Bases de données Cours 5 : Base de données déductives

Dimension: px
Commencer à balayer dès la page:

Download "Bases de données Cours 5 : Base de données déductives"

Transcription

1 Cours 5 : ESIL Université de la méditerranée

2 Plan du cours 1 Introduction 2 approche sémantique approche axiomatique 3 règles de déduction bases de données déductives approche sémantique approche axiomatique 4 programmes en

3 Bibliographie Livres : A. Thayse et al. : Approche logique de l intelligence artificielle. Tome2 : de la logique modale à la logique des bases de données. Dunod ed H. Garcia-Molina, J. D. Ullman, J. Widow : Database systems, the complete book. Prentice Hall ed N.Bidoit : C. Zaniolo : LDL++ tutorial. UCLA Supports de cours : R. Godin : Logique et bases de données. 2004

4 approche sémantique approche axiomatique Logique des prédicats : sémantique des bases de données relationnelles Approche sémantique : BD relationnelle : Langage logique du 1er ordre : LR BD : modèle de Herbrand de certaines formules de ce Langage Evaluation d une requête : sélection des instances fondamentales de la requête dans le modèle Approche axiomatique : BD relationnelle : Théorie logique du 1er ordre Evaluation d une requête : sélection des instances fondamentales de la requête qui sont des théorèmes de la théorie

5 approche sémantique approche axiomatique Langage relationnel Langage relationnel LR : associé au schéma S d une BD (adaptation de la langage logique des prédicats) Vocabulaire Nombre fini de constantes : réunion des domaines de S Pas de symbole fonctionnel Nombre fini de prédicats, un prédicat spécial égalité (noté =) Chaque prédicats de LR : schéma d une relation de S Procédé de formation des formules Même procédé que la logique des prédicats

6 approche sémantique approche axiomatique requêtes < x Q(x) > : x(x 1,,x n ) variables cibles de la requête Q(x) : formule de LR < Q > : requête oui-non Q : formule close de LR exemples de requêtes < x y (pere(x,y) (pere(y,lucie) mere(y,lucie))) > contraintes d intégrité : formules closes de LR x y z ((pere(x,z) mere(y,z)) n (conjoint(x,y,n)))

7 approche sémantique approche axiomatique reformulation des requêtes non acceptables requête non acceptable requête acceptable < x F(x) > < x T(x) F(x) > < y F(x,y) > < y x(t(x) F (x)) > < x,y, z F 1(x,y) F 2(y, z) > < x, y,z F(x,z) (F 1(x,y) F 2(y,z)) >

8 approche sémantique approche axiomatique correspondance LR algèbre relationnelle LR algèbre relationnelle < x r > r < x r(x,a) > π x(σ y=a(r)) < y,x F(x) > D < x F(x) > < x F 1(x 1) F 2(x 2) > < x 1 F 1(x 1) > < x 2 F 2(x 2) > < x F 1(x 1) F 2(x 2) > < x F 1(x 1) > < x F 2(x 2) >

9 approche sémantique approche axiomatique correspondance LR algèbre relationnelle (suite) LR algèbre relationnelle < x yf(x,y) > < x, y F(x,y) > D < x yf(x,y) > π x( < x,y F(x,y) > ) < x F(x) > D n \ < x F(x) > ) α β (α β) (β α)

10 approche sémantique approche axiomatique correspondance LR algèbre relationnelle (suite) α β ( α β) < x x = x > D < x x = a > {(a)} < x x = y > {(a,a) (a) D} < x p(a) > {()} si a p < x p(a) > {} si a p

11 approche sémantique approche axiomatique sémantique de LR interprétation : I = (D,I c,i v ) où D : ensemble non vide, domaine d interprétation I c : la fonction : Cons D D m {0,1} c I c (c) P I c (P) I v : la fonction : Var D x I v (x)

12 approche sémantique approche axiomatique interprétation d une formule de la logique LR A une formule de LR, association d une valeur de vérité I(A) à A si x est une variable libre alors I(x) = I v (x) I(c) = (I c (c)) I(P(t 1,,t m )) = (I c (P))(I(t 1 ),,I(t m )) si A et B sont des formules alors A, A B, A B, A B, A B s interprètent comme dans la logique propositionnel si A est une formule et x une variable alors I( x A) = 1 si I x/d (A) = 1 pour tout élément d D si A est une formule et x une variable alors I( x A) = 1 si I x/d (A) = 1 pour au moins un élément d D

13 approche sémantique approche axiomatique Théorème de Herbrand univers de Herbrand U F associé à un ensemble de formules F : ensemble des constantes apparaissant dans les formules de F base de Herbrand (finie) B F associé à F : ensemble des prédicats construits à partir de F en remplaçant les variables par des éléments de l univers de Herbrand interprétation de Herbrand de F : attribution d une valeur de vérité à chaque formule de B F théorème de Herbrand : F est satisfaisable ssi B F est satisfaisable

14 approche sémantique approche axiomatique Point de vue sémantique Approche centrée sur les interprétations existence d un plus petit modèle de Herbrand M B associé à B M B : intersection de tous les modèles de Herbrand réponse aux requêtes < x,q(x) > ensemble de c = (c 1, c n ) pour lesquels Q(c) est vrai dans M B < x,q(x) > = {c, = MB Q(c)} réponse aux requêtes oui-non <,Q > = {()} <,Q > = {} <, Q > = {()} Q est vrai dans M B Q n est pas vrai dans M B Q est faux dans M B

15 approche sémantique approche axiomatique Approche axiomatique théorie logique de LR : associé á une BD (adaptation de la logique des prédicats) a = (a 1,,a n ) r(a) extension d une relation instance de LR BD : ensemble de formules logiques (théorie) de LR représentant les relations axiomes associés à S c = (c 1,,c n ) r r(c) LR

16 approche sémantique approche axiomatique Point de vue axiomatique Approche centrée sur les axiomes axiomes de complétude A(B) : si c = (c 1,,c n ) r alors r(c) est un axiome hypothèse du monde clos : HMC(B) = { P,p B B et P B} axiome de complétude C(B) : x(r(x) x = c 1 x = c 2 x = c p ) axiome d unicité de nom AUN(B) : c i c j, 1 i < j p axiome de fermeture du domaine AFD(B) : x(x = c 1 x = c p ) ou T B = T HMV B T B = T C B = A(B) HMC(B) AUN(B) AFD(B) = A(B) C(B) AUN(B) AFD(B)

17 approche sémantique approche axiomatique Point de vue axiomatique réponse aux requêtes < x,q(x) > ensemble de c = (c 1, c n ) pour lesquels Q(c) est un théorème de T B < x,q(x) > = {c, T B Q(c)} réponse aux requêtes oui-non <,Q > = {()} Q est un théorème de T B <,Q > = {} Q n est pas un théorème de T B <, Q > = {()} Q est un théorème de T B

18 approche sémantique approche axiomatique Equivalence des points de vue axiomatique et sémantique T HMV B théorème : et TB C sont équivalentes T HMV B théorème : et TB C admettent comme seul modèle M B théorème : Si F est une formule de LR alors < x,f(x) > = < x,f(x) >

19 règles de déduction bases de données déductives approche sémantique approche axiomatique base de donnée relationnelle relation pere et relation mere x y x y a b f b d c e c contraintes d intégrité x y(pere(x,y) parent(x,y)) x y(mere(x,y) parent(x,y))

20 règles de déduction bases de données déductives approche sémantique approche axiomatique redondance entre contraintes d intégrité et extension des relations exemple x y(pere(x,y) parent(x,y)) x y(mere(x,y) parent(x,y)) redondance de parent(a,b) lorsque : pere(a,b) B ou mere(a,b) B

