TPref-SQL, uma linguagem de consultas para bancos de dados com suporte a preferências temporais

Transcrição

1 TPref-SQL, uma linguagem de consultas para bancos de dados com suporte a preferências temporais Autor: Marcos Roberto Ribeiro 1, Orientadora: Sandra Aparecida de Amo 1 1 Programa de Pós-Graduação em Ciência da Computação Universidade Federal do Uberlândia (UFU) Uberlândia MG Brasil mribeiro@pos.facom.ufu.br, deamo@ufu.br Nível: Mestrado Ano de ingresso no programa: 2006 Época esperada de conclusão: Julho / 2008 Etapa concluída: Defesa da proposta de dissertação Resumo. Em virtude do grande crescimento do volume de informação com a qual os usuários são confrontados na Internet, diversas pesquisas envolvendo formalismos permitindo especificar e deduzir preferências e linguagens de consultas para bancos de dados com suporte a preferências têm sido realizadas com o intuito de fornecer mecanismos para obter os melhores objetos (ou tuplas) atendendo certas preferências ou estabelecer uma relação de ordem de preferência sobre um conjunto de objetos. Porém tais pesquisas tratam apenas de preferências sobre objetos individuais ou conjunto de objetos sem qualquer estrutura. Nesse trabalho, propomos um formalismo para tratar preferências temporais que lidam com seqüências de objetos, bem como algoritmos de otimização permitindo obter as seqüências preferidas do usuário, a partir de um conjunto de seqüências dado e de um conjunto de regras especificando as preferências do usuário. Também é objetivo deste trabalho o desenvolvimento da linguagem de consultas de bancos de dados TPref-SQL com suporte a preferências temporais. Será desenvolvida uma extensão da álgebra relacional incluindo operadores que permitam a especificação de condições envolvendo preferências temporais. Os algoritmos de otimização mencionados anteriormente serão a base destes novos o- peradores. Por fim, será implementado um protótipo da linguagem TPref-SQL. Palavras-Chave. Linguagem de consultas, Extensão de SQL, Linguagem de Preferências, Preferências Temporais, Personalização de consultas 57

2 1. Introdução e Motivação WTDBD 2007 Com o aumento enorme de informação tanto na Internet quanto em bancos de dados privados, ao se realizar uma pesquisa qualquer, um usuário pode se deparar com uma quantidade muito grande de resultados. Sendo que, muitas vezes, tais resultados encontram-se sem qualquer tipo de organização. Para solucionar esse problema, pesquisas recentes têm se preocupado em atender às preferências do usuário da melhor forma possível. Dessa maneira, os resultados retornados por uma busca podem ser filtrados e organizados para atender interesses específicos dos usuários. O tratamento de preferências pode ser feito de forma quantitativa ou outras maneiras, porém trabalhos mais recentes vêm buscando tratar preferências de forma qualitativa. Por e- xemplo, dada uma certa coleção de músicas, para se conhecer aquelas que são preferidas por um usuário de forma quantitativa, pode-se solicitar ao mesmo que dê uma nota a cada música e então seleciona-se aquelas músicas com maiores notas. No entanto, esse método pode ser inviável para uma coleção de músicas muito grande. De forma qualitativa, pode-se obter do usuário informações sobre quais atributos afetam sua preferência. Por exemplo, se o usuário diz que músicas Country são melhores do que músicas de Rock, já se consegue obter uma classe de músicas preferidas sem que o usuário avalie cada música individualmente. A comparação de objetos de forma qualitativa leva em consideração a semântica ceteris paribus, ou seja, pode-se comparar dois objetos que se distinguem em apenas um atributo. No exemplo em que um usuário diz que músicas Country são melhores que músicas de Rock, a comparação de duas músicas apenas é possível se elas diferem no gênero, mas possuem a mesma duração, ritmo, intérprete, etc. É possível também, no tratamento de preferências de forma qualitativa, fazer uso de dependência preferencial e importância absoluta ou