Predstavljanje znanja u informacijskim sustavima

1. Predstavljanje znanja u informacijskim sustavima Sveučilište u Zagrebu Fakultet elektrotehnike i računarstva Doktorski studij Zimski semestar Nositelj: Prof.dr.sc. Nikola.Bogunović, D-309 nikola.bogunovic@fer.hr Napomena: Ova prezentacija smije se koristiti bez ograničenja samo u nastavi na Sveučilištu u Zagrebu, Fakultet elektrotehnike i računarstva.

2. Predstavljanje znanja u informacijskim sustavima Specijalizacije formalne logike

3. Specijalizacije logike • Temeljni problemi dokazivanja uporabom logike predikata • Preslikavanje prirodnog jezika u formalan zapis. • Postavljanje hipoteze (supstitucija varijabli). • Izvođenje izjednačavanja i test na pojavu. • Poluodredivost (poluodlučljivost) predikatne logike. • Pojednostavljivanje baze znanja. • Tautologije u skupu klauzula. • Strategije izbora klauzula. • Jednakost u klauzulama (paramodulacija i demudulacija). • Aritmetika (Gödel) – nekompletnost i neispravnost predikatne logike.

4. Specijalizacije logike 1972, Kowalski i Colmerauer: predlažu podsustav dokazivanja teorema zasnovan na restrikcijama predikatne logike Neka je dana normalizirana klauzula (univerzalno kvantificirana): (Q1 Q2  ...  Qn  (P1)  ( P2)  ...  ( Pm)) Koristeći De Morganove zakone, gornja klauzula se može pisati: (Q1  Q2  ...  Qn  ((P1  P2  ...  Pm))) Poznavajući ((A)  B) = (A  B), gornja klauzula se može pisati: (P1  P2  ...  Pm)  (Q1  Q2  ...  Qn) Zamijenimo strane: (Q1  Q2  ...  Qn)  (P1  P2  ...  Pm) Q - izvorno nenegirani (pozitivni) literali povezani disjunkcijom. P - izvorno negirani (negativni) literali povezani konjunkcijom.

5. Specijalizacije logike – restrikcija u predstavljnaju Definicija (uz implicitnu pretpostavku o univerzalnoj kvantifikaciji): Određena programska klauzula (engl. definite program clause) Točno jedan (1) atomički član na TADA strani (posljedica) implikacije. Operator konjunkcije se označuje zarezom, a klauzula završi točkom. Implikacija se označuje strelicom. Q  P1, P2, ... , Pm. To je restrikcija (pojednostavljenje) normalizirane klauzule. Q se naziva glava (engl. head), a konjunkcija (P1, P2, ... , Pm) tijelo (engl. body) Određena klauzula često se naziva i pravilo. Određena klauzula s praznim tijelom je jedinična (činjenica): Q .

6. Specijalizacije logike– Logički program Definicija: Određen logički program Određen logički program je konačan skup određenih klauzula. Definicija: Definicija predikata Definicija predikata je skup svih programskih klauzula s jednakim predikatskim simbolom u glavi klauzule. Definicija: Određen cilj (engl. definite goal) Određen cilj je klauzula oblika:  P1, P2, ... , Pm. t.j. klauzula s praznom glavom (posljedicom, TADA stranom). Svaki Pi (i=1,...,m) je podcilj cilja. To su izvorno negirani atomi. Definicija: Prazna klauzula Prazna klauzula je klauzula bez glave i tijela. Predstavlja kontradikciju. . Definicija: Hornova klauzula Hornova klauzula je određena programska klauzula (uključivo i jedinična) ili određeni cilj.

