Dynamische nicht-normalisierte Relationen

Kurzfassung

Objektzentrierte Wissensrepräsentationsmethoden, wie Semantische Netze, frames oder Relationengebilde repräsentieren taxonomosche Strukturen, die in der künstlichen Intelligenz vielfach als Grundlage für Interpretationsprozesse der realen Welt Verwendung finden. In diesem Beitrag wird ein dynamisches NF²-Datenmodell - das NF^2D-Modell - vorgestellt, mit dem solche Taxonomien als Datenbankstrukturen wiedergegeben werden können. Verallgemeinernde und instantiierende Techniken, wie Generalisierung und Aggregation sind Bestandteil dieses Modells.

Beispiele für die Verwendung des Modells und die daraus resultierende Förderung einer objektbezogenen, problemorientierten Sicht zur Darstellung versionenartiger Daten werden aus den Bereichen der Repräsentation und Organisation symbolischer Bildbeschreibungen und zur Modellierung von Schemaversionen in Datenbanken mit Historienführung gezeigt. Weiterhin werden Ausblicke auf künftige Verwendungsmöglichkeiten gegeben — etwa als Schnittstelle zwischen wissensbasierten Systemen und Datenbanken.

Abstract

Object centered knowledge representation methods like frames, semantic nets or relational structures are used to build up taxonomies as a basis for various interpretation tasks in artificial intelligence. This paper introduces an extended non-normalized data model - the NF^2D-model - which allows the representation of such taxonomies as data base structures. Generalization and aggregation are usefully integrated into this extended mathematical relational model.

Symbolic picture object description and modelling of version data in historical data bases will be used as an example to show the necessety of this model and its support of a problem oriented view of data. Furthermore some other applications are mentioned, which would benefit from the NF^2D-model.