21 règles de déduction bases de données déductives approche sémantique approche axiomatique suppression de la redondance suppression de certaines extensions de prédicats dans la BD remplacement par des définitions en compréhension transformation de contraintes en règles de déduction transformation de certains prédicats relationnels en prédicats virtuels construction d une théorie plus compacte exemple parent(a,b) prédicat virtuel défini en compréhension par les règles de déduction : x y(pere(x,y) parent(x,y)) x y(mere(x,y) parent(x,y))

22 règles de déduction bases de données déductives approche sémantique approche axiomatique règle de déduction t (h(t) y(b 1 b n )) A B : si B alors A h(t) : tête de règle, conséquent y(b 1 b n ) : corps de la règle, antécédent exemple r 1 : parent(x,y) pere(x,y) r 2 : parent(x,y) mere(x,y) r 3 : grand parent(x,y) (parent(x,z) parent(z,y))

23 règles de déduction bases de données déductives approche sémantique approche axiomatique règle de déduction relations de dépendance entre prédicats p dépend directement de q : si q apparaît dans le corps d une règle et p dans la tête p est récursif : si p dépend de p p dépend strictement de q : si p dépend de q et q ne dépend pas de p une règle de déduction est récursive : si son antécédent contient un prédicat qui dépend du conséquent

24 règles de déduction bases de données déductives approche sémantique approche axiomatique base de données déductive une base donnée déductive B, est une théorie comprenant : une base de donnée extensionnelle B E base de données relationnelle une base de donnée intensionnelle B I ensemble de règles de déduction

25 règles de déduction bases de données déductives approche sémantique approche axiomatique base de données déductive une règle de déduction est stricte si les littéraux figurant dans l antécédent sont tous positifs : h(t) (b 1 b n ) une règle de déduction est stricte est équivalente à une clause de Horn : h(t) b 1 b n une base de donnée déductive B est stricte si toute règle de déduction de B I est stricte une base de donnée déductive B stricte est hiérarchique si aucun prédicat virtuel n est récursif

26 règles de déduction bases de données déductives approche sémantique approche axiomatique Approche sémantique théorème Soit B une base de données stricte. L intersection de tous les modèles de Herbrand de B est un modèle de Herbrand théorème Soit M B = {A B B B = A} une base de données stricte. L intersection de tous les modèles de Herbrand de B est un modèle de Herbrand Approche sémantique base de donnée B : plus petit modèle de Herbrand M B évaluation des requêtes : recherche des instances vraies dans M B

27 règles de déduction bases de données déductives approche sémantique approche axiomatique Approche axiomatique Soit B une base de données stricte et B B sa base de Herbrand de B avec HMC(B) = { P P B B et B P} La théorie TB HMC associée à B = B HMC(B) AFD(B) AUN(B) est théorème : la théorie T HMC B est cohérente théorème : T HMC B p(a) ssi B A théorème : M B est le seul modèle de T HMC B théorème : la théorie T HMC B est complète

28 Introduction programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en base de données relationnelle : données représentées par des tables relation arc relation chemin dep ar dep ar Toulon Marseille Toulon Marseille Toulon Cassis Toulon Cassis Toulon La Ciotat Toulon La Ciotat Cassis Marseille Cassis Marseille La Ciotat Cassis La Ciotat Marseille La Ciotat Cassis relation : nom attribut : ensemble de valeurs sur un domaine D schéma d une relation : nom(a 1 : D 1,...,A n : D n ) algébre relationnelle avec les opérateurs : σ, π,,,,,

29 Modèle relationnel : programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en fondé sur le concept de table avantages : limites : représentation simple pour les utilisateurs modèle bien fondé formellement algèbre : opérations sur les tables logique : langage relationnel ou théorie du 1er ordre représentation de données sémantiquement plus complexes manipulation : effectuer des inférences

30 programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en Le langage (DATA base LOGic) langage déclaratif proche du langage de programmation logique PROLOG de ensemble de variables ensemble (non vide) de constantes ensemble (non vide) de prédicats deux connecteurs :,

31 règles en programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en m 0, L et L i : littéraux positifs règles : L L 1 L m signification de : si L 1 L m alors L L : tête de règle, conséquent L 1 L n : corps de la règle, antécédent règles avec corps vide (faits) : L programme : ensemble de règles

32 exemple de programme (1) programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en programme : arc(toulon, Marseille) arc(toulon, Cassis) arc(cassis, Marseille) chemin(x,y) arc(x,y) arc(toulon, LaCiotat) arc(laciotat, Cassis) chemin(x,y) arc(x,z) chemin(z,y) requêtes : chemin(toulon, Cassis), chemin(la Ciotat, Marseille), chemin(marseille, La Ciotat), chemin(x, Marseille), chemin(toulon,y), chemin(x,y)

33 exemple de programme (2) programme : parent(jean, Luc) parent(anne, Luc) parent(marie, Paul) parent(luc, Eric) parent(paul, Guy) ancêtre(x,y) parent(x, y) programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en parent(jean, Eve) parent(anne, Eve) parent(luc, Paul) parent(lucie, Guy) ancêtre(x,y) parent(x, z) ancêtre(z,y) requêtes : ancêtre(marie, Paul), ancêtre(jean, Eric), ancêtre(jean, Guy), ancêtre(x, Guy), ancêtre(anne,y), ancêtre(x,y)

34 programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en sémantique de (modèle minimal) correspondance et logique des prédicats règles : L L 1 L m formule de L Pr : x 1,,x k ( si y 1, y n (L 1 L m )) alors L x 1,,x k : variables apparaissant dans L y 1, y n : variables apparaissant dans L 1,,L m P P LPr programme ensemble de formules de L Pr P LPr : ensemble de clauses de Horn : L L 1 L m

35 interprétation de Herbrand programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en interprétation : I = (D,I c ) où D ensemble non vide, ensemble des constantes I c la fonction : D m {0,1} D D P I c (P) c I c (c) BH LPr Base de Herbrand : ensemble de tous les faits positifs construits sur L Pr I interprétation de Herbrand : représenté par un sous-ensemble de BH LPr IH : ensemble des interprétations de Herbrand

36 Hypothèse du monde clos programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en monde réel décrit de façon incomplète faits positifs uniquement (minimisation du stockage) connaissance du monde supposée complète Hypothèse du monde clos : déduction de faits négatifs à partir de faits positifs L Pr : impossibilité de déduction de faits négatifs à partir de faits positifs mécanime extra-logique pour le traitement de la négation

37 Choix du modèle minimal programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en modèle satisfaisant le moins de faits positifs possible F un ensemble de formules de L Pr M est un modèle minimal de F si : M un modèle de Herbrand M un modèle de F si M M alors M = M ensemble cohérent de clauses : existence d au moins un modèle minimal ensemble de clauses de Horn : modèle minimal : intersection des modèles de Herbrand

38 modèle d un programme programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en modèle minimal d un programme P M P modèle minimal de P LPr implication ou conséquences d un programme f L Pr, P = f ssi M P satisfait f implication de faits positifs (f positif) P = f ssi P LPr = f implication de faits négatifs P = f n implique pas P LPr = f

39 programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en base de données déductive et une base donnée déductive B, comprend : une base de donnée extensionnelle B E une base de donnée intensionnelle B I B E ensemble de schémas de relation B I ensemble de schémas de relation langage programme définissant les relations

40 sémantique du point fixe programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en vision plus opérationnelle d un programme : faits et règles opérateur : application des règles aux faits afin de produire de nouveaux faits chaînage avant ( bottom-up )

41 sémantique du point fixe programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en T P : opérateur de conséquence immédiate associé à un programme P T P (I) = {tete(r) r IH P et L corps(r),i = L} pour I IH T P est monotone T P admet un plus petit point fixe pppf (T P ) pppf (T P ) s obtient par l itération de T P

42 sémantique du point fixe programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en T P (I) = {tete(r) r IH P et L corps(r),i = L} pour I IH pppf (T P (I)) : plus petit point fixe de T P équivalence des sémantiques du point fixe et du modèle minimal P programme, M P modèle minimal de P M P = pppf (T P (I))