7. Specijalizacije logike • Logičko programiranje • Sintaksa logičkog programiranja reducira skup normaliziranih klauzula na skup Hornovih klauzula (0 ili 1 atomički predikat u glavi). Nije moguće svaku formulu logike predikata preslikati u skup Hornovih klauzula (npr. ((R1)(R2)) nema ekvivalenta u Hornovim klauzulama). • Deklarativna i proceduralna semantika • Interpretacija, evaluacija i model kao u logici predikata. • Kowalski (1979): Algoritam = logika + kontrolni mehanizmi. • "logika" = opis problema u nekom formalnom jeziku (Horn) • “kontrolni mehanizmi” = strategija izbora i izvođenja razrješavanja. • Logički program posjeduje: • deklarativnu semantiku (što), kao opis domene. • proceduralnu semantiku (kako), kao opis postupka dokazivanja.

8. Specijalizacije logike Proceduralna semantika = Postupak dokazivanja (razrješavanje i oborivost) Postoji cilj:  A1, ..., An. Slobodno (engl. arbitrarily) se izabere jedan podcilj Ai (1 i  n). U slijedećem koraku u skupu klauzula (aksioma, pretpostavki) traži se neodređeno (engl. nondeterministically) kaluzulu: A'  B1, ..., Bm. takvu da se njena glava A' može unificirati s odabranim podciljem Ai, uz supstituciju varijabli . Novi cilj postaje:  (A1, ..., Ai-1,B1, ..., Bm, Ai+1, ..., An). Postupak se ponavlja do eventualne redukcije cilja na praznu klauzulu. Unija supstitucija govori pod kojom je interpretacijom izvorni cilj istinit.

9. Specijalizacije logike Npr. postoji skup Hornovih klauzula 1. A1. 2. A2 . 3. H  A1, A2. _________  H. ; H je cilj, po def. negirani atom Izaberemo cilj (H) kao negirani atom i nedeterminističkipronalazimo jednaki pozitivni u glavi klauzule 3. Te dvije klauzule se razriješe uz supst. varijabli, te novi cilj postaje razriješene klauzula:  A1, A2. Podciljevi su povezani konjunkcijom, te se moraju oba zadovoljiti. U redoslijedu dokazivanja možemo slobodno izabrati podcilj A1, ili A2. Izaberemo npr. A2. Taj podcilj, kao negativna klauzula se razriješi sa pozitivnom glavom u klauzuli 2, a drugi podcilj A1 (negativni atom) se razriješi sa pozitivnom glavom u klauzuli 1. Slijedi prazna klauzula. Time je cilj H dokazan (potvrđen kao istinit).

10. Specijalizacije logike • Raniji primjer pokazuje da logičko programiranje slijedi postupak dokazivanja teorema u logici predikata ali s Hornovim klauzulama (reduciranim normaliziranim klauzulama). • Upravljački tijek je isti kao kod dokazivanja u logici predikata. • U slijedećem koraku želimo uvesti restrikciju (fiksirati) na tijek upravljanja (do sada je bio nedetermiistički izbor glave za razrješavanje i slobodan odabir podcilja). • SLD razrješavanje • (Kowalski 1974. pokazao da je ispravno i kompletno) • S – slobodan odabir pravila (funkcije) selekcije (pretraga za odgovarajućom glavom i odabir podcilja). • L - linearno razrješavanje (započinje se s ciljem, a u razrješavanju jedna klauzula je uvijek raniji rezultat). • D – postupak se temelji na određenim klauzulama (engl. definite). • Za neke funkcije selekcije (S=konkretna funkcija) SLD postupak ne mora uvijek završiti u konačnom vremenu.

11. Specijalizacije logike Prolog jezik i sustav logičkog programiranja Sintatksa: konačan broj Hornovih klauzula uz oznake: Jedinična klauzula (činjenica): A :-. (ili samo A. ) Određena klauzula (pravilo): B :- C1, ..., Cn. Cilj ili upit: :- D1, ..., Dm. Proceduralna semantika: OLD (engl. Ordered Linear Definite) Slobodno pravilo S se reducira/uređuje (2. ograničenje) na: selekcijsko pravilo R: s lijeva na desno unutar ciljne klauzule izborno pravilo Z: s vrha do dna liste klauzula (po redu) Primjer od ranije: 1. A1 :-. 2. A2 :-. 3. H :- A1, A2. :- H. Cilj H se razrješava s nekom glavom u skupu klauzula idući s vrha prema dolje, a od podciljeva prvo se razrješava A1 (s lijeva na desno).

