Trong chương này, luận án đã đề xuất các khái niệm khối chân lý theo nhóm bộ, phép gán trị, từ đó xây dựng được Phụ thuộc Boolean dương theo nhóm bộ trong mô hình dữ liệu dạng khối. Bằng các công cụ toán học về đại số và logic, luận án đã phát biểu và chứng minh được sự tương đương của 3 loại suy dẫn, đó là suy dẫn theo logic, suy dẫn theo khối, và suy dẫn theo khối có không quá p phần tử. Trường hợp đặc biệt, khi khối suy biến thành quan hệ, kết quả này trùng khớp với các kết quả đã được công bố trong mô hình dữ liệu quan hệ.
Phần tiếp theo của luận án, kết hợp kiến thức về phụ thuộc Boolean dương đa trị và phụ thuộc Boolean dương theo nhóm bộ trong mô hình dữ liệu dạng khối, luận án đã đề xuất khái niệm khối chân lý đa trị theo nhóm bộ và phép gán trị, từ đó xây dựng được Phụ thuộc Boolean dương đa trị theo nhóm bộ, luận án cũng chỉ ra và chứng minh được sự tương đương của 3 loại suy dẫn: suy dẫn theo logic, suy dẫn theo khối và suy dẫn theo khối có không quá p phần tử. Trường hợp đặc biệt, khi khối suy biến thành quan hệ, định lý tương đương vẫn bảo toàn hiệu lực.
Với hai loại phụ thuộc được đề xuất ở chương này, luận án đề xuất phương pháp tìm bao đóng của tập phụ thuộc Boolean dương theo nhóm bộ và phụ thuộc Boolean dương đa trị theo nhóm bộ trong mô hình dữ liệu dạng khối. Luận án cũng chỉ ra được điều kiện cần và đủ để một khối là m-thể hiện chặt tập PTBDTNB và
96
tập PTBDĐTTNB đã cho… Trong trường hợp tập chỉ số id = {x}, khối suy biến thành quan hệ, thì các kết quả này lại trùng với các kết quả đã được công bố trong mô hình dữ liệu quan hệ. Trên cơ sở của các kết quả này ta có thể nghiên cứu tiếp mối quan hệ giữa các loại phụ thuộc logic mở rộng khác trên lược đồ khối.
97
KẾT LUẬN 1. Những kết quả chính của luận án
Từ những mục tiêu đã được đề xuất trong luận án. Bằng cách sử dụng các công cụ toán học về đại số và logic, kết hợp với các phương pháp suy luận, chứng minh và lập khối chân lý, cài đặt thực nghiệm thuật toán, luận án đã đạt được các kết quả sau:
- Đề xuất các khái niệm về công thức suy dẫn, hội suy dẫn, tính chất họ tập đóng và khối chân lý trong mô hình dữ liệu dạng khối. Từ đó, chứng minh điều kiện cần và đủ để một công thức logic có thể biểu diễn dưới dạng hội của các công thức suy dẫn.
- Đề xuất thuật toán tìm hội suy dẫn trên khối thông qua khối chân lý cho trước. Kết quả này đóng góp thêm một phương pháp tìm công thức suy dẫn thông qua khối chân lý trong mô hình dữ liệu dạng khối.
- Từ kiến thức nền tảng về các công thức Boolean dương đa trị, kết hợp lý thuyết về phụ thuộc hàm, phụ thuộc đa trị, phụ thuộc Boolean dương tổng quát trong mô hình dữ liệu dạng khối, tác giả đã đề xuất được một phụ thuộc logic mới, đó là phụ thuộc Boolean dương đa trị trên khối thông qua mở rộng phép sánh trị các cặp phần tử theo ngưỡng m. Kết quả đạt được đã giải quyết loạt bài toán đối sánh các cặp phần tử phản ánh độ chắc chắn hay độ tin cậy theo ngưỡng m xác định. Với phụ thuộc Boolean dương đa trị trong mô hình dữ liệu dạng khối, định nghĩa tương đương vẫn bảo toàn hiệu lực, nghĩa là suy dẫn theo logic, suy dẫn theo khối và suy dẫn theo khối có không quá 2 phần tử là tương đương. Từ các kết quả của phụ thuộc Boolean dương đa trị trên khối, tác giả tiếp tục đề xuất Bao đóng của tập phụ thuộc Boolean đa trị trên khối, điều kiện cần và đủ để một khối là m-thể hiện chặt tập PTBDĐT Trong trường hợp tập chỉ số id = {x}, khối suy biến thành quan hệ thì các kết quả này lại trùng với các kết quả đã được công bố trong mô hình dữ liệu quan hệ.
- Kết hợp các kết quả về công thức suy dẫn, phụ thuộc Boolean dương đa trị trên khối tìm được ở chương 2, cùng với kiến thức nền tảng trình bày ở chương 1, bằng việc mở rộng phép sánh trị trên p phần tử bất kỳ, tác giả đề xuất thành công phụ thuộc logic mới, đó là phụ thuộc Boolean dương theo nhóm bộ (p bộ) và phụ
98
thuộc Boolean dương đa trị theo nhóm bộ (p bộ) trong mô hình dữ liệu dạng khối. Kết quả đạt được đóng góp thêm phương pháp tìm các phụ thuộc logic mới trên khối, trong đó thay vì so sánh từng cặp phần tử thì ta so sánh với p phần tử. Với phụ thuộc Boolean dương theo nhóm bộ và phụ thuộc Boolean dương đa trị theo nhóm bộ, định lý tương đương của các công thức suy dẫn vẫn bảo toàn hiệu lực, nghĩa là suy dẫn theo logic, suy dẫn theo khối, suy dẫn theo khối có không quá p phần tử là tương đương. Từ các kết quả của phụ thuộc Boolean dương theo nhóm bộ, phụ thuộc Boolean dương đa trị theo nhóm bộ trên khối, luận án tiếp tục đề xuất Bao đóng của tập phụ thuộc Boolean dương theo nhóm bộ, phụ thuộc Boolean dương đa trị theo nhóm bộ trên khối, điều kiện cần và đủ để một khối là m-thể hiện chặt tập PTBDTNB PTBDĐTTNB . Kết quả đạt được đã giải quyết loạt bài toán đối sánh theo nhóm p phần tử. Trong trường hợp tập chỉ số id = {x}, khối suy biến thành quan hệ thì các kết quả này lại trùng với các kết quả đã được công bố trong mô hình dữ liệu quan hệ.
2. Hướng phát triển tiếp theo của luận án
- Tiếp tục nghiên cứu nhằm phát triển các loại phục thuộc dữ liệu mới trên các thuộc tính (cũng như các thuộc tính chỉ số), mối quan hệ giữa các loại phụ thuộc logic mở rộng trên khối..., mở rộng nghiên cứu trong trường hợp riêng của tập các phụ thuộc hàm F như tập các phụ thuộc hàm Fh, tập các phụ thuộc hàm Fhx ...
99
DANH MỤC CÔNG TRÌNH CỦA TÁC GIẢ
[i]. Trịnh Đình Thắng, Trần Minh Tuyến, Trịnh Ngọc Trúc, Công thức suy dẫn
trong mô hình dữ liệu dạng khối, Kỷ yếu Hội nghị khoa học công nghệ quốc gia lần
thứ VIII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR), Hà Nội 7/2015, 103-110.
[ii]. Trịnh Đình Thắng, Trần Minh Tuyến, Trịnh Ngọc Trúc, Phụ thuộc Boolean
dương đa trị trong mô hình dữ liệu dạng khối, Kỷ yếu Hội nghị khoa học công nghệ
quốc gia lần thứ IX về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR), Hà Nội 8/2016, 602-609.