43 programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en : exemple sémantique du point fixe implémentation : stratégie chaînage avant ( bottom-up ) on part des faits de la B E pour dériver de nouveaux faits de la B I faits de la B E : table relationnelle Evaluation de requêtes : requêtes non récursives transformation de la requête sous forme d algèbre relationnelle puis opérations de l algèbre relationnelle requêtes récursives création succéssive de tables intermédiaires

44 exemple de programme programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en programme : parent(jean, Luc) parent(anne, Luc) parent(marie, Paul) parent(luc, Eric) parent(paul, Guy) parent(jean, Eve) parent(anne, Eve) parent(luc, Paul) parent(lucie, Guy) r 1 ancêtre(x,y) parent(x, y) r 2 ancêtre(x,y) parent(x, z) ancêtre(z,y) requête : ancêtre(x,y)

45 : étape 1 programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en évaluation de la requête : ancêtre(x,y) étape 1 : création d une table vide ancêtre 0 : ancêtre 0 x y étape 2 :création d une table ancêtre 1 en utilisant la règle r 1 ancêtre(x,y) parent(x, y) la table parent

46 : étape 2 programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en ancêtre 1 x y Jean Luc Jean Eve Anne Luc Anne Eve Marie Paul Luc Paul Luc Eve Lucie Guy Paul Guy

47 : étape 3 programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en étape 3 :création d une table ancêtre 2 en utilisant la règle r 2 ancêtre(x,y) parent(x, z) ancêtre(z,y)

48 : étape 3 programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en ancêtre 2 x y Jean Luc Jean Eve Anne Luc Anne Eve Marie Paul Luc Paul Luc Eve Lucie Guy Paul Guy Jean Jean Anne Anne Marie Luc Paul Eric Paul Eric Guy Guy

49 : étape 4 programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en étape 4 :création d une table ancêtre 3 en utilisant la règle r 2 ancêtre(x,y) parent(x, z) ancêtre(z,y)

50 : étape 4 programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en ancêtre 3 x y Jean Luc Jean Eve Anne Luc Anne Eve Marie Paul Luc Paul Luc Eve Lucie Guy Paul Guy Jean Jean Anne Anne Marie Luc Paul Eric Paul Eric Guy Guy Jean Anne Guy Guy

51 Evaluation des requêtes en programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en évaluation naïve itération de l opérateur de conséquence immédiate à l aide des opérations de l algèbre relationnelle résolution restriction de la résolution de L Pr à un langage sans symbole fonctionnel méthodes des ensembles magiques réécriture du programme en un programme équivalent relativement aux réponses à la requête

52 résolution Introduction programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en principe de la résolution J. -A. Robinson Soit A, B, X des formules propositionnelles On suppose que A X et A X sont cohérentes si X est cohérente alors B est cohérente X est cohérente alors A est cohérente dans les 2 cas A B est cohérente plus formellement : {A X,B X } = A B

53 résolution en logique propositionnelle programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en proposition (résolution) S : un ensemble de clauses, c 1, c 2 S si l est un littéral tel que : c 1 = l i1 l i2 l in l et c 2 = l j1 l j2 l jm l alors S = r, avec r = l i1 l i2 l in l j1 l j2 l jm On appelle r la résolvante

54 principe de la résolution programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en S : une ensemble de clauses (CNF correspondant à F ensemble de formules propositionnelles) proposition : S est incohérent ssi S = (avec : clause vide) Algorithme de résolution début tant que S faire choisir l, c 1, c 2 tels que l c 1 et l c 2 calculer la résolvante r remplacer S par S {r} fin tant que fin

55 propriétés de la résolution programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en S : un ensemble de clauses, S : ensemble de clauses après résolution F : une formule propositionnelle proposition : si S est satisfaisable alors S est satisfaisable proposition : si F a une preuve par résolution alors F est une tautologie théorème de complétude : si F est une tautologie alors F a une preuve par résolution

56 résolution en logique des prédicats programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en résolution R et saturation S (instanciation dans l univers de Herbrand H C ) semi-commutatives : plus généralement : R(S(H C )) S(R(H C )) R n (S(H C )) S(R n (H C ))

57 unification Introduction programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en substitution : Var : ensemble des variables, T : ensemble des termes σ fonction de Var dans T, tq l ensemble {x Var,σ(x) x} est fini instance : t un terme, l : un littéral, instance de t (resp. de l), le terme noté σ(t) (resp. le littéral σ(l)), obtenu en remplaçant toutes les occurences des variables x par σ(x). t 1 et t 2 des termes, t 2 est une instance de t 1 s il existe une substitution σ telle que t 2 = σ(t 1 )

58 unification Introduction programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en unificateur : 2 littéraux l et l sont unifiables s il existe une substitution σ telle que σ(l) = σ(l ). La substitution est appelée l unificateur. unificateur principal : σ est plus général que σ, s il existe σ tq σ = σ σ il existe un unificateur plus général que tous les autres : unificateur principal

59 algorithme d unification programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en algorithme unification (t 1, t 2 : des termes) début si l un des termes (t 1 ou t 2) est une variable x, (l autre est t) alors si x = t alors possible vrai σ sinon si x appara^ıt dans t alors possible faux sinon possible vrai σ (σ(x) = t) finsi fin si sinon (t 1 = f (x 1,,x n) et t 2 = g(y 1,,y m)) si f g ou n m alors

60 (suite) algorithme d unification sinon (t 1 = f (x 1,,x n) et t 2 = g(y 1,,y m)) si f g ou n m alors possible faux sinon i 0 possible vrai σ tant que i < n et possible faire i i + 1 (possible, σ ) unification(σ(x i), σ(y i)) si possible alors σ σ σ finsi fin tant que fin si fin si fin programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en

61 propriétés de la résolution programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en proposition (résolution) S : un ensemble de clauses, c 1, c 2 S, l 1 apparaît dans c 1 et l 2 apparaît dans c 2 θ une substitution de renommage tq θ(c 1 ) et c 2 n ont aucune variable libre en commun soit σ p l unificateur principal de θ(c 1 ) et c 2 S = S {r} et S {r} = S avec r = σ(θ(c 1 \{l 1 }) (c 2 \{ l 2 })) appelée résolvante

62 Algorithme de résolution programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en début tant que S faire choisir l 1, l 2, c 1, c 2 tels que l c 1 et l 2 c 2 et l 1, l 2 unifiables calculer la résolvante r à partir de l unificateur principal remplacer S par S {r} fin tant que fin

63 utilisation de la résolution programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en F un ensemble de formules F = F ssi F { F } est insatisfaisable ou incohérent. transformer l ensemble des formules F en ensembles de clauses S et la formule F en un ensemble de clauses C appliquer la résolution à S C

64 nègation dans programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en not : négation par échec not P : on ne peut déduire P problèmes : 1 risque de clauses incorrectes 2 il n existe pas toujours de modèle minimal Solutions : 1 condition de sécurité : toute variable apparaît dans une sous-requête non précédée d une négation 2 stratification

65 nègation dans programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en exemples de clauses incorrectes S(x) not R(x) S(x) R(y) not R(x) S(x) R(y) x > y exemple de clause correcte S(x) R(x) not S(x) MAIS problème!!!