12. Specijalizacije logike - Prolog primjer • prija(pizza, dobro). • prija(hambi, lose). • prija(hot_dog, dobro). • hrana(hambi). • hrana(pizza). • hrana(hot_dog). • voli(bobi, X) :- hrana(X), prija(X, dobro). • :- voli(bobi, Y). • Razriješimo cilj s voli(bobi, X) uz Y=X. Novi složeni cilj: hrana(X), prija(X, dobro). • Slaganje hrana(X) u skupu s hrana(hambi) uz X=hambi i Y=hambi, jer Y=X. • Postoji još mogućih slaganja s hrana(X), Prolog označuje to mjesto. • Supstitucija X=hambi traži drugi podcilj: prija(hambi, dobro). • Slaganje se ne nalazi, Prolog se vraća (backtracks) do označene točke. • Oslobađaju se varijable X=hambi, Y=hambi, ali ostaje Y=X. • Drugo slaganje s hrana(X) nalazi se hrana(pizza) uz X=pizza, Y=X=pizza. • Postoje još mogućnosti sad se sada na to mjesto stavlja oznaka. • X=pizza se supstituira u drugi član, te se traži: prija(pizza, dobro). • Predikat nalazi među činjenicama. Jedan cilj je dokazan uz Y=pizza. • Ostalo je označeno mjesto, pa se Prolog vraća, oslobađa sve varijable vezane nakon toga, t.j. X se oslobađa, ali Y=X. Novo rješenje s hrana(X), X=Y=hot_dog. • Uz supstituciju u drugi član, novi podcilj je: prija(hot_dog, dobro). • Taj se predikat nalazi u činjenicama, te je konačno: Y=hot_dog (2 solutions).

13. Specijalizacije logike - nedostaci Prologa • Beskonačne petlje • Opis domene: i, j konstante, X,Y,Z varijable • 1. roditelj(i, j). • 2. roditelj(j, k). • 3. predak(X, Y) :- predak(Z, Y), roditelj(X, Z). • 4. predak(X, Y) :- roditelj(X, Y). • :- predak(X, k) // tko su sve preci od k • Ne koristimo Prolog proceduralnu semantiku, već sukladno SLD-u slobodno selektiramo. • Cilj predak(X, k) razriješimo npr. s klauzulom 3, uz Y=k, te slijedi novi • cilj: :- predak(Z, k), roditelj(X, Z) • Slobodno izaberemo podcilj: roditelj(X, Z) i nalazimo u 1 uz X=i, Z=j. • Supstituiramo vrijednosti varijabli, te tražimo drugi podcilj: predak(j, k). • Nalazimo u 4. Uvrstimo nove vrijednosti varijabli X=j, Y=k, , i tražimo • potvrdu novoga cilja roditelj(j, k). Nalazimo u 2, te je cilj dokazan. • Prolog s OLD procedurom neće dokazati cilj. • Prolog će naći cilj ako se literali u 3. klauzuli zamijene (rekurzija na kraju). • Zaključujemo: OLD nije kompletan (pa tako ni Prolog).

14. Specijalizacije logike - nedostaci Prologa • Beskonačne petlje • p(a, b). • p(c, b). • p(X, Z) :- p(X, Y), p(Y, Z). • P(X, Y) :- p(Y, X). • :- p(a, c). • U ovom primjeru nikakav redoslijed klauzula ne omogućuje pronalaženje rješenja (dokaza za cilj) OLD postupkom. Slobodan izbor (SLD) dokazuje cilj. • Prolog sustav nije kompletan.

15. Specijalizacije logike - nedostaci Prologa Logički program i negacije Neka je dan program P: student(ivan):- . student(hrvoje):- . student(marija):- . Pokušavamo dokazati (student(pero)). Uporabom SLD razrješavanja, nije moguće dokazati negativnu klauzulu jer u bazi ne postoji niti jedna negativna klauzula. Novo pravilo: Reiter (1978) zatvoreni svijet (CWA) - (engl. closed world assumption) Moguće instancije predikata su samo one eksplicitno navedene. Svi predikati, koje se ne može dokazati (ma iz kojega razloga), su lažni. Umjesto (student(pero)), dokazujemo student(pero). Budući da student(pero)nije logička posljedica programa P, zaključujemo da je (student(pero))istinit.

16. Specijalizacije logike - nedostaci Prologa • Logički program i negacije • Zbog neodređenosti (engl. undecidability), t.j. potencijalno beskonačnog prostora vrijednosti varijabli logike prvoga reda, ne postoji algoritam koji će garantirati dokaz po volji izabranog cilja u konačnom vremenu. • Ako program ostane u beskonačnoj petlji, zbog nedokazivanja pozitivne instancije predikata, pogrešno se može zaključiti istinitost negacije cilja. • Uvodimo dodatno pravilo: • Clark 1978: NEGACIJA KAO NEUSPJEH - NF (engl. negation as failure). • Samo ako je A u skupu dokazljivih ciljeva SLD postupkom u konačnom vremenu, može se zaključiti: • - ako je A u konačnom vremenu dokazano istinit, • zaključi da je A neistinit. • - ako je A u konačnom vremenu dokazano neistinit, • zaključi da je A istinit. • SLD se proširuje u SLDNF, a OLD na OLDNF (Prolog).

17. Specijalizacije logike - nedostaci Prologa • Negacija u tijelu klauzule • Postoji potreba za iskazivanjem negacije predikata u klauzulama. • Negacija predikata nije isto što i logička negacija "". • Intuitivna semantika negacije predikata u tijelu klauzule: • operatorom "not", "komplementiramo"istinitost. • Unifikacija se ne izvodi s negativnim atomima. Negacija je samo test (operator), te je rezultat toga testa samo T ili F. • Samo pod pretpostavkom zatvorenog svijeta (CWA) negacije notP i P mogu imati istu semantiku. Ako ne pretpostavljamo CWA, notP znači da "nije poznato da je P istinit", dok P znači logičku negaciju. • Komplementiranje predikata nije dobro definirana operacija. • Istiniti negativni predikat (not q(X1, ..., Xn)) interpretiramo: • "Ne postoje vrijednosti varijabli X1, ..., Xn, za koje bi pozitivni predikat q() bio istinit." • Slijedi da moramo ispitati sve vrijednosti varijabli.

18. Specijalizacije logike - nedostaci Prologa Ispravna uporaba "not" operatora u Prologu: voli(ivo, X) :- voli(marija, X), not(mrzi(ivo, X)). Interpretacija: Voli Ivo sve što voli Marija, ako to nije ujedno u skupu da Ivo mrzi. (svi objekti koje voli Marija) minus (objekti iz tog skupa koje mrzi Ivo) Može i dalje postojati nešto što mrzi Ivo, ali ako to nije u skupu onoga što voli Marija, ne utječe na istinitost klauzule. X se povezuje u voli(marija, X), a zatim se vezani X ispituju u mrzi(ivo, X). U negativnom predikatu moraju se pojaviti samo vezane varijable. Neispravna uporaba "not" operatora: voli(ivo, X) :- ne(mrzi(ivo, X)), voli(marija, X). U trenutku ispitivanja mrzi(ivo, X),X još nije vezan. Ako postoji bilo što, što je na popisu da Ivo mrzi, to daje neistinost cijeloj klauzuli i to bez obzira na voli(marija, X).Drugi podcilj se ne ispituje. Dakle čim se nešto može izjednačiti sa mrzi(ivo, X), slijedi neistinitost, što nije bila intencija (deklarativno značenje).