[iii]. Trịnh Đình Thắng, Trần Minh Tuyến, Trịnh Ngọc Trúc, Phụ thuộc Boolean
dương theo nhóm bộ trong mô hình dữ liệu dạng khối, Kỷ yếu Hội nghị khoa học
công nghệ quốc gia lần thứ XI về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR), Hà Nội 8/2018, 446-452.
[iv]. Trinh Dinh Thang, Tran Minh Tuyen, Trinh Ngoc Truc, Pham Thi
Phuong, Some properties of multivalued positive Boolean dependencies in the
database model of block form, Indian journal of Science and Technology, 2020, 13(25):2509-2519.
[v]. Trinh Dinh Thang, Trinh Ngoc Truc, Tran Minh Tuyen, Nguyen Nhu Son,
Multivalued positive Boolean dependencies by group in the database model of block form, International Journal of Advanced Research in Compuper Science, 2020, 11(4):6-12.
100
TÀI LIỆU THAM KHẢO
[1] Nguyễn Xuân Huy, Trịnh Đình Thắng (1998), Mô hình cơ sở dữ liệu dạng
khối, Tạp chí Tin học và Điều khiển học, T.14, S.3, tr. 52-60.
[2] C. Dyreson (1996), Information retrieval from an incomplete data cube, In Proc. of the 22nd. Int. Conf. on Very Large Data Bases (VLDB) pages 532- 543. Morgan Kaufmann Publishers.
[3] R. Agrawal, A. Gupta, and S. Sarawagi (1997), Modeling Multidimensional
Databases, In Proc. of 13 th, Int. Conf. on Data Engineering (ICDE) pages
232-243. IEEE press.
[4] S. Chaudhuri and U. Dayal (1997), An Overview of Data Warehousing and
OLAP technology, SIGMOD Record, 26(1): pp. 65-74.
[5] Z. Zheng, S. Xie, H. Dai, X. Chen and H. Wang, An Overview of
Blockchain Technology: Architecture, Consensus, and Future Trends, 2017
IEEE International Congress on Big Data (BigData Congress), Honolulu, HI, 2017, pp. 557-564.
[6] T.B. Pedersen and C.S. Jensen (1999), Multidemensional data Modeling for
complex data, In proc. of 15th Int. Conf. on data Engineering (ICDE) pages
336-345, IEEE Computer Society.
[7] Geffner, Steven & Agrawal, Divyakant & Abbadi, Amr. (2000). The Dynamic Data Cube. 237-253. 10.1007/3-540-46439-5_17.
[8] Inmon, W. 2000. WHAT IS Adata WAREHOUSE? JENSEN, C. S., PEDERSEN, T. B. & THOMSEN, C. 2010. Multidimensional databases
and data warehousing. Synthesis Lectures on Data Management, 2, 1-111.
[9] Maurizio Rafanelli, M.Rafanelli (2003), Multidimensional Databases:
Problems and Solutions Hardcover, Idea Group Publishing.
[10] Pedersen, T. B. & Jensen, C. S. 2005. Multidimensional Databases. Citeseer.
[11] Christian, S. J. & Torben Bach, P. 2007. Multidimensional Databases and OLAP. 53, 53-1,53-27.
[12] Nelson, G. S. 2008. Building OLAP Cubes with SAS 9: A Hands on
101
[13] John Paredes (2009), The Multidimensional Data Modeling Toolkit: Making Your Business Intelligence Applications Smart with Oracle OLAP
Paperback, OLAP World Press.
[14] Zaman, K. A., Song, S. & Suen, E. S.-L. 2010. Conversion of a relational database query to a query of a multidimensional data source by modeling
the multidimensional data source. Google Patents.
[15] Pujolle, G., Ravat, F., Teste, O., Tournier, R. & Zurfluh, G. 2011.
Multidimensional database design from document-centric XML documents.
Data Warehousing and Knowledge Discovery. Springer.
[16] Gao, B., Zhang, S. & Yao, N. A Multidimensional Pivot Table Model
Based on MVVM Pattern for Rich Internet Application. Computer,
Consumer and Control (IS3C), 2012 International Symposium on, 2012. IEEE, 24-27.
[17] K. M. Azharul Hasan, Tatsuo Tsuji (2011), Extendible Arrays for Multidimensional Databases: Concept, Implementation and Evaluation
Paperback, LAP LAMBERT Academic Publishing.
[18] Haiping Lu, Konstantinos N. Plataniotis, Anastasios Venetsanopoulos (2013), Multilinear Subspace Learning: Dimensionality Reduction of Multidimensional Data (Chapman & Hall/Crc Machine Learning & Pattern
Recognition) Hardcover, Chapman and Hall/CRC; 1 edition.
[19] Dash, A. K. & Agarwal, R. 2001. Dimensional modeling for a data warehouse. ACM SIGSOFT software engineering notes, 26, 83-84.
[20] Christian S.Jensen, Torben Bach Pedersen, Christian Thomsen, & 1 mo- re (2010), Multidimensional Databases and Data Warehousing (Synthesis
Lectures on Data Management) Paperback, Morgan and Claypool
Publishers; 1 edition.
[21] Combi, Carlo & Oliboni, Barbara & Pozzi, Giuseppe & Sabaini, Alberto & Zimanyi, Esteban. (2019), Enabling Instant- and Interval-based Semantics
in Multidimensional Data Models: the T+MultiDim Model, Information
Sciences. 518. 10.1016/j.ins.2019.12.074.
[22] Paulraj Ponniah (2001), Data warehousing fundamentals, John Wiley & Sons Inc.
102
[23] Mark W. Humphries Michael W. Hawkins Michelle C. Dy (1998), Data
Warehousing Arcthitecture and Implementation, Prentice Hall PTR; Pap/
Cdr edition.
[24] Sid Adelman, Larissa T. Moss (2000), Data Warehouse
Project Management Paperback, Addison-Wesley Professional; 1 edition.
[25] Inmon W.H. (2002), Building the Data Warehouse (Third Edition), John Wiley & Sons, Inc.
[26] R. Kimball and M. Ross (2002), The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling. 2ed. John Wiley.
[27] C. Imhoff, N. Galemmo, and J. G. Geiger.(2003), Mastering Data
Warehouse Design: Relational and Dimensional Techniques. John Wiley.
[28] Ralph Kimball, Margy Ross, Warren Thornthwaite, Joy Mundy, Bob Becker (2008), The Data Warehouse Lifecycle Toolkit Paperback, Wiley; 2 edition.
[29] Stanislaw Kozielski, Robert Wrembel (2008), New Trends in Data Warehousing and Data Analysis (Annals of Information Systems), Springer; 1st Edition. 2nd Printing.
[30] Robert Laberge (2011), The Data Warehouse Mentor: Practical Data
Warehouse and Business Intelligence InsightsPaperback, McGraw-Hill
Osborne Media; 1 edition.
[31] Ralph Kimball, Margy Ross (2013). The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling Paperback, Wiley; 3 edition. [32] Krish Krishnan (2013), Data Warehousing in the Age of Big Data (The
Morgan Kaufmann Series on Business Intelligence) Paperback, Morgan
Kaufmann; 1 edition.
[33] Brian Ciampa (2014), The Data Warehouse Workshop: Providing Practical
Experience to the Aspiring ETL Developer Paperback, CreateSpace
Independent Publishing Platform.
[34] Ladjel Bellatreche, Mukesh K. Mohania (2014), Data Warehousing and
Knowledge Discovery: 16th International Conference, DaWaK 2014,
Munich, Germany, September 2-4, 2014. Proceedings (Lecture Notes ... Applications, incl. Internet/Web, and HCI) Paperback, Springer; 2014
103
edition.