66 programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en nègation dans : exemples de clause correcte mais problématique S(x) R(x) not S(x) R(1), R(2) évaluation de S étape 1 : S = étape 2 : S = {1,2} étape 3 : S = étape 4 : S = {1,2} contrainte de stratification : la négation ne peut pas être imbriquée dans une récursion

67 nègation stratifiée dans programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en nègation stratifiée : construction d un graphe de dépendances entre prédicats sommets : prédicats arcs : d un prédicat conséquent C vers un prédicat de l antécent de la règle A ériqueté + : si S C et R A ( S R ) ériqueté - : si S C et not R A ( S not R )

68 nègation stratifiée dans programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en négation non stratifiée : cycle dans le graphe avec au moins un arc étiqueté - négation stratifiée : pas de cycle strate d un sommet : nombre maximum d arc étiqueté - programme stratifié : tous les prédicats ont une strate finie évaluation des prédicats dans l ordre croissant des strates

69 programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en nègation stratifiée dans : exemple personne(jean, M) personne(anne, F) personne(guy, M) parent(jean, Luc) parent(jean, Eve) parent(paul, Guy) ancêtre(x,y) parent(x, y) ancêtre(x,y) parent(x, z) ancêtre(z,y) PasdescendantdeLuc(x) personne(x, y) not ancêtre(luc,x) négation stratifiée

70 programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en nègation stratifiée dans : exemple graphe de dépendances

71 liens avec le modèle relationnel programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en le langage : langage logique le plus simple pour le modèle relationnel aussi puissant qu une algèbre relationnelle classique, posséde en plus la récursivité

72 liens avec le modèle relationnel programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en atomes relationnels : relations représentées par des prédicats d arité finie atomes arithmétiques : comparaisons entre 2 expressions arithmétiques variables anonymes : variables utilisées une seule fois règles : tête : atome relationnel, suivi de, suivi du corps : constitué de un ou plusieurs atomes relié éventuellement par les opérateurs et not faits : tête : atome relationnel requête : collection d une ou plusieurs règles

73 programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en expression des opérateurs relationnels en intersection : P Q R(x,y,z) P(x,y,z) Q(x,y,z) union : P Q R(x,y,z) P(x,y,z) R(x,y,z) Q(x,y,z) difference : P Q R(x,y,z) P(x,y,z) not Q(x,y,z)

74 programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en expression des opérateurs relationnels en produit : P Q R(x,y,z,a,b,c,d) P(x,y,z) ;Q(a,b,c) projection : π x,y (P) R(x,y) P(x,y,z) jointure : P Q R(x,y,z,t) P(x,y) Q(y,z,t) sélection : σ condition (P) R(x,y,z) P(x,y,z) condition

75 programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en expression des opérateurs relationnels en : exemples schéma : P(dep : D 1, arr : D 2, d : D 3 ) types : dep : chaîne de caractères, arr : chaîne de caractères, d : entier σ dep= Marseille d 50(P) R(x,y,z) P(x,y,z) z 50 x = Marseille σ dep= Marseille or d 50(P) R(x,y,z) P(x,y,z) z 50 R(x,y,z) P(x,y,z) x = Marseille

76 programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en expression des opérateurs relationnels en : exemples σ not(dep= Marseille or d 50)(P) R(x,y,z) P(x,y,z) z < 50 x Marseille σ not(dep= Marseille d 50)(P) R(x,y,z) P(x,y,z) z < 50 R(x,y,z) P(x,y,z) x Marseille

77 programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en une implantation de : LDL++ voir le tutorial de LDL ++ : à télécharger à l URL : http ://pages-perso.esil.univmed.fr/ papini/sources/bd.html

78 spécificités : LDL++ programmes en sémantique de (modèle minimal) sémantique de (point fixe) négation en Syntaxe LDL++ Nom des variables : commence par une majuscule Nom de constantes : commence par une minuscule ou entre la conjocrion : se note, not : se note toutes les règles finissent par un point. parent( Jean, Luc ) parent( Jean, Eve ). parent( Paul, Guy ). ancêtre(x,y) parent(x,y). ancêtre(x,y) parent(x,z), ancêtre(z,y).

Logique et bases de données

Logique et bases de données Logique et bases de données Plan Théorie du premier ordre Hypothèses CWA, unique name, domain closure BD comme interprétation BD comme théorie du 1er ordre BD déductives Signification des différentes formes

Plus en détail

1ère partie Nadine Cullot. Bases de données déductives. Bases de données déductives Introduction et Motivation

1ère partie Nadine Cullot. Bases de données déductives. Bases de données déductives Introduction et Motivation Master STIC «Image Informatique et Ingénierie» Module Informatique Modèles de représentation - 10h CM Nadine Cullot Kokou Yétongnon nadine.cullot@u-bourgogne.fr kokou.yetongnon@u-bourgogne.fr 1ère partie

Plus en détail

Logique et bases de données

Logique et bases de données Logique et bases de données Vision logique d une BD relationnelle Signification des règles logiques Le modèle DATALOG Evaluation des règles non récursives Signification et évaluation des règles récursives

Plus en détail

Programmation Avancée - Prolog

Programmation Avancée - Prolog Programmation Avancée - Prolog N. Prcovic Programmation Avancée - Prolog p.1/26 Introduction La programmation logique est une forme particulière de programmation déclarative. La programmation déclarative

Plus en détail

BD DEDUCTIVES 1. INTRODUCTION 2. PROBLEMATIQUE DES SGBD DEDUCTIFS

BD DEDUCTIVES 1. INTRODUCTION 2. PROBLEMATIQUE DES SGBD DEDUCTIFS BD DEDUCTIVES 1. INTRODUCTION Depuis que la notion de base de données déductive est bien comprise [Gallaire84], sous la pression des applications potentielles, les concepteurs de systèmes s efforcent de

Plus en détail

Plan du cours de Programmation logique

Plan du cours de Programmation logique Plan du cours de Programmation logique 1 Introduction 2 3 Igor Stéphan 1/ 64 La logique comme langage de programmation Un langage de programmation logique est défini par : un langage des données Ω; et

Plus en détail

Programmation par contraintes Cours 3 : Programmation logique avec contraintes PLC

Programmation par contraintes Cours 3 : Programmation logique avec contraintes PLC Cours 3 : avec contraintes PLC ESIL Université de la méditerranée Odile.Papini@esil.univ-mrs.fr http://pages-perso.esil.univmed.fr/ papini/ Plan du cours 3 1 Introduction 2 3 4 Bibliographie Livres : K.

Plus en détail

Systèmes d'informations Géographiques - Graphes

Systèmes d'informations Géographiques - Graphes Systèmes d'informations Géographiques - Graphes Institut National des Sciences Appliquées - Rouen Département Architecture des Systèmes d'information michel.mainguenaud@insa-rouen.fr Graphe et Spatialisation!

Plus en détail

La logique. et son automatisation

La logique. et son automatisation Université de Fribourg Cours 2001 Méthodes mathématiques de l informatique C. Auderset La logique et son automatisation Première partie: Logique propositionnelle 1. Syntaxe et sémantique de la logique

Plus en détail

La Logique : Historique et Principes

La Logique : Historique et Principes Chapitre 1 La Logique : Historique et Principes Avertissment : cette introduction n est pas rédigée 1.1 Introduction Les mathématiques s intéresse à l étude d objets comme les nombres, la géométrie,...

