![]() КАТЕГОРИИ:
АстрономияБиологияГеографияДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРиторикаСоциологияСпортСтроительствоТехнологияФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника
|
Типы команд SQLВ ANSI SQL имеется шесть основных типов команд: 1.Команды языка определения данных (data definition language — DDL) позволяют создавать новые таблицы в базе данных, добавлять индексы и т.д. Основные команды языка определения данных приведены в таблице 1: Таблица 1.Команды языка определения данных
2.Команды языка обработки данных (data manipulation language — DML) используются для добавления, корректировки и удаления строк в таблицах и включают команды (см. таблицу 2): Таблица 2.Команды языка обработки данных
3.Команда языка запросов данных (data query language — DQL) (единственная команда) используется для получения данных из таблиц и определения формы представления этих данных: Таблица 3.Команда языка запросов данных
4.Команды языка управления данными (data control language — DCL) определяют доступ отдельных пользователей и групп пользователей к объектам базы данных посредством полномочий, предоставляемых и отменяемых командами: Таблица 4.Команды языка управления данными
5.Команды языка обработки транзакций (transaction processing language — TPL) обеспечивают обновление всех строк, используемых в операторе DML, и включают следующие команды: Таблица 5.Команды языка обработки транзакций
6.Команды языка управления курсором (cursor control language — CCL) выполняют операции с отдельными строками одной или нескольких таблиц и включают команды: DECLARE CURSOR, FETCH INTO и UPDATE WHERE CURRENT.
Ответы
При изучении интеллектуальных систем традиционно возникает вопрос — что же такое знания и чем они отличаются от обычных данных, десятилетиями обрабатываемых на компьютерах. Можно предложить несколько рабочих определений, в рамках которых это становится очевидным. Данные — это информация, полученная в результате наблюдений или измерений отдельных свойств (атрибутов), характеризующих объекты, процессы и явления предметной области. Иначе, данные — это конкретные факты, такие как температура воздуха, высота здания, фамилия сотрудника, адрес сайта и пр. При обработке на ЭВМ данные трансформируются, условно проходя следующие этапы: r D1 — данные как результат измерений и наблюдений; r D2 — данные на материальных носителях информации (таблицы, протоколы, справочники); r D3 — модели (структуры) данных в виде диаграмм, графиков, функций; r D4 — данные в компьютере на языке описания данных; r D5 — базы данных на машинных носителях информации. Знания же основаны на данных, полученных эмпирическим путем. Они представляют собой результат опыта и мыслительной деятельности человека, направленной на обобщение этого опыта, полученного в результате практической деятельности. Так, если вооружить человека данными о том, что у него высокая температура (результат наблюдения или измерения), то этот факт не позволит ему решить задачу выздоровления. А если опытный врач поделится знаниями о том, что температуру можно снизить жаропонижающими препаратами и обильным питьем, то это существенно приблизит решение задачи выздоровления, хотя на самом деле нужны дополнительные данные и более глубокие знания. Знания — это связи и закономерности предметной области (принципы, модели, законы), полученные в результате практической деятельности и профессионального опыта, позволяющего специалистам ставить и решать задачи в данной области. При обработке на ЭВМ знания трансформируются аналогично данным: r Z1 — знания в памяти человека как результат анализа опыта и мышления; r Z2 — материальные носители знаний (специальная литература, учебники, методические пособия); r Z3 — поле знаний — условное описание основных объектов предметной области, их атрибутов и закономерностей, их связывающих; r Z4 — знания, описанные на языках представления знаний (продукционные языки, семантические сети, фреймы — см. долее); r Z5 — база знаний на машинных носителях информации. Часто используется и такое определение знаний: Знания — это хорошо структурированные данные, или данные о данных, или метаданные. Ключевым этапом при работе со знаниями является формирование поля знаний (третий этап Z3), эта нетривиальная задача включает выявление и определение объектов и понятий предметной области, их свойств и связей между ними, а также представление их в наглядной и интуитивно понятной форме. Этот термин впервые был введен при практической разработке экспертной системы по психодиагностике АВТАНТЕСТ и теперь широко используется разработчиками ЭС. Без тщательной проработки поля знаний не может быть речи о создании базы знаний. Существенным для понимания природы знаний являются способы определения понятий. Один из широко применяемых способов основан на идее интенсионала и экстенсионала. Интенсионал понятия — это определение его через соотнесение с понятием более высокого уровня абстракции с указанием специфических свойств. Например, интенсионал понятия "МЕБЕЛЬ": "предметы, предназначенные для обеспечения комфортного проживания человека и загромождающие дом". Экстенсионал— это определение понятия через перечисление его конкретных примеров, т. е. понятий более низкого уровня абстракции. Экстенсионал понятия "МЕБЕЛЬ": "Шкаф, диван, стол, стул и т. д.". Интенсионалы формируют знания об объектах, в то время как Экстенсионал объединяет данные. Вместе они формируют элементы поля знаний конкретной предметной области. Для хранения данных используются базы данных (для них характерны большой объем и относительно небольшая удельная стоимость информации), для хранения знаний — базы знаний (небольшого объема, но исключительно дорогие информационные массивы). База знаний — основа любой интеллектуальной системы, где знания описаны на некотором языке представления знаний, приближенном к естественному. Знания можно разделить на: r глубинные; r поверхностные. Поверхностные — знания о видимых взаимосвязях между отдельными событиями и фактами в предметной области. Глубинные — абстракции, аналогии, схемы, отображающие структуру и природу процессов, протекающих в предметной области. Эти знания объясняют явления и могут использоваться для прогнозирования поведения объектов. Поверхностные знания: "Если ввести правильный пароль, на экране компьютера появится изображение рабочего стола". Глубинные знания: "Понимание принципов работы операционной системы и знания на уровне квалифицированного системного администратора". Современные экспертные системы работают, в основном, с поверхностными знаниями. Это связано с тем, что на данный момент нет универсальных методик, позволяющих выявлять глубинные структуры знаний и работать с ними. Кроме того, в учебниках по ИИ знания традиционно делят на процедурные и декларативные. Исторически первичными были процедурные знания, т. е. знания, "растворенные" в алгоритмах. Они управляли данными. Для их изменения требовалось изменять текст программ. Однако с развитием информатики и программного обеспечения все большая часть знаний сосредотачивалась в структурах данных (таблицы, списки, абстрактные типы данных), т. е. увеличивалась роль декларативных знаний. Сегодня знания приобрели чисто декларативную форму, т. е. знаниями считаются предложения, записанные на языках представления знаний, приближенных к естественному языку и понятных неспециалистам. Один из пионеров ИИ Алан Ньюэлл проиллюстрировал эволюцию средств общения человека с компьютером как переход от машинных кодов через символьные языки программирования к языкам представления знаний (рис. 1). Рис. 5.Пирамида Ньюэлла В настоящее время разработаны десятки моделей (или языков) представления знаний для различных предметных областей. Большинство из них может быть сведено к следующим классам: r продукционные модели; r семантические сети; r фреймы; r формальные логические модели. В свою очередь это множество классов можно разбить на две большие группы (рис. 2): r модульные; r сетевые. Модульные языки оперируют отдельными (не связанными) элементами знаний, будь то правила или аксиомы предметной области. Сетевые языки предоставляют возможность связывать эти элементы или фрагменты знаний через отношения в семантические сети или сети фреймов.
|