relativa. Dependência preferencial é quando o valor de um atributo influencia na preferência de outro atributo. Por exemplo, um usuário pode especificar que sua preferência em relação a duração das músicas depende do gênero das mesmas. Para músicas Country prefere-se durações longas a durações breves e para músicas de Rock prefere-se durações breves a durações longas. A importância absoluta ou relativa permite especificar quando um atributo é mais importantes do que outro no momento de decidir entre dois objetos. Por exemplo, um usuário pode especificar que o gênero de uma música é mais importante do que o ritmo. Outra importante tarefa no tratamento de preferências de forma qualitativa é a obtenção de um subconjunto ótimo de objetos. Por exemplo, dada uma coleção de músicas de diversos ritmos, deseja-se selecionar um conjunto de músicas para uma festa cujo público é jovem. As características desse conjunto são: o ritmo das músicas deve ser agitado e com grande variedade de intérpretes. Uma solução para esse problema é associar a cada conjunto possível um objeto e, a partir daí, proceder com o tratamento de preferências sobre objetos. Apesar da existência de muitas pesquisas sobre o tratamento de preferências de forma qualitativa, diversos tipos de aplicações exigem a necessidade de tratar preferências sobre estruturas mais complexas, como seqüências de objetos. Um exemplo do uso de preferências sobre seqüências pode ser considerado a criação de uma lista de música, onde cada música é um objeto com atributos próprios, e a disposição das músicas na lista pode torná-la mais ou menos preferida. O exemplo a seguir exibe algumas condições temporais e instruções de preferências que devem ser tratadas nesse trabalho. Exemplo 1 Supõe-se que seja necessário montar uma lista de músicas ótima dado um repositório com músicas de diversos gêneros e durações. E o usuário imponha as seguintes condições relativas a suas preferências pessoais: 1) Para músicas Country uma duração longa é melhor do que uma duração breve, mas para músicas de Rock uma duração breve é melhor do 58

3 que uma duração longa. 2) É melhor que a lista de música inicie com uma música Country. 3) Se a música anterior foi de Rock é melhor que a próxima seja Country, mas se a música anterior foi Country de duração breve é melhor que a próxima seja Country novamente Outros trabalhos têm abordado um aspecto muito importante, no sentido de acrescentar instruções de preferências em consultas SQL para banco de dados, permitindo assim, que diversas aplicações possam tratar melhor o interesse de uma busca realizada por seus usuários. As instruções de preferências em consultas permitem restrições mais suaves do que as instruções SQL padrões, ou seja, os resultados da consulta são construídos para se aproximar ao máximo da preferência do usuário. O principal objetivo desse trabalho será modelar um formalismo para tratar preferências temporais, isto é, preferências sobre seqüências de objetos. Desenvolver algoritmos de otimização que considerem tais preferências. Especificar uma extensão para a linguagem SQL padrão a fim de que as preferências temporais possam ser expressadas em uma consulta. E implementar um protótipo que processe um consulta com preferências temporais e obtenha os resultados em um banco de dados de seqüências através dos algoritmos de otimização. Este artigo encontra-se organizado da seguinte maneira. Na Seção 2 é apresentada uma breve relação de trabalhos tratando formalismos sobre preferências e linguagens de consultas para bancos de dados que suportam instruções de preferências. A Seção 3 descreve os principais objetivos desse trabalho e expõe as soluções que serão desenvolvidas para o problema proposto. Posteriormente, na Seção 4 encontra-se a metodologia que está sendo utilizada na pesquisa, bem como o cronograma do andamento das atividades e a previsão de término para as atividades pendentes. 