›
›

Đồ án Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle

pdf 51 trang huongle 3110
Download
Bạn đang xem 20 trang mẫu của tài liệu "Đồ án Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle", để tải tài liệu gốc về máy bạn click vào nút DOWNLOAD ở trên

Tài liệu đính kèm:

  • pdfdo_an_tim_hieu_ve_ky_thuat_phan_cum_du_lieu_trong_xu_ly_du_l.pdf

Nội dung text: Đồ án Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle

  1. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle MỤC LỤC MỤC LỤC 1 LỜI CẢM ƠN 3 LỜI NÓI ĐẦU 4 Chƣơng 1 PHÂN CỤM DỮ LIỆU 6 1.1 Kỹ thuật phân cụm dữ liệu. 6 1.2 Các ứng dụng của phân cụm dữ liệu 6 1.3 Các kiểu dữ liệu và độ đo tƣơng tự 7 1.3.1 Phân loại các kiểu dữ liệu dựa trên kích thƣớc miền 7 1.3.2 Phân loại các kiểu dữ liệu dựa trên hệ đo 7 1.4 Một số kỹ thuật tiếp cận trong phân cụm dữ liệu 8 1.4.1 Phân cụm phân hoạch 8 1.4.2 Phân cụm dữ liệu phân cấp 8 1.4.3 Phân cụm dữ liệu dựa trên mật độ 9 1.4.4 Phân cụm dữ liệu dựa trên lƣới 9 1.4.5 Phân cụm dữ liệu dựa trên mô hình 10 1.4.6 Phân cụm dữ liệu có ràng buộc 10 1.5 Các yêu cầu cho kỹ thuật PCDL 10 1.6 Giới thiệu thuật toán phân cụm dữ liệu điển hình. 11 1.7 Bài toán phân cụm dữ liệu 13 Chƣơng 2 HỆ QUẢN TRỊ CSDL ORACLE 14 2.1 Giới thiệu Oracle 14 2.2 Cấu trúc cơ sở dữ liệu (CSDL): 15 2.3 Sử dụng phân cụm (CLUSTERING ) trong Oracle 16 2.4 Phân loại tài liệu văn bản trong Oracle 21 Chƣơng 3 MÔ HÌNH USE CASE 24 3.1 Giới thiệu Use Case trong phân tích thiết kế hƣớng đối tƣợng 24 3.2 Mô hình hóa Use Case 24 3.3 Biểu đồ Use Case 27 3.4 Quan hệ giữa các Use Case 27 3.4.1 Miêu tả Use Case 27 3.4.2 Thử nghiệm Use Case 30 Chƣơng 4 CHƢƠNG TRÌNH ỨNG DỤNG 31 4.1 Bài toán quản lý văn bản đến và văn bản đi 31 4.2 Mô hình usecase trong hệ thống quản lý văn bản đến và đi 31 4.2.1 Quy trình tạo, gửi đi 31 4.2.2 Quy trình nhận, đến 33 4.2.3 Quản trị viên hệ thống: 34 4.3 Đặc Tả User Case 34 4.4 CSDL đƣợc tạo trong Oracle 39 4.5 Bảng MSTB_CÔNG VĂN 39 4.6 Bảng MSTB_CLUSTERS 40 4.7 Bảng MSTB_CLUSTER_RESULT 40 4.8 View tất cả nhân viên 41 4.9 View nhân viên 42 4.10 Sequences 42 4.11 Trong Packages chứa các Procedures p()prtb_vanban,p()prtb_cluster 43 1
  2. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 4.12 Giới thiệu chƣơng trình ứng dụng 43 4.12.1 Trang Đăng nhập 43 4.12.2 Trang chủ 44 4.12.3 Trang Soạn văn bản 44 4.12.4 Trang Danh sách nhân viên 45 4.12.5 Trang tạo mới nhân viên 45 4.12.6 Trang danh sách phòng ban 46 4.12.7 Trang danh sach văn bản đến 46 4.12.8 Trang tạo mới phong ban 47 4.12.9 Trang thông tin cá nhân 47 4.12.10 Trang tra cứu theo nội dung 48 4.12.11 Trang tra cứu theo phân cụm và kết quả chạy trƣơng trình 48 4.13 Chƣơng trình đƣợc thiết kế bởi Microsoft Visual Studio 2005 48 4.14 Kết quả thực hiện chƣơng trình 49 KẾT LUẬN 50 Chƣơng 5 TÀI LIỆU THAM KHẢO 51 2