[35] Garani, G., Adam, G.K. and Ventzas, D. (2016) Temporal data warehouse
logical modelling, Int. J. Data Mining, Modelling and Management, Vol. 8,
No. 2, pp.144–159.
[36] Arora, R., Pahwa, P., & Gupta, D. (2017). Data quality improvement in
data warehouse: A framework. International Journal of Data Analysis
Techniques & Strategies, 9(1), 17–33.
[37] Subramanian, G. H., & Wang, K. (2017). Systems dynamics-based
modeling of data warehouse quality. Journal of Computer Information
Systems, 1–8.
[38] Sebaa, A., Chikh, F., Nouicer, A., & Tari, A. (2018). Medical big data warehouse: Architecture and system design, a case study: Improving healthcare resources distribution. Journal of Medical Systems, 42(4), 59. [39] Sakka A, Bimonte S, Sautot L, Camilleri G, Zaraté P, Besnard A (2018) A
volunteer design methodology of data warehouses. In: Proceedings of 37th
international conference on conceptual modeling, Springer, pp 286–300. [40] Prakash N, Prakash D (2019) A multifactor approach for elicitation of
information requirements of data warehouses. Requir Eng 24:103–117.
[41] Wahyudi, A., Kuk, G., & Janssen, M. (2018). A process pattern model for tackling and improving big data quality. Information Systems Frontiers,
20(3), 457–469.
[42] Soumiya Ain El Hayat, Mohamed Baha, A Temporal Data Warehouse Conceptual Modelling and Its Transformation into Temporal Object
Relational Model, Advanced Intelligent Systems for Sustainable
Development (AI2SD’2018), pp 314-323.
[43] Reddy, G. & Chittineni, Suneetha (2020), UML-Based Data Warehouse
Design Using Temporal Dimensional Modelling, International Journal of
Security and Privacy in Pervasive Computing. 12. 1-19. 10.4018/IJSPPC.2020070101.
[44] Wang, L. Feng, H. Zhang, C. Lyu, L. Wang and Y. You, Human Resource
Information Management Model based on Blockchain Technology, 2017
104
Francisco, CA, 2017, pp. 168-173.
[45] M. E. Peck and S. K. Moore, The blossoming of the blockchain, in IEEE Spectrum, vol. 54, no. 10, pp. 24-25, October 2017.
[46] Wang, Y., Han, J.H. and Beynon-Davies, P. (2019), Understanding blockchain technology for future supply chains: a systematic literature
review and research agenda, Supply Chain Management, Vol. 24 No. 1, pp.
62-84.
[47] Queiroz, M.M.; Telles, R.; Bonilla, S.H. Blockchain and supply chain
management integration: A systematic review of the literature. Supply
Chain. Manag. Int. J. 2019, 25, 241–254.
[48] Barghuthi, N.B.; Ncube, C.; Said, H. State of Art of the Effectiveness in
Adopting Blockchain Technology - UAE Survey Study. In 2019 Sixth HCT
Information Technology Trends (ITT); Institute of Electrical and Electronics Engineers (IEEE): Ras Al Khaimah, United Arab Emirates, 2019; pp. 54–59.
[49] Duan, J.; Zhang, C.; Gong, Y.; Brown, S.; Li, Z. A Content-Analysis Based
Literature Review in Blockchain Adoption within Food Supply Chain. Int. J.
Environ. Res. Public Health 2020, 17, 1784.
[50] Polina Durneva, BA, Karlene Cousins, BSc, MSci, PhD, JD, Min Chen, BA, MA, PhD (2020), The Current State of Research, Challenges, and Future Research Directions of Blockchain Technology in Patient Care:
Systematic Review, J Med Internet Res 2020;22(7):e18619.
[51] Saurabh Ahluwalia, Raj V.Mahto, MaribelGuerrero (2020), Blockchain technology and startup financing: A transaction cost economics perspective,
Technological Forecasting and Social Change, Volume 151, February 2020, 119854.