2. Trabalhos Relacionados Há diversas pesquisas que tratam da especificação, representação e raciocínio com preferências. Em [Doyle and Wellman 1994], é introduzida uma representação de preferências através de instruções ceteris paribus. Nos trabalhos de [Boutilier et al. 2004a, Boutilier et al. 1999] foi proposta uma ferramenta para representar preferências de forma qualitativa sobre objetos com o uso de grafos, chamada CP-net. O formalismo por trás dessa ferramenta mantém a semântica ceteris paribus e acrescenta o conceito de dependência preferencial. Ainda nesses trabalhos, são propostos algoritmos e técnicas para comparação e otimização de objetos. Em [Boutilier et al. 2004b] foi apresentado um algoritmo para obter um conjunto de objetos ótimo dado um conjunto de restrições. Já em [Brafman et al. 2006a] é descrita a criação de uma extensão de CP-net, chamada de TCP-net que leva em consideração a importância absoluta ou relativa. O exemplo 2 exibe uma TCP-net e sua especificação correspondente. Exemplo 2 Suponha as seguintes preferências especificadas por um usuário sobre atributos músicais: 1) Genêro (G) Country (c) é melhor do que gênero Rock (r). 2) Ritmo (R) agitado (a) é melhor do que ritmo tranqüilo (t). 3) Para músicas Country agitadas ou músicas de rock tranqüilas uma duração (D) longa (l) é melhor do que uma duração breve (b), caso contrário uma duração breve é melhor do que uma duração longa. 4) O gênero é mais importante do que o ritmo. A Figura 1(a) exibe uma TCP-net para as preferências especificadas, onde os nós são as variáveis, as arestas simples são as relações de dependência preferencial, a aresta de G para R indica a relação de importância relativa e as tabelas especificam as preferêncas sobre a variável. Uma forma de trabalhar com preferências entre conjuntos de objetos foi desenvolvida por [Brafman et al. 2006b], onde se relata como reduzir uma especificação de preferências sobre conjuntos de objetos para uma especificação de preferências sobre objetos simples e um algoritmo para otimização de subconjuntos de objetos. No exemplo 3 é mostrado como é feita essa redução. 59

4 Country agitada Country agitada Country agitada (b) Country tranqüila Rock tranqüila Pop tranqüila (c) (a) Figura 1 - TCP-net e conjuntos de objetos Exemplo 3 Suponha os dois conjuntos de músicas exibidos na Figura 1(b) e na Figura 1(c). E que um usuário especifique que os conjuntos melhores possuem ritmo agitado e maior diversidade de gênero, e também que o ritmo é mais importante do que a diversidade de gênero. Para o primeiro conjunto pode-se associar o vetor (1, a) e para o segundo conjunto pode-se associar o vetor (3, t). O primeiro elemento do vetor é o número de gêneros e o segundo elemento informa se o conjunto de músicas é agitado (a) ou tranqüilo (t). O primeiro vetor é melhor do que o segundo considerando o ritmo e o segundo vetor é melhor do que o primeiro considerando a diversidade de gêneros. Como o usuário especificou que o ritmo é mais importante do que a diversidade de gêneros pode-se deduzir que o primeiro vetor é o melhor e, conseqüentemente, o primeiro conjunto de músicas é o melhor. Em [Kießling and Köstler 2002] foi desenvolvida a linguagem Preference SQL, que é uma extensão da linguagem SQL que suporta instruções de preferências. E, posteriormente, em [Endres and Kießling 2006] é tratado o problema de como transformar o formalismo lógico das TCP-nets em consultas de Preference SQL. 3. Descrição do Trabalho Os principais objetivos desse trabalho são: 1) Especificar uma linguagem para tratar preferências temporais. 2) Desenvolver algoritmos de otimização baseados em preferências temporais. 3) Especificar uma linguagem de consulta para bancos de dados com suporte a preferências temporais. 4) Implementar um protótipo capaz de processar uma consulta com preferências temporais e obter os resultados através dos algoritmos de otimização. 