Vol. 4 Núm. 10 (2005): Revista GTI
Artículos

MODELO INTELIGENTE PARA BASES DE DATOS DISTRIBUIDAS

Ana C. Muñoz G.
Instituto Universitario Tecnológico de Ejido Mérida
Biografía
Jose Aguilar
Universidad de los Andes
Biografía
Rodrigo Martínez
Universidad de Murcia
Biografía

Publicado 2011-04-14

Cómo citar

Muñoz G., A. C., Aguilar, J., & Martínez, R. (2011). MODELO INTELIGENTE PARA BASES DE DATOS DISTRIBUIDAS. Revista GTI, 4(10), 91–116. Recuperado a partir de https://revistas.uis.edu.co/index.php/revistagti/article/view/1562

Resumen

RESUMEN

En este trabajo trataremos el problema del diseño del “Modelo Inteligente para Sistemas de Bases de Datos Distribuidas”. Particularmente, nos proponemos diseñar el modelo canónico a través del manejo ontológico de la información. Para esto se diseñan ontologías que permitirán describir una base de datos como un conjunto de términos representacionales de sus diferentes componentes. En estas ontologías, las definiciones asocian clases, relaciones, funciones, entre otras cosas, de entidades en el universo del discurso de las bases de datos, para describir el significado de las bases de datos, sus componentes, restricciones, etc. La razón de usar ontologías es que ellas definen conceptos y relaciones dentro de un marco taxonómico, cuya conceptualización está representada de una manera formal, legible y utilizable. En trabajos anteriores [14] se ha propuesto un modelo de referencia y una arquitectura para la integración de Bases de Datos en donde se plantea la necesidad de definir un modelo canónico. Como continuación de estos trabajos, en este artículo se describen las taxonomías ontológicas que componen el modelo de referencia para la integración de bases datos, y se diseña el Modelo Canónico usando dicha noción ontológica. De esta manera, se define el proceso de integración entre los diferentes tipos de bases de datos, estas bases de datos componentes pueden ser: Relacionales, Orientadas a Objeto, Difusas, Inteligentes y Multimedia. Así, el esquema ontológico describe los conceptos, operaciones y restricciones, tanto de las bases de datos componentes como de su proceso de integración.Además en este trabajo se muestra también los axiomas para cada una de los esquemas ontológicos utilizando lógica de predicado de primer orden.

PALABRAS CLAVES

Esquema ontológico

Modelo Canónico de Datos

Bases de Datos Distribuidas Inteligentes

Integración de Bases de Datos

ABSTRACT

In this abstract we will analyze-look at with the problem of the design of the "Intelligent Model for Distributed Database System".We particularly set out to design the canonical model through the ontological handling of the information. To do so,ontology is designed that allow the description of a database like a set of representative terms of their different components. In this ontology, the definitions associate classes, relations, functions, among other things, of organizations in the speech universe of the data bases, to describe their meaning, its components, restrictions, etc. The reason for using ontology is that it defines concepts and relations within a taxonomic frame, whose conceptualization is represented in a formal, legible and usable way. In previous works [14] a reference model and architecture for the integration of database the need to define an intelligent canonical model was proposed. Like continuation of these works, in this article the ontological taxonomies are described, determining the component of the model of reference for the integration of database, and the Canonical Model is designed using this ontological notion. By doing so, the process of integration between the different types of database is defined. These component data bases can be: Relational, OO, Fuzzy, Intelligent and Multimedia. Thus, the ontological scheme describes the concepts, operations and restrictions, as well as, the component database and its process of integration. In this work there are also the axioms for each one of the ontological schemes using first-order predicate logic.