Plus en détail

INFO-F-302, Cours d Informatique Fondamentale Logique pour l Informatique

INFO-F-302, Cours d Informatique Fondamentale Logique pour l Informatique 1- INFO-F-302 - / INFO-F-302, Cours d Informatique Fondamentale Logique pour l Informatique Emmanuel Filiot Département d Informatique Faculté des Sciences Université Libre de Bruxelles Année académique

Plus en détail

Cours de logique pour l informatique

Cours de logique pour l informatique Cours de logique pour l informatique Prof. Jean-François Raskin Département d Informatique Faculté des Sciences Université Libre de Bruxelles Année académique 2007-2008 0-0 Organisation pratique du cours

Plus en détail

Utilisation des tableaux sémantiques dans les logiques de description

Utilisation des tableaux sémantiques dans les logiques de description Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal bergerja@iro.umontreal.ca

Plus en détail

Logique informatique 2013-2014. Examen

Logique informatique 2013-2014. Examen Logique informatique 2013-2014. Examen 30 mai 2013. Durée 3h. Tous les documents sont autorisés. Seuls les résultats du cours peuvent être utilisés sans démonstration. Le barême et la longueur des solutions

Plus en détail

L2: cours I4c Langages et automates

L2: cours I4c Langages et automates L2: cours I4c Langages et automates Olivier Togni, LE2I (038039)3887 olivier.togni@u-bourgogne.fr Modifié le 31 mai 2007 Sommaire Utiles pour compilation, interprétation,... 1. Langages rationnels 2. Langages

Plus en détail

Démonstrations. Chapitre 4. 4.1 Introduction

Démonstrations. Chapitre 4. 4.1 Introduction Chapitre 4 Démonstrations L objectif de ce chapitre est de commencer à aborder la question fondamentale suivante : qu est-ce qu une démonstration? Pour cela, plus précisément, on va se focaliser dans ce

Plus en détail

Université Bordeaux 1 Master d informatique UE Bases de Données Sujet et correction de l examen du 27 mai 2004 8h00 9h30 (sans documents)

Université Bordeaux 1 Master d informatique UE Bases de Données Sujet et correction de l examen du 27 mai 2004 8h00 9h30 (sans documents) Numéro d anonymat: 1 Université Bordeaux 1 Master d informatique UE Bases de Données Sujet et correction de l examen du 27 mai 2004 8h00 9h30 (sans documents) Sauf mention contraire en caractères gras,

Plus en détail

Théorie de la Normalisation 1/44

Théorie de la Normalisation 1/44 Théorie de la Normalisation 1/44 La phase de design d une BD q Analyse des besoins q Design conceptuel q Modèle EA, UML q Design logique q EA vers relations q raffinement de schéma: normalisation q Design

Plus en détail

Systèmes décisionnels et programmation avancée

Systèmes décisionnels et programmation avancée Systèmes décisionnels et programmation avancée M1 SIR Philippe Muller et Mustapha Mojahid, Matthieu Serrurier, Marie-Christine Scheix 2014-2015 Introduction structure du cours intervenants introduction

Plus en détail

Logique pour l informatique

Logique pour l informatique UR Sciences et Techniques Licence S&T 1 année Logique pour l informatique Jean-Yves Antoine http://www.info.univ-tours.fr/~antoine 1 MATHEMATIQUES ET INORMATIQUE Travaux pionniers toujours d actualité

Plus en détail

Introduc)on à la logique Michel Rueher

Introduc)on à la logique Michel Rueher Introduc)on à la logique Michel Rueher SI3 Qu est ce que la logique? Etre Logique? Formaliser le raisonnement? Automatiser le raisonnement? Un art paradoxal? A quoi peut servir la logique? Formaliser le

Plus en détail

Modèle relationnel Algèbre relationnelle

Modèle relationnel Algèbre relationnelle Modèle relationnel Algèbre relationnelle Modèle relationnel (Codd 1970) On considère D i où i = 1,2..n des ensembles, dits domaines Un domaine = ensemble de valeurs (ex. D1 : entiers sur 10 positions,

Plus en détail

Initiation à l Intelligence Artificielle

Initiation à l Intelligence Artificielle Initiation à l Intelligence Artificielle Philippe Beaune, Gauthier Picard, Laurent Vercouter École Nationale Supérieure des Mines de Saint-Étienne gauthierpicard@emsefr Pôle XXI 2010-2011 Initiation à

Plus en détail

Les supports de cours suivants font référence au cours de Mr SOL et à son livre : "Accès à l'université" chez DUNOD

Les supports de cours suivants font référence au cours de Mr SOL et à son livre : Accès à l'université chez DUNOD Les supports de cours suivants font référence au cours de Mr SOL et à son livre : "Accès à l'université" chez DUNOD Les supports de cours ne sont pas complets, ils ne contiennent ni les démonstrations,

Plus en détail

2A-SI 4 - Bases de Données 4.4 - Normalisation de schémas relationnels

2A-SI 4 - Bases de Données 4.4 - Normalisation de schémas relationnels 2A-SI 4 - Bases de Données 4.4 - Normalisation de schémas relationnels Stéphane Vialle Stephane.Vialle@supelec.fr http://www.metz.supelec.fr/~vialle Avec l aide du cours de Y. Bourda Intérêt de la «normalisation»

Plus en détail

Programmation logique par contraintes. Partie II

Programmation logique par contraintes. Partie II Programmation logique par contraintes Partie II Plan du cours Programmation logique et Prolog (PL) SWI-Prolog, Sicstus Programmation logique par contraintes (PLC) Sicstus Problèmes de satisfaction de contraintes

Plus en détail

MI067. 1 Calcul des prédicats du premier ordre. P Manoury. Septembre 2011

MI067. 1 Calcul des prédicats du premier ordre. P Manoury. Septembre 2011 MI067 P Manoury Septembre 2011 1 Calcul des prédicats du premier ordre Le calcul des prédicats du premier ordre 1 organise symboliquement le monde en deux niveaux : 1. Le niveau des individus. Un individu

Plus en détail

Bases de données cours 2 Éléments d algèbre relationnelle. Catalin Dima

Bases de données cours 2 Éléments d algèbre relationnelle. Catalin Dima Bases de données cours 2 Éléments d algèbre relationnelle Catalin Dima Qu est-ce qu une algèbre? Algèbre : ensemble de domaines et d opérations. Exemple : les nombres (naturels, réels, complexes). Leurs

Plus en détail

Fondements des bases de données. Marc Plantevit

Fondements des bases de données. Marc Plantevit Fondements des bases de données Introduction Marc Plantevit marc.plantevit@liris.cnrs.fr Objectif de l enseignement : Approfondir les connaissances du modèle relationnel et les fondements de la conception

Plus en détail

Approche logique de l intelligence artificielle

Approche logique de l intelligence artificielle Approche logique de l intelligence artificielle Où l on voit comment une méthode de démonstration formelle en logique des prédicats a permis la réalisation d un langage de programmation logique Prolog

Plus en détail

1 Introduction et installation

1 Introduction et installation TP d introduction aux bases de données 1 TP d introduction aux bases de données Le but de ce TP est d apprendre à manipuler des bases de données. Dans le cadre du programme d informatique pour tous, on

Plus en détail

Modèle relationnel. Serge Abiteboul. April 3, 2009 INRIA. Serge Abiteboul (INRIA) Modèle relationnel April 3, 2009 1 / 39

Modèle relationnel. Serge Abiteboul. April 3, 2009 INRIA. Serge Abiteboul (INRIA) Modèle relationnel April 3, 2009 1 / 39 Modèle relationnel Serge Abiteboul INRIA April 3, 2009 Serge Abiteboul (INRIA) Modèle relationnel April 3, 2009 1 / 39 Introduction Modèle de bases de données : LDD (langage de définition de données) +

Plus en détail

Programme du Math1. Chapitre 1. 22/09/2013 بالتوفيق. Math1 L1 Semestre 1 SM ST. Bibliographie: 1. Notions de Logique. 2. Ensembles

Programme du Math1. Chapitre 1. 22/09/2013 بالتوفيق. Math1 L1 Semestre 1 SM ST. Bibliographie: 1. Notions de Logique. 2. Ensembles /09/013 Programme du Math1 Université des Sciences et de la Technologie Houari Boumediene Faculté de Mathématiques Math1 L1 Semestre 1 SM ST Dr M ZIDANI-BOUMEDIEN 1 Ensembles, Relations, Applications Structures

Plus en détail

Rapport des travaux du bureau d étude Prolog «Programmer en Prolog»

Rapport des travaux du bureau d étude Prolog «Programmer en Prolog» Ministère d Enseignement Supérieur, de Recherche Scientifique et de Technologies *** Ecole Nationale d Ingénieurs de Tunis ***** Département de Technologies d Informations et de Communications *******

Plus en détail

Arbres binaires de recherche

Arbres binaires de recherche Chapitre 1 Arbres binaires de recherche 1 Les arbre sont très utilisés en informatique, d une part parce que les informations sont souvent hiérarchisées, et peuvent être représentées naturellement sous

Plus en détail

Bases de Données Cours de SRC 1. Mathieu MANGEOT mathieu.mangeot@univ-savoie.fr

Bases de Données Cours de SRC 1. Mathieu MANGEOT mathieu.mangeot@univ-savoie.fr Bases de Données Cours de SRC 1 Mathieu MANGEOT mathieu.mangeot@univ-savoie.fr Objectifs du cours Analyser les besoins et modéliser les données d un système d information Mettre en œuvre des bases de données

Plus en détail

Une extension pour RDF/RDFS utilisant des relations procédurales

Une extension pour RDF/RDFS utilisant des relations procédurales Une extension pour RDF/RDFS utilisant des relations procédurales Jean-François Baget * * INRIA Sophia-Antipolis & LIRMM(CNRS - UM2) LIRMM, 161 rue Ada, 34392 Montpellier Cedex 5 baget@lirmm.fr RÉSUMÉ.

