

4.کیفیت طرح پایگاه داده طراحی شده با استفاده از الگوریتم جدید

5. بحث و کار آتی

منابع

Abstract

1. INTRODUCTION

2. LOGICAL DATABASE DESIGN ISSUES WITH OUCERDS

3. THE OC-ERD AND ITS TRANSFORMATION

Step 1: Mapping regular entity types

Step 2: Mapping of super type/sub type segments

Step 3: Naming of the transformed relations

Step 4: Naming a Boolean type attribute used to transform a subtype

Step 5: Mapping a binary 1:1 relationship type R in between a regular entity type and a subtype of a supertype

Step 6: Mapping a binary 1:1 relationship type R between two different subtypes of different supertypes

Step 7: Mapping a binary 1:N relationship type between two different subtypes of different supertypes

4. QUALITY OF THE DATABASE SCHEMA DESIGNED USING NEW ALGORITHM

5. DISCUSSION AND FUTURE WORK

REFERENCES