[52] Berman J. anh Blok W.J., Generalized Boolean dependencies. Abstracts of AMS, 6 (1985), 163.
[53] Berman J. and Blok W.J., Positive Boolean dependencies, Inf. Processing Letters, 27 (1988), 147-150.
[54] Nguyen Xuan Huy, Le Thi Thanh, Generalized Positive Boolean
105
[55] Le Duc Minh, Vu Ngoc Loan, Nguyen Xuan Huy, Some Result Concerning with the Class of Multi-valued Positive Boolean Dependencies in the Relational Data Model in context of Fuzzy Senmantics, Proceedings Vietnam-Japan Bilateral Symposium on Fuzzy Systems and Applications
VJFUZZY ’98, 30 Sept. – 2 Oct. 1998, Halong Bay, Vietnam, 178-182.
[56] Kavut, S., Maitra, S., Tang, D.: Construction and search of balanced Boolean functions on even number of variables towards excellent
autocorrelation profile. Des. Codes Cryptogr. 87(2–3), 261–276 (2019).
[57] Nguyễn Xuân Huy, Vũ Ngọc Loãn, Lê Đức Minh, Một số bài toán liên quan đến ràng buộc logic trong cơ sở dữ liệu quan hệ, Kỷ yếu Hội nghị
Khoa học lần thứ 13, Học viện Kỹ thuật Quân sự, T.8: Toán - Công nghệ
thông tin, Hà Nội, 10-2001, 59-64.
[58] Nguyễn Xuân Huy, Vũ Ngọc Loãn, Về định lý tương đương trong các phụ
thuộc Boolean dương đa trị, Tạp chí tin học và Điều khiển học, 10(4), 12-
1994, 11-15.
[59] Nguyễn Xuân Huy (2006), Các phụ thuộc logic trong cơ sở dữ liệu, NXB Thống kê, Hà Nội.
[60] Nguyễn Xuân Huy, Đàm Gia Mạnh, Vũ Thanh Xuân, Kim Lan Hương (2001), Về một lớp công thức suy dẫn, Tạp chí Tin học và Điều khiển học, T.17, S.4, tr. 17-22.
[61] Elisa Tonello, On the conversion of multivalued to Boolean dynamics, School of Mathematical Sciences University of Nottingham, Nottingham, NG7 2RD (2017),1-16.
[62] JohannesEbbing, LauriHella, PeterLohmann, JonniVirtema, Boolean
dependence logic and partially-ordered connectives, Journal of Computer
and System Sciences, Volume 88, September 2017, Pages 103-125.
[63] Nyberg, K.: The extended autocorrelation and boomerang tables and links between nonlinearity properties of vectorial boolean functions.
Cryptology ePrint Archieves Report 2019/1381 (2019).
[64] Nguyễn Xuân Huy, Nguyễn Thị Vân, Trương Thị Thu Hà, Quan hệ giữa
phụ thuộc hàm nới lỏng và phụ thuộc Boolean dương tổng quát, Chuyên
106
và truyền thông, tập 2020 số 01.
[65] Nguyễn Xuân Huy, Trịnh Đình Thắng (1999), Một vài thuật toán cài đặt
các phép toán của đại số quan hệ trong mô hình dữ liệu dạng khối, Tạp chí
Tin học và Điều khiển học, T.15, S.3, tr. 8-17.
[66] Trịnh Đình Thắng (2001), Một số kết quả về bao đóng, khóa và phụ thuộc
hàm trong mô hình dữ liệu dạng khối, Kỷ yếu Hội thảo quốc gia lần thứ IV
“Một số vấn đề chọn lọc của Công nghệ Thông tin”, Hải Phòng, tr. 245-251. [67] Trịnh Đình Thắng (2005), Một số kết quả về phụ thuộc hàm, phủ của các