Plus en détail

Théorie des ensembles

Théorie des ensembles Théorie des ensembles Cours de licence d informatique Saint-Etienne 2002/2003 Bruno Deschamps 2 Contents 1 Eléments de théorie des ensembles 3 1.1 Introduction au calcul propositionnel..................

Plus en détail

2A-SI 4 - Bases de Données 4.2 - Modèle relationnel

2A-SI 4 - Bases de Données 4.2 - Modèle relationnel 2A-SI 4-4.2 - Modèle relationnel Stéphane Vialle Stephane.Vialle@supelec.fr http://www.metz.supelec.fr/~vialle Avec l aide du cours de Y. Bourda Généralités du «modèle relationnel» : Formalisé par CODD

Plus en détail

Rappels sur les suites - Algorithme

Rappels sur les suites - Algorithme DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................

Plus en détail

CHAPITRE II CONCEPTION D'UN SCHEMA RELATIONNEL. [GARD01] Chapitre XVII

CHAPITRE II CONCEPTION D'UN SCHEMA RELATIONNEL. [GARD01] Chapitre XVII CHAPITRE II CONCEPTION D'UN SCHEMA RELATIONNEL [GARD01] Chapitre XVII 27 CONCEPTION D'UN SCHEMA RELATIONNEL - Introduction 1. INTRODUCTION 1.1. Lien entre la base de données et le système d'information

Plus en détail

Fondements de l informatique: Examen Durée: 3h

Fondements de l informatique: Examen Durée: 3h École polytechnique X2013 INF412 Fondements de l informatique Fondements de l informatique: Examen Durée: 3h Sujet proposé par Olivier Bournez Version 3 (corrigé) L énoncé comporte 4 parties (sections),

Plus en détail

Exercices «Programmation récursive» Deuxième saison UPMC Cycle L Revision: 1.21

Exercices «Programmation récursive» Deuxième saison UPMC Cycle L Revision: 1.21 Exercices «Programmation récursive» Deuxième saison UPMC Cycle L Revision: 1.21 Anne Brygoo, Maryse Pelletier, Christian Queinnec, Michèle Soria Université Paris 6 Pierre et Marie Curie septembre 2005

Plus en détail

Analyse de programme

Analyse de programme Analyse de programme À quoi ça sert? Comment ça marche? Bertrand Jeannet et Alain Girault INRIA Rhône-Alpes 25 janvier 2012 A. Girault et B. Jeannet (INRIA) Analyse de programme 25 janvier 2012 1 / 41

Plus en détail

Introduction au model-checking et application à la vérification des protocoles cryptographiques

Introduction au model-checking et application à la vérification des protocoles cryptographiques Introduction au model-checking et application à la vérification des protocoles cryptographiques Prof. John MULLINS École Polytechnique de Montréal Prof. John MULLINS (École Polytechnique) Introduction

Plus en détail

Algèbre relationnelle

Algèbre relationnelle Algèbre relationnelle Concepts Descriptifs : Bilan RELATION ou TABLE ATTRIBUT ou COLONNE DOMAINE ou TYPE CLE CLE ETRANGERE Langages de manipulation Langages formels : base théorique solide Langages utilisateurs

Plus en détail

Examen INF242. mai 2014 2 pages Total : 120 points Durée : 2h00

Examen INF242. mai 2014 2 pages Total : 120 points Durée : 2h00 Examen INF242 Stéphane Devismes Benjamin Wack mai 2014 2 pages Total : 120 points Durée : 2h00 Documents autorisés : une feuille recto verso de notes manuscrites format A4. Le barème est indicatif, les

Plus en détail

Fondamentaux pour les Mathématiques et l Informatique :

Fondamentaux pour les Mathématiques et l Informatique : Université Bordeaux 1 Licence de Sciences, Technologies, Santé Mathématiques, Informatique, Sciences de la Matière et Ingénierie M1MI1002 Fondamentaux pour les Mathématiques et l Informatique Fondamentaux

Plus en détail

Relation binaire. 2. Relations, fonctions et ordres. Exemples. Représentation d une relation binaire. Un couple est une paire ordonnée d éléments.

Relation binaire. 2. Relations, fonctions et ordres. Exemples. Représentation d une relation binaire. Un couple est une paire ordonnée d éléments. Relation binaire Un couple est une paire ordonnée d éléments. ex: les points (x,y) du plan de IN 2 ou de IR 2, les nom et prix d un produit, les instances d un objet en Java (à 2 attributs). 2. Relations,

Plus en détail

Fiche de TD-TP no. 4

Fiche de TD-TP no. 4 Master 1 Informatique Programmation Fonctionnelle, p. 1 Fiche de TD-TP no. 4 Exercice 1. Voici trois façons différentes de définir le type Image : type Image = [[ Int ]] data Image = Image [[ Int ]] newtype

Plus en détail

Technique d Intelligence Artificielle : Résumé

Technique d Intelligence Artificielle : Résumé Technique d Intelligence Artificielle : Résumé Chapitre 1 : Préambule 1.1 Système classique de gestion! Processus bien défini et bien connu! Utilisateur passif! Ex : logiciel de gestion Généralement, il

Plus en détail

Partie II Cours 3 (suite) : Sécurité de bases de données

Partie II Cours 3 (suite) : Sécurité de bases de données Partie II Cours 3 (suite) : Sécurité de bases de données ESIL Université de la méditerranée Odile.Papini@esil.univ-mrs.fr http://odile.papini.perso.esil.univmed.fr/sources/ssi.html Plan du cours 1 Introduction

Plus en détail

Plan du cours. Introduction aux Bases de Données. Plan du cours. I. Introduction II. Le modèle UML III. Le modèle relationnel

Plan du cours. Introduction aux Bases de Données. Plan du cours. I. Introduction II. Le modèle UML III. Le modèle relationnel Plan du cours Introduction aux Bases de Données Maîtrise de Sciences Cognitives Année 2003-2004 Jérôme Darmont http://eric.univ-lyon2.fr/~jdarmont/ I. Introduction II. Le modèle UML III. Le modèle relationnel

Plus en détail

Master Informatique Fondamentale - M1 Compilation

Master Informatique Fondamentale - M1 Compilation Master Informatique Fondamentale - M1 Compilation Analyse Statique Paul Feautrier ENS de Lyon Paul.Feautrier@ens-lyon.fr perso.ens-lyon.fr/paul.feautrier 12 mai 2007 1 / 38 Indécidabilité de la Terminaison

Plus en détail

Logique du premier ordre : systèmes de preuves

Logique du premier ordre : systèmes de preuves Logique du premier ordre : systèmes de preuves 1/19 Systèmes de preuves Systèmes extensibles depuis la logique propositionnelle : système de Hilbert (SKC 1 ) ; déduction naturelle ; calcul des séquents