19. Specijalizacije logike - nedostaci Prologa • Nemonotona obilježja Prologa • Ugrađeni atomički predikati: • "fail" - uvijek daje neistinitu vrijednost. • "cut", označen simbolom "!", ne dozvoljava vraćanje natrag • preko mjesta u kojem se pojavljuje, te reducira prostor pretraživanja. • "Cut"nema jasno deklarativno značenje. • Često se koristi u definiranju negacije. • not(P) :- P, !, fail. • not(P). • Ispitujemo istinitost not(P), gdje je P bilo koji predikat. • Ako je Pneistinit, nemoguće je slaganje s istinitim P prije "cut" predikata, pa se ispituje druga klauzula i not(P) je isitinit. • Ako je Pistinit, prelaskom preko "cut" u prvoj klauzuli ne ispituje se druga klauzula, već "fail" daje neistinitost za not(P), jer P je istinit. • Zbog "fail" bi morali ispitati drugu klauzulu, ali "cut" ne dozvoljava.

20. Specijalizacije logike - nedostaci Prologa Nemonotona obilježja Prologa Neka je dan program: p :- a, !, b. p. a. :- p. U traženju dokaza za p, u prvoj klauzuli tražimo i nalazimo potvrdu za prvi podcilj a. Zatim prelazimo preko "cat" na drugi podcilj b. Taj podcilj ne nalazimo u skupu klauzula. "cat" nam ne dozvoljava vraćanje i potragu u drugim klauzulama za istinitim predikatom p. Pogrešno zaključujemo not p umjesto istinitog p koji bi našli u drugoj klauzuli kad ne bi bilo "cat". Prolog je "logistički" programski jezik koji je posudio neke ideje iz formalne logike.

21. Specijalizacije logike – Baze podataka Relacijska baza podataka Relacija: Podskup kartezijskog produkta domena niza atributa Ai, t.j.podskup od {dom(A1)  …  dom(An)}. Atributi su značajke nekog objekta, domena je skup svih mogućih vrijednosti atributa. Konkretna vrijednost atributa je instancija. Shema (model, format) relacije: naziv_relacije(A1, A2, …, An) Npr.: Zaposlenik(Ime, Plaća, Odjel) Primjer relacije Zaposlenik predstavljene tablicom: Zaposlenik = naziv relacije Ime Plaća Odjel = atributi "Smith" 6000 "Prodaja" = instancije atributa (n-torka) "Jones" 4000 "Administracija" = instancije atributa (n-torka) … … … Korisnik postavlja "upit" (engl. query) na relaciju Zaposlenik predstavljenu gornjom tablicom instancija atributa. Rasuđivanje o podacima je temeljeno na logici predikata prvoga reda.

22. Specijalizacije logike – Baze podataka Tablica s ranije slike može se prikazati kao logički program (logička baza podataka). To je skup formula (temeljnih izjava, činjenica) u nekoj logici (jeziku) L: Npr. u jeziku logičkog programa: zaposlenik(Smith, 6000, prodaja)  . zaposlenik(Jones, 4000, administracija)  . . . . U terminologiji baza podataka korisnik postavlja "upit" (engl. query). U terminologiji logičkog programiranja korisnik postavlja "cilj" (engl. goal). Semantički, cilj je formula koja može ili ne mora biti logička posljedica baze podataka. Npr. cilj može biti:  zaposlenik(x, y, "Administracija"). Značenje: nađi sve trojke, tako da je zaposlenik(x, y, "Administracija") logička posljedica baze (x, y su varijable koje treba povezati s vrijednostima u bazi).