5) Realizar testes com o protótipo em grandes volumes de dados para analisar seu desempenho. Nas subseções que se seguem serão apresentados maiores detalhes sobre cada um desses objetivos 3.1. Especificação da Linguagem de Preferências Temporais Antes de iniciar a especificação da linguagem de preferências temporais, algumas definições básicas são necessárias. Seja V = {X 1,..., X n } um conjunto de atributos, dom(x) é o domínio de X, tal que X V, O é o conjunto de objetos dom(x 1 )... dom(x n ) e o[x] refere-se ao atributo X do objeto o. Uma seqüência de objetos em O é denotada por σ = o 1, o 2,..., o k, onde o i deve preceder o i+1. Denota-se Seq(O) como todas as seqüências de objetos em O. Sendo que um objeto pode ser considerado uma tupla e um atributo pode ser considerado um campo no que diz respeito para bancos de dados. Exemplo 4 Considerando o exemplo 1. Tem-se os atributos Gênero e Duração, denotados por G e D respectivamente. Sejam dom(g) = { Country (c), Rock (r)} e dom(d) = { Longa (l), Breve (b)}. Um objeto pode ser denotado como o = (c, l) e uma seqüência pode ser denotada como σ = (c, l), (c, b), (r, b). Para a especificação da linguagem TPref considera-se que as preferências temporais são descritas através de um conjunto de expressões que possuem o seguinte formato se condições temporais então preferências sobre objeto. 60

5 As condições temporais são fórmulas que além dos operadores comuns a Lógica Temporal Proposicional (LTP) como, e possuem os seguintes operadores: 1) PREV F, o objeto na posição anterior satisfaz a fórmula F. 2) F, todos os objetos das posições anteriores satisfazem a fórmula F. 3) F, existe um objeto em uma posição anterior que satisfaz a fórmula F. Uma fórmula F pode ser true, false, (X = x) ou uma combinação usando os operadores acima. Uma fórmula (X = x) significa que o valor do atributo X é igual a x. As preferências sobre objeto possuem o formato (X = x) > (X = x ) e informam a ordem de preferência para os valores de um atributo. Onde (X = x) > (X = x ) significa que o valor de x é preferido ao valor de x para o atributo X. Portanto a linguagem TPref é um conjunto de fórmulas F (X = x) > (X = x ) onde F é uma condição temporal. Exemplo 5 Para o exemplo da lista de músicas, as preferências temporais podem ser representadas pelo conjunto de fórmulas na linguagem TPref: ϕ 1 : (G = c) (D = l) > (D = b), ϕ 2 : (G = r) (D = b) > (D = l), ϕ 3 : PREV false (G = c) > (G = c), ϕ 4 : PREV (G = r) (G = c) > (G = r), ϕ 5 : PREV (G = c) (D = b) (G = c) > (G = r). Pode-se notar que a fórmula PREV false equivale à preferência sobre o primeiro objeto da seqüência. Um conjunto de fórmulas da linguagem TPref atribui implicitamente uma ordem parcial estrita ao conjunto de seqüências Seq(O). Dessa forma, um usuário não necessita especificar explicitamente sua preferência sobre todas as seqüências, mesmo porque, se o número de objetos for grande isso pode ser praticamente impossível Algoritmos de Otimização Uma das tarefas mais importantes no tratamento de preferências temporais é a obtenção de uma seqüência ótima de objetos ou de um conjunto de seqüências ótimas de objetos. Serão desenvolvidos dois algoritmos que executarão essas tarefas sobre um banco de dados de seqüências. Esses algoritmos são: BestSeq e KBestSeq. O algoritmo BestSeq busca uma seqüência de objetos que melhor atenda um dado conjunto de preferências temporais. O algoritmo KBestSeq busca um conjunto com um número K de seqüências que melhor atenda as preferências temporais dadas. No algoritmo KBestSeq uma seqüência do conjunto retornado não deve ser dominada por nenhuma outra seqüência que pertença a esse conjunto. Uma seqüência σ é dita não dominada com respeito a um conjunto quando não existe nenhuma seqüência nesse conjunto que seja preferida a σ Incorporação de Preferências Temporais a Consultas de Bancos de Dados Para se trabalhar com um grande volume de objetos a utilização de bancos de dados é crucial. De posse do formalismo para expressar preferências temporais e dos algoritmos de otimização será modelada a linguagem TPref-SQL que será uma linguagem de consultas para bancos de dados que suporte instruções de preferências temporais. Será desenvolvido um protótipo