Plus en détail

Découverte de Règles Associatives Hiérarchiques entre termes. Sandra BSIRI Hamza Mahdi ZARG AYOUNA Chiraz L.Chérif Sadok BENYAHIA

Découverte de Règles Associatives Hiérarchiques entre termes. Sandra BSIRI Hamza Mahdi ZARG AYOUNA Chiraz L.Chérif Sadok BENYAHIA Découverte de Règles Associatives Hiérarchiques entre termes Sandra BSIRI Hamza Mahdi ZARG AYOUNA Chiraz L.Chérif Sadok BENYAHIA 1 Plan Problématique et État de l art Nouvelle approche Approche Conceptuelle

Plus en détail

Logique : ENSIIE 1A - contrôle final

Logique : ENSIIE 1A - contrôle final 1 Logique : ENSIIE 1A - contrôle final - CORRIGÉ Mardi 11 mai 2010 - Sans documents - Sans calculatrice ni ordinateur Durée : 1h30 Les exercices sont indépendants. Exercice 1 (Logique du premier ordre

Plus en détail

Introduction aux bases de données Cours 2 : Modélisation d une base de données

Introduction aux bases de données Cours 2 : Modélisation d une base de données Cours 2 : Modélisation d une base de données ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/sources/bdmat.html Plan du cours 1 Modélisation d

Plus en détail

SGBDR. Systèmes de Gestion de Bases de Données Relationnelles. Alexis NEDELEC

SGBDR. Systèmes de Gestion de Bases de Données Relationnelles. Alexis NEDELEC Informatique S6 3A SGBDR Systèmes de Gestion de Bases de Données Relationnelles Alexis NEDELEC LISYC EA 3883 UBO-ENIB-ENSIETA Centre Européen de Réalité Virtuelle Ecole Nationale d Ingénieurs de Brest

Plus en détail

2A-SI 4 - Bases de Données 4.4 - Normalisation de schémas relationnels

2A-SI 4 - Bases de Données 4.4 - Normalisation de schémas relationnels 2A-SI 4 - Bases de Données 4.4 - Normalisation de schémas relationnels Stéphane Vialle Stephane.Vialle@supelec.fr http://www.metz.supelec.fr/~vialle Avec l aide du cours de Y. Bourda Intérêt de la normalisation

Plus en détail

! S. Russell & P. Norvig : Artificial Intelligence: A modern approach (2nd ed.).

! S. Russell & P. Norvig : Artificial Intelligence: A modern approach (2nd ed.). Introduction à l intelligence artificielle (recherche dans les graphes) Ouvrages conseillés! S. Russell & P. Norvig : rtificial Intelligence: modern approach (nd ed.). Prentice Hall, 003 (Trad. française

Plus en détail

B03. Ensembles, applications, relations, groupes

B03. Ensembles, applications, relations, groupes B03. Ensembles, applications, relations, groupes Bernard Le Stum Université de Rennes 1 Version du 6 janvier 2006 Table des matières 1 Calcul propositionnel 2 2 Ensembles 5 3 Relations 7 4 Fonctions, applications

Plus en détail

Intelligence Artificielle Planification

Intelligence Artificielle Planification Intelligence Artificielle Planification Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy bruno.bouzy@parisdescartes.fr Licence 3 Informatique UFR Mathématiques et Informatique Université Paris Descartes

Plus en détail

L2 sciences et technologies, mention informatique SQL

L2 sciences et technologies, mention informatique SQL Bases de données L2 sciences et technologies, mention informatique SQL ou : le côté obscure de la jolie théorie films titre réalisateur année starwars lucas 1977 nikita besson 1990 locataires ki-duk 2005

Plus en détail

Analyse syntaxique et application aux langues naturelles. Grammaires Lexicales Fonctionnelles (LFG)

Analyse syntaxique et application aux langues naturelles. Grammaires Lexicales Fonctionnelles (LFG) Université de Nice Sophia Antipolis Master 2 Recherche PLMT Analyse syntaxique et application aux langues naturelles Grammaires Lexicales Fonctionnelles (LFG) Jacques Farré et Sylvain Schmitz Analyse syntaxique

Plus en détail

Correction de programmes : Logique de Hoare

Correction de programmes : Logique de Hoare 16 juillet 2009 Logique et informatique Vis-à-vis de l informatique la logique a au moins 2 rôles : 1 Externe et théorique (fondements de l informatique - Électif en S4) : Logique comme méta-informatique

Plus en détail

Université de Cergy-Pontoise Département de Mathématiques L1 MPI - S1. Cours de Mathématiques 1

Université de Cergy-Pontoise Département de Mathématiques L1 MPI - S1. Cours de Mathématiques 1 Université de Cergy-Pontoise Département de Mathématiques L1 MPI - S1 Cours de Mathématiques 1 Table des matières 1 Un peu de formalisme mathématique 7 1.1 Rudiments de logique........................................

Plus en détail

VIII. Interrogation de documents avec XQuery

VIII. Interrogation de documents avec XQuery VIII. Interrogation de documents avec XQuery 350 XQUERY? Est un langage d interrogation de données XML N est pas un dialecte XML Est un sur-ensemble de XPath 2.0 Utilise le même modèle de données (XDM)

Plus en détail

INSUFFISANCE DE LA 3NF

INSUFFISANCE DE LA 3NF 156 INSUFFISANCE DE LA 3NF Exemple: Poste (Ville, Rue, Code) et DF={V,R C ; C V} Clés: VR, RC Relation en 3 NF Poste Ville Rue Code Paris St Michel 75005 Paris Champollion 75005 Redondance entre le code

Plus en détail

Révisions sur les Bases de données. Lycée Thiers - PC/PC*

Révisions sur les Bases de données. Lycée Thiers - PC/PC* Bases de données Architecture clients-serveur Architecture trois tiers Vocabulaire des BDD Algèbre relationnelle Création/modification d une table Commandes SQL de manipulation de tables Définition formelle

Plus en détail

INFO-F-302 Informatique Fondamentale Logique du premier ordre

INFO-F-302 Informatique Fondamentale Logique du premier ordre INFO-F-302 Informatique Fondamentale Logique du premier ordre Prof. Emmanuel Filiot Exercice 1 1. Soit un langage L = (p, q, r, s, t, f, g) où p, q sont des prédicats unaires, r, s, t sont des prédicats

Plus en détail

Chapitre 7. Problèmes de flots. 7.1 Exemple. 7.2 Notions de base sur les graphes

Chapitre 7. Problèmes de flots. 7.1 Exemple. 7.2 Notions de base sur les graphes Chapitre 7 Problèmes de flots. 7.1 Exemple. Un réseau electrique est formé de lignes reliant des noeuds (transformateurs, centre de redistributions,...), chaque ligne a une capacité de transport maximale.

Plus en détail

List e s. List e s im b r iq u é e s

List e s. List e s im b r iq u é e s List e s Les listes sont des structures de données de base en Prolog Syntaxe : [ ] est la liste vide [ Tête Queue ] est la liste où le premier élément est Tête et le reste de la liste est Queue [ a,b,c,3,'coucou'

Plus en détail

CH.8 Décidabilité. Propriétés des langages récursifs : Fermés par complémentation, union et intersection. oui. non. oui M 1. non. oui M 2.