23. Specijalizacije logike – Baze podataka • Baze podataka podržavaju poglede (engl. view): • create view admin_emp as • select ime, placa from zaposlenik • where odjel = "Administracija" ; • Pogled se može preslikati u slijedeću logičku formulu: • admin_emp(x, y)  zaposlenik(x, y, "Administracija"). • Zaključujemo: Relacijske baze podataka su poseban slučaj (specijalizacija) logičkih programa. • Pogled na baze podataka kao specijalne logičke programe nazivamo logičke baze podatakailidedukcijske baze. • Takav pogled omogućuje: • - Bolje utemeljenu teoriju i značenje (semantika), teorija modela. • - Optimizacija izvođenja cilja (upita). • - Proširenje izražajnosti. • U logičkoj bazi: • skup temeljnih izjava (činjenice) = ekstenzijski dio baze (EDB) • skup pravila, aksioma, ograničenja cjelovitost = intenzijski (IDB), nakana

24. Specijalizacije logike – Baze podataka • Jezici (formalizmi) logičkih baza podataka (dedukcijskih) • 1. Datalog • Tipovi formula: P  . • P  Q1, …, Qn . •  Q1, …, Qn . • Datalog koristi podskup Hornovih klauzula (bez funkcijskih članova). • Predikati imaju konačnu domenu. • U klauzulama su samo određeni predikati (nema negacije u tijelu). • Dozvoljena rekurzija (SQL nema rekurziju). • Vrijedi pretpostavka zatvorenog svijeta (CWA) i negacije kao neuspjeh (NF). • Vrijedi pretpostavka jedinstvenih simbola (UNA) - svaki objekt u bazi • ima jedinstveno ime. • Vrijedi pretpostavka zatvorene domene (DCA) - nema drugih objekata osim onih navedenih u bazi. • Evaluacija cilja: "bottom-up", "top-down" (SDLNF), magic-sets, … • (vidi dodatnu literaturu).

25. Specijalizacije logike – Baze podataka 2. Normalni programi (postoje negacije "" u tijelu klauzula) A  L1, …, Ln . Li je literal (može biti i negirani atomički predikat). Primjer: p(X) q(X). q(X) p(X). r(a). U primjeru postoje dva modela: M1 = {r(a), p(a)}, i M2 = {r(a), q(a)}. Presjek M1  M2 = {r(a)} nije model programa. Model logičke baze temeljene na normalnom programu je složeniji od Dataloga. Garancija završetka upita je stratifikacija takve baze. Postupak stratifikacije: (garantira jedan minimalan model) za svaku klauzulu razina glave je veća ili jednaka razini pozitivnog literala u tijelu i razina glave je veća od razine negativnog literala u tijelu (razina - slijed evaluacije)

26. Specijalizacije logike – Baze podataka • 3. Disjunkcijske logičke baze podataka (EDDDB) • Minker 1986: • Uz moguće negacija u tijelu klauzule dozvoljavaju neodređenost (postoje disjunkcije u glavi klauzule). Slično kao normalizirana klauzula ali bez funkcijskih članova u predikatima. • Primjer: • N1 …  Np  M1, …, Mn, Mn+1, …, Mn+k • Ovisno o uporabi disjunkcija u glavi i negacija u tijelu postoje različiti semantički koncepti prikladni za rasuđivanje u takvim bazama. • Za disjunkcijske baze (slično kao i pri uporabi negacija) postoji više modela koji zadovoljavaju takve baze. • Disjunkcijske baze bez negacija s tzv. minimalnim modelima korektno preslikavaju intencije korisnika. • Dedukcijske baze služe za istraživanje semantičkih koncepata.

27. Specijalizacije logike – Logika iBaze podataka • Baze podataka i logičko programiranje • Dva nezavisno razvijana područja. • Baze podataka: • Cilj baza je efikasno organiziranje, upravljanje i pohranjivanje • velike količine podataka (fokus na unutarnjoj organizaciji) • Višekorisnički rad (integritet, privatnost). • Postoji nekoliko temeljnih modela (najznačajniji relacijski model - • relacijska algebra). • Logičko programiranje: • Nadogradnja istraživanja automatiziranog dokazivanja (ATP). • Programiranje opisom (deklarativna semantika). • Koristi logiku za predstavljanje znanja i dedukciju za izvođenje • logičkih posljedica (zaključaka). • Od kraja 70-tih istražuju se veze između logičkog programiranja i relacijskih baza podataka.