para a linguagem TPref-SQL que utilizará os algoritmos de otimização. Assim, em uma consulta com instruções de preferências temporais, o protótipo fará uso dos algoritmos de otimização para obter os resultados solicitados pela consulta em um banco de dados de seqüências. Essa consulta poderá ser inserida por um usuário ou gerada por uma interface para facilitar o trabalho do usuário. Exemplo 6 Voltando ao exemplo da lista de música, as preferências especificadas podem ser expressadas pela seguinte consulta com o objetivo de obter a seqüência de músicas ótima: SELECT BEST * FROM SEQ MUSICAS WTDBD 2007 PREFER MUSICAS ((IF GENERO = country THEN DURACAO = longa > DURACAO = breve ) AND (IF GENERO = rock THEN DURACAO = breve > DURACAO = longa ) AND 61

6 (IF PREV false THEN GENERO = country > GENERO = rock ) AND (IF PREV GENERO = rock THEN GENERO = country > GENERO = rock ) AND (IF (PREV GENERO = country AND DURACAO= breve ) THEN GENERO = country > GENERO = rock )) Onde a tabela SEQ MUSICAS possui as seqüências de músicas e a tabela MUSICAS contém as músicas que aparecem nas seqüências. 4. Metodologia e Estado da Pesquisa Este projeto será conduzido em etapas que podem ser descritas de forma geral como se segue: 1. Pesquisa bibliográfica sobre trabalhos relacionados a especificação, representação e raciocínio com preferências, linguagens de consulta para bancos de dados e métodos para incorporar instruções de preferências em linguagens de consulta para bancos de dados. 2. Seminários para entendimento do cenário do problema a ser tratado. 3. Formalização do problema de especificação de preferências temporais. 4. Desenvolvimento dos algoritmos de otimização para preferências temporais. 5. Modelagem da linguagem de consulta estendida para suportar preferências temporais. 6. Implementação de protótipo que utilize os algoritmos de otimização para processar consultas com preferências temporais. 7. Testes de consultas em bancos de dados para análise de desempenho. 8. Redação da dissertação e conclusão do trabalho Cronograma do Trabalho até a Defesa A tabela 1 exibe o cronograma com o semestre previsto para a realização de cada etapa. No momento, a etapa 3 foi concluída e a etapa 4 está sendo executada. Etapas 2/2006 1/2007 2/2007 1/2008 Etapas 2/2006 1/2007 2/2007 1/2008 Etapa 1 X Etapa 5 X Etapa 2 X Etapa 6 X Etapa 3 X Etapa 7 X Etapa 4 X Etapa 8 X Tabela 1 - Cronograma semestral com as etapas do projeto References Boutilier, C., Brafman, R. I., Domshlak, C., Hoos, H. H., and Poole, D. (2004a). Cp-nets: A tool for representing and reasoning with conditional ceteris paribus preference statements. Journal of Artificial Intelligence Reasearch (JAIR), 21: Boutilier, C., Brafman, R. I., Domshlak, C., Hoos, H. H., and Poole, D. (2004b). Preference-based constrained optimization with cp-nets. Computational Intelligence, 20(2): Boutilier, C., Brafman, R. I., Hoos, H. H., and Poole, D. (1999). Reasoning with conditional ceteris paribus preference statements. In Proceedings of the 15th Annual Conference on Uncertainty in Artificial Intelligence (UAI), pages Morgan Kaufmann Publishers. Brafman, R. I., Domshlak, C., and Shimony, S. E. (2006a). On graphical modeling of preference and importance. Journal of Artificial Intelligence Research (JAIR), 25: Brafman, R. I., Domshlak, C., Shimony, S. E., and Silver, Y. (2006b). Preferences over sets. In Proceedings of the 21st National Conference on Artificial Intelligence (AAAI). AAAI Press. Doyle, J. and Wellman, M. P. (1994). Representing preferences as ceteris paribus comparatives. In Proceedings of the AAAI Spring Symposium on Decision-Theoretic Planning, pages Endres, M. and Kießling, W. (2006). Transformation of tcp-net queries into preference database queries. Proceedings of the Multidisciplinary Workshop on Advances in Preference Handling, pages In Kießling, W. and Köstler, G. (2002). Preference sql - design, implementation, experiences. In Proceedings of 28th International Conference on Very Large Data Bases (VLDB), pages