KEYWORDS

Ontological Scheme

Canonical data Model

Distributed Database Intelligent

Database Integration

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

  1. Abello A., Araque F., Samos J., Saltor F.; “Bases de Datos Federadas, Almacenes de Datos y Análisis Multidimensional”, http://www.lsi.upc.es/~aabello/publications/home.html
  2. Abello A., M. Oliva, J. Samos, and F. Saltor; “Information System Architecture for secure Data Warehousing”. In Proc. of the 3rd Int. Workshop on Engineering Federated Information Systems (EFIS), pag. 33-40. 2000
  3. Batini C., Lenzerini M.; “A comparative analysis of methodologies for database schema integration”, ACM Computing Surveys 18, 4, December 1986.
  4. Bertino E., Catania B., Zarri Gian P.; “Intelligent Database System”, Addison-Wesley. 2001. http://ksi.cpsc.ucalgary.ca/KAW/KAW98/blazquez/
  5. Chapa V. Sergio; “Introducción a la Lógica Matemática”, 1 9 9 9 http://delta.cs.cinvestav.mx/~schapa/red/intro_lm/logica1.h tml
  6. Condori Fernández, N; “FSQL. Fuzzy Estándar Query Lenguaje; SPCMagazine, Marzo 2002; http://www.spc.org.pe
  7. Corcho O., Fernandez-López M., Gomez-Perez A., “Methodologies, tools and languages for building ontologies. Where is their meeting point? Data & Knowledge Engineering 46 (2003) 41-64. Elsevier.
  8. Date, C. J.; “An Introduction to Database Systems”, Volume 1, Fifth Edition. Reading, Mass: Addison-Wesley Publishing.1990
  9. Del Pino J., Roberto; “Bases de Datos Temporales”. MABD 2003/2004
  10. Fernandez-Breis J., Martinez-Béjar R.; “A cooperative framework for integrating ontologies”; Elsiever Science Human Computer Studies 2002.
  11. Galindo Gómez J.; “Conjuntos y Sistemas Difusos (Lógica Difusa y Aplicaciones)”. Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga. http://www.lcc.uma.es/~ppgg/FSS/FSSindex.pdf.
  12. Gruber, T. R. “A Translation Approach to Portable Ontology Specifications. KSL Report”, 1993, http://kslweb.stanford.edu/abstracts_by_author/Gruber,T..papers.ht ml
  13. Weigand, H.; "Multilingual Ontology-Based Lexicon for News Filtering The TREVI Project", en K. Mahesh (1997): 138- 159.
  14. Muñoz A., Aguilar J.; “Architecture for Distributed Intelligent Databases”. IEEE, 13th Euromicro Conference on Parallel, Distributed and Network-based Processing, Euromicro-PDP 2005, pp 322-328
  15. Morales Eduardo, “Representación de Conocimiento”. http://dns1.mor.itesm.mx/%7Eemorales/Cursos/RdeC/node 197.html
  16. Patiño G, Angel M; “Bases de Datos Multimedia”. Universidad de Castilla de la Mancha.
  17. Ruiz T., Martha Estela; “Desarrollo de SGBDOO en Oviedo3”, www.Uniovi.es/~oviedo3/belen/jindbd96.html.6/Nov/1999
  18. Saltor F., Castellanos M, García-Solaco M; “Suitability of data models as canonical models for federated databases”; Universitat Politècnica de Catalunya.
  19. Silberschatz A., Korth H., Sudarshan S.; “Fundamentos de Bases de Datos”. Mc Graw Hill, tercera edición. 1998
  20. Shet P, Larson J., “Federated Database System for managing distributed, heterogeneous and autonomous databases”. ACM Computing Surveys 22, 1990 pp 183, 236
  21. Varas M., Urrutia A.; “Bases de Datos Difusas Modeladas con UML”; VIII Congreso Argentino de Ciencias de la Computación, 2002 pp 145, 155
  22. Varas M., Urrutia A.; “Bases de Datos Difusas Modeladas con UML”; VIII Congreso Argentino de Ciencias de la Computación, 2002 pp 145, 155
  23. Alvarez Carrión, G.; “Integración de esquemas en bases de datos heterogéneas fuertemente acopladas”. Tesis Maestría, Universidad de las Américas, Puebla. 1999