28. Specijalizacije logike – Logika iBaze podataka • Relacijske baze superiorne u: • - neovisnost podataka. • - podržanost paralelnog izvođenja i pristupa podacima. • Logičko programiranje superiorno u: • - veća izražajna moć (rekurzije), Prolog, Datalog, normalni programi, • disjunkcijske baze. • Relacijski jezici često su u nemogućnosti izraziti cjelokupne aplikacije, te su stoga ugrađeni u tradicionalne programske jezike (problem "neslaganja impedancija"). • Logički program se s druge strane može koristiti kao programski jezik opće namjene (izražavanje činjenica, deduktivnih informacija, rekurzija, upita i ograničenja na homogen način).

29. Specijalizacije logike – Logika iBaze podataka • Prolog bez funkcijskih članova = Datalog (empirički je pokazana nekorisnost funkcijskihh članova za operacije nad relacijama) • Problemi dedukcijskih baza zasnovanih na Datalogu - 1 • 1. Datalog baze podataka ne mogu zadovoljiti povećane zahtjeve za složenim aplikacijama jer Datalog i relacijski model na kojem počiva koristi neizražajne strukture s kojima se ne mogu prirodno oblikovati složene vrijednosti (npr. grafičke baze, multimedijske i sl.). • Nije dovoljno izražena podrška za: • - operacija sa skupovima • (npr. setOf predikat ima samo proceduralnu semantiku) • - nest, unnest, union, intersect, difference, join • (proširenje tradicionalne relacijske algebre). • Ponovno uvođenje funkcijskih članova i operacija sa skupovima nastaju novi jezici: • LDL - Logical data language, COL - Complex objects language, Relationlog, . . .

30. Specijalizacije logike – Logika iBaze podataka • Problemi dedukcijskih baza zasnovanih na Datalogu - 2 • 2. Implementacija objektno usmjerene paradigme (OODB). • 3. Dedukcijske baze ne mogu prirodno baratati sa shemama i mogućnostima višeg reda (svaka relacija mora imati brojnost). • Sheme su osnovica za strukturu pohrane podataka i strategije optimizacije upita). • 4.Izmjene (nužno je moći mijenjati bazu, ali ne postoji očigledan način • za izražavanje toga kroz sučelja deduktivnih baza podataka). • U Datalogu (i Prologu) predikati assert i retract nemaju preciznu • semantiku. • Primjena paradigmi logičkog programiranja na obradbu upita baza • podataka su tekući istraživački problemi. • Cilj je pronaći jezik "dovoljno" izražajan i "upravljivo" složen koji se • može primijeniti na dosadašnji model podataka. • Traži se spoj logičkog i relacijskog modela (DBMS nema semantičku • informaciju o podacima)

31. Specijalizacije logike – Logika iBaze podataka • Zašto nema komercijalnih izvedbi dedukcijskih baza podataka • Od 60-tih god. postoje mnogi prototipovi. • Prototipovi su izvedeni na sveučilištima. Bez potpore gospodarstva u istraživanju i održavanju nema komercijalnog produkta (veliki su • troškovi komercijalne izvedbe, 50 do 100 M$). • Postoji relativno mali broj (komercijalnih) problema koji zahtijevaju • dedukcijske baze podataka (a ne samo relacijsku bazu). • Za relacijski model trebalo je 12 do 15 godina da zaživi. • SQL-2 preuzima mnoge ideje iz deukcijskih baza (npr. konstante • integriteta koje predstavljaju poseban skup izraza u bazi, neovisno o određenoj tablici ili pogledu). • Nova generacija SQL-a (SQL-3) uvodi rekurzije (Oracle i DB2) i optimizaciju obradbe upita. • Iako zajednica proizvođača i korisnika relacijskih baza često ignorira činjenicu da su sve napredne tehnike u relacijskim bazama proistekle iz logičkih (dedukcijskih) baza, ne bi trebali biti zabrinuti nego zadovoljni što temeljna istraživanja logičkog programiranja nalaze primjenu.