CH.8 Décidabilité. Propriétés des langages récursifs : Fermés par complémentation, union et intersection. oui. non. oui M 1. non. oui M 2. CH.8 Décidabilité 8.1 Les langages récursifs 8.2 La machine de Turing universelle 8.3 Des problèmes de langages indécidables 8.4 D'autres problèmes indécidables Automates ch8 1 8.1 Les langages récursifs

Plus en détail

Quelques problèmes NP-complets

Quelques problèmes NP-complets Chapitre 12 Quelques problèmes NP-complets Maintenant que nous connaissons la NP-complétude d au moins un problème (SAT), nous allons montrer qu un très grand nombre de problèmes sont NP-complets. Le livre

Plus en détail

Structures de données non linéaires

Structures de données non linéaires Structures de données non linéaires I. Graphes Définition Un graphe (simple) orienté G est un couple (S, A), où : S est un ensemble dont les éléments sont appelés les sommets. A est un ensemble de couples

Plus en détail

Kit de survie sur les bases de données

Kit de survie sur les bases de données Kit de survie sur les bases de données Pour gérer un grand nombre de données un seul tableau peut s avérer insuffisant. On représente donc les informations sur différentes tables liées les unes aux autres

Plus en détail

Langage SQL (1) 4 septembre 2007. IUT Orléans. Introduction Le langage SQL : données Le langage SQL : requêtes

Langage SQL (1) 4 septembre 2007. IUT Orléans. Introduction Le langage SQL : données Le langage SQL : requêtes Langage SQL (1) Sébastien Limet Denys Duchier IUT Orléans 4 septembre 2007 Notions de base qu est-ce qu une base de données? SGBD différents type de bases de données quelques systèmes existants Définition

Plus en détail

Exemple accessible via une interface Web. Bases de données et systèmes de gestion de bases de données. Généralités. Définitions

Exemple accessible via une interface Web. Bases de données et systèmes de gestion de bases de données. Généralités. Définitions Exemple accessible via une interface Web Une base de données consultable en ligne : Bases de données et systèmes de gestion de bases de données The Trans-atlantic slave trade database: http://www.slavevoyages.org/tast/index.faces

Plus en détail

Table des matières. 3 Suites de nombres réels 29. 3.2 Limites... 30

Table des matières. 3 Suites de nombres réels 29. 3.2 Limites... 30 Table des matières 1 Généralités 3 1.1 Un peu de logique................................. 3 1.1.1 Vocabulaire................................ 3 1.1.2 Opérations logiques............................ 4 1.1.3

Plus en détail

Contenu. ELFE - Cours 4. Datalog et l algèbre relationnelle. Exemple : schéma du TP5 BDD. Opérations de l algèbre relationnelle

Contenu. ELFE - Cours 4. Datalog et l algèbre relationnelle. Exemple : schéma du TP5 BDD. Opérations de l algèbre relationnelle Contenu ELFE - Cours 4 Requêtes relationnelles en Datalog Satisfaisabilité de formules booléennes en Datalog C. Kuttler Licence 3 informatique, Université Lille 24 janvier 2013 Requêtes relationnelles

Plus en détail

BNF101 STRUCTURE D UNE BASE DE DONNEES LE MODELE RELATIONNEL

BNF101 STRUCTURE D UNE BASE DE DONNEES LE MODELE RELATIONNEL BNF101 STRUCTURE D UNE BASE DE DONNEES LE MODELE RELATIONNEL INTRODUCTION Une base de données (BD) est un ensemble structuré d'information qui peut être utilisé simultanément par plusieurs utilisateurs

Plus en détail

Devoir Maison. Michel Lévy. 20 avril 2009

Devoir Maison. Michel Lévy. 20 avril 2009 Devoir Maison Michel Lévy 20 avril 2009 1 Objectifs Le but de ce devoir, est essentiellement de vous faire connaître et de vous inciter à utiliser deux logiciels dont la base théorique est, très partiellement,

Plus en détail

Faculté de Sciences Économiques et de Gestion. Bases de données. Maîtrise de Sciences Économiques Année 2001-2002 Jérôme Darmont

Faculté de Sciences Économiques et de Gestion. Bases de données. Maîtrise de Sciences Économiques Année 2001-2002 Jérôme Darmont Faculté de Sciences Économiques et de Gestion Bases de données Maîtrise de Sciences Économiques Année 2001-2002 Jérôme Darmont http://eric.univ-lyon2.fr/~jdarmont/ Plan du cours I. Introduction II. Le

Plus en détail

Algèbre relationnelle

Algèbre relationnelle Algèbre relationnelle 1. Introduction L algèbre relationnelle est le support mathématique cohérent sur lequel repose le modèle relationnel. L algèbre relationnelle propose un ensemble d opérations élémentaires

Plus en détail

Intelligence artificielle appliquée à l automatique

Intelligence artificielle appliquée à l automatique Intelligence artificielle appliquée à l automatique par Sylviane GENTIL Professeur à l École nationale supérieure d ingénieurs électriciens Institut national polytechnique de Grenoble 1. Définitions et

Plus en détail

Polynômes à plusieurs variables. Résultant

Polynômes à plusieurs variables. Résultant Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \

Plus en détail

Plan. Introduction aux Bases de Données. Algèbre relationnelle : introduction. Projection

Plan. Introduction aux Bases de Données. Algèbre relationnelle : introduction. Projection Plan Introduction aux Bases de Données L3 Céline Rouveirol 2010-2011 Chapitre 3 : Algèbre relationnelle Opérations spécifiques binaires Introduction aux Bases de Données 1 / 21 Algèbre relationnelle :

Plus en détail

Cours M2 Ontologies et web sémantique : Introduction aux logiques de description

Cours M2 Ontologies et web sémantique : Introduction aux logiques de description Cours M2 Ontologies et web sémantique : Introduction aux logiques de description Andreas Herzig Université de Toulouse et CNRS, IRIT http://www.irit.fr/~andreas.herzig (en partie repris du cours de Nicola

Plus en détail

Chapitre 3. Définitions récursives et induction structurelle

Chapitre 3. Définitions récursives et induction structurelle Chapitre 3 Définitions récursives et induction structurelle 114 Plan 1. Définitions récursives 2. Induction structurelle 3. Exemples Arbres Naturels Expressions arithmétiques Lectures conseillées : I MCS

Plus en détail

Contraintes d intégrité Dépendances fonctionnelles

Contraintes d intégrité Dépendances fonctionnelles Contraintes d intégrité Dépendances fonctionnelles http://www.univ-orleans.fr/lifo/members/mirian.halfeld Bases de données relationnelles- Mírian Halfeld-Ferrari p. 1 Qualité des schémas BD Quelques critères

Plus en détail

3 Approximation de solutions d équations

3 Approximation de solutions d équations 3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle

Plus en détail

Introduction aux bases de données

Introduction aux bases de données 1/73 Introduction aux bases de données Formation continue Idir AIT SADOUNE idir.aitsadoune@supelec.fr École Supérieure d Électricité Département Informatique Gif sur Yvette 2012/2013 2/73 Plan 1 Introduction

Plus en détail

Image d un intervalle par une fonction continue

Image d un intervalle par une fonction continue DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****

Plus en détail

7. Normalisation des Bases de Données relationnelles

7. Normalisation des Bases de Données relationnelles 7. Normalisation des Bases de Données relationnelles 7.1 Introduction Nous avons appris auparavant à manipuler les bases de données relationnelles, nous allons nous intéresser maintenant à la manière d

Plus en détail

Introduction aux Systemes d Information et aux Bases de Données

Introduction aux Systemes d Information et aux Bases de Données Introduction aux Systemes d Information et aux Bases de Données L2 Informatique Serenella Cerrito Département d Informatique Évry 2014-2015 Plan du cours 1. Introduction, Motivations et Objectifs 2. Le

Plus en détail

Bases de données Cours 2 : Modélisation d une base de données

Bases de données Cours 2 : Modélisation d une base de données Cours 2 : Modélisation d une base de données POLYTECH Université d Aix-Marseille odile.papini@univ-amu.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 Modélisation d une base

Plus en détail

Sytèmes de gestion de base de données

Sytèmes de gestion de base de données Soors Aurore (2302) Année académique 2009-2010 Sytèmes de gestion de base de données Notes de cours Chapitre 1 La normalisation 1.1 Procédé de design 1. Analyse et définition des règles de gestion 2. Validation

Plus en détail