  3. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle LỜI CẢM ƠN Trƣớc hết em xin gửi lời cảm ơn chân thành tới cô giáo ThS.Nguyễn Thị Xuân Hƣơng và KS. Đào Quang Huynh đã tận tình chỉ bảo và hƣớng dẫn em hoàn thành tốt đề tài tốt nghiệp này. Em xin chân thành cảm ơn các thầy cô giáo ở khoa Công nghệ thông tin trƣờng Đại Học Dân Lập Hải Phòng đã giảng dạy và chỉ bảo cho em trong 1,5 năm học tại trƣờng, để em có đƣợc các kiến thức cơ bản phục vụ cho quá trình làm tốt nghiệp. Cuối cùng em xin bày tỏ lòng biết ơn tới những ngƣời thân trong gia đình và các bạn bè đã chia sẻ và động viên em trong suốt quá trình học tập cho đến nay. Hải Phòng, ngày tháng năm 2009 Sinh viên Phạm Minh Tiến 3
  4. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle LỜI NÓI ĐẦU Từ vài thập niên trở lại đây, với những tác động mạnh mẽ của các tiến bộ trong công nghệ phần cứng và truyền thông, các hệ thống dữ liệu phục vụ cho các lĩnh vực kinh tế - xã hội đã phát triển bùng nổ, lƣợng dữ liệu đƣợc tạo ra ngày càng lớn. Sự phong phú về dữ liệu, thông tin cùng với khả năng kịp thời khai thác chúng đã mang đến những năng suất và chất lƣợng mới cho công tác quản lý, hoạt động kinh doanh, Nhƣng rồi các yêu cầu về thông tin trong các lĩnh vực hoạt động đó, đặc biệt trong lĩnh vực làm ra quyết định, ngày càng đòi hỏi cao hơn, ngƣời quyết định không những cần dữ liệu mà còn cần có thêm nhiều hiểu biết, nhiều tri thức để hỗ trợ cho việc ra quyết định của mình. Cho đến những năm 90 của thế kỷ trƣớc, nhu cầu khám phá tri thức mới thực sự bùng nổ, theo đó, hàng loạt các lĩnh vực nghiên cứu về tổ chức các kho dữ liệu và kho thông tin, các hệ trợ giúp quyết định, các thuật toán nhận dạng mẫu và phân lớp mẫu, ra đời, một trong số đó là phân cụm dữ liệu (Data Clustering). Phân cụm dữ liệu là quá trình tìm kiếm và phát hiện ra các cụm hoặc các mẫu dữ liệu tự nhiên trong cơ sở dữ liệu lớn. Các kỹ thuật chính đƣợc áp dụng trong phân cụm dữ liệu phần lớn đƣợc kế thừa từ lĩnh vực thống kê, học máy, nhận dạng, lƣợng hoá, Đến nay, đã có nhiều ứng dụng phân cụm dữ liệu cho việc giải quyết các vấn đề trong các lĩnh vực nhƣ tài chính, thông tin địa lý, sinh học, nhận dạng ảnh, Trong thời gian gần đây, trong lĩnh vực PCDL, ngƣời ta tập trung chủ yếu vào nghiên cứu, phân tích các mô hình dữ liệu phức tạp nhƣ dữ liệu văn bản, Web, hình ảnh Hiện nay, Oracle là một hệ quản trị CSDL đang đƣợc sử dụng rộng rãi, đặc biệt là trong các cơ quan, tổ chức có nhu cầu lƣu trữ một lƣợng dữ liệu lớn. Tuy nhiên, với khối dữ liệu khổng lồ nhƣ vậy, việc khai thác hữu ích các thông tin trong đó là một yêu cầu rất cáp thiết. Từ phiên bản Oracle9i đã tích hợp kỹ thuật khai phá dữ liệu trong phiên bản này để trợ giúp cho ngƣời sử dụng có thể tìm kiếm các thông tin cần khai thác. Vì vậy, em chọn đề tài “ Tìm hiểu về kĩ thuật phân cụm dữ liệu trong hệ quản trị cơ sở dữ liệu Oracle ”làm đề tài tốt nghiệp cho mình với mục đích là vận dụng các kiến thức đã học và nghiên cứu các vấn đề mới để xây dựng một ứng dụng trong hệ quản trị CSDL Oracle có áp dụng kỹ thuật phân cụm. Nội dung của đồ án gồm 4 chƣơng: 4
  5. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle Chƣơng 1: Phân cụm dữ liệu : trong chƣơng này em trình bày tổng quan về phân cụm dữ liệu bao gồm các kiểu dữ liệu có thể phân cụm , các ứng dụng và các kỹ thuật phân cụm dữ liệu . Chƣơng 2: Hệ quản trị cơ sở dữ liệu Oracle Giới thiệu về hệ quản trị cơ sở dữ liệu Oracle và phân cụm dữ liệu trong Oracle Chƣơng 3: Mô hình Use Case Giới thiệu mô hình Use Case , biểu đồ và quan hệ use case . Chƣơng 4: Chƣơng trình ứng dụng: Giới thiệu chƣơng trình ứng dụng quản lý văn bản đến và đi , sử dụng mô hình Use case , cơ sở dữ liệu Oracle có sử dụng kĩ thuật phân cụm dữ liệu để phân cụm văn bản đến và đi trong Oracle Phần kết luận trình bày tóm tắt các kết quả thu đƣợc và các đề xuất cho hƣớng phát triển của đề tài . 5
  6. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle Chƣơng 1 PHÂN CỤM DỮ LIỆU 1.1 Kỹ thuật phân cụm dữ liệu. PCDL là một kĩ thuật trong Data Mining ( khai phá dữ liệu ), nhằm tìm kiếm, phát hiện các cụm, các mẫu dữ liệu tự nhiên tiềm ẩn cần quan tâm trong tập dữ liệu lớn, từ đó cung cấp thông tin, tri thức hữu ích cho ra quyết định. Mục tiêu chính của phƣơng pháp phân cụm dữ liệu là nhóm các đối tƣợng tƣơng tự nhau trong tập dữ liệu vào các cụm sao cho các đối tƣợng thuộc cùng một lớp là “tƣơng đồng”còn các đối tƣợng thuộc các cụm khác nhau sẽ “không tƣơng đồng”. Phân cụm dữ liệu đƣợc sử dụng nhiều trong các ứng dụng về phân loại văn bản, phân đoạn khách hàng, nhận dạng mẫu, phân loại trang Web 1.2 Các ứng dụng của phân cụm dữ liệu Một số ứng dụng điển hình phân cụm dữ liệu trong các lĩnh vực sau: Thương mại: Trong thƣơng mại, PCDL có thể giúp các thƣơng nhân khám phá ra các nhóm khách hàng quan trọng có các đặc trƣng tƣơng đồng nhau và đặc tả họ từ các mẫu mua bán trong CSDL khách hàng. Sinh học: Trong sinh học, PCDL đƣợc sử dụng để xác định các loại sinh vật, phân loại các Gen với chức năng tƣơng đồng và thu đƣợc các cấu trúc trong các mẫu. Phân tích dữ liệu không gian: PCDL có thể trợ giúp ngƣời dùng tự động phân tích và xử lý các dữ liêu không gian nhƣ nhận dạng và chiết xuất các đặc tính hoặc các mẫu dữ liệu quan tâm có thể tồn tại trong CSDL không gian. Lập quy hoạch đô thị: Nhận dạng các nhóm nhà theo kiểu và vị trí địa lý, nhằm cung cấp thông tin cho quy hoạch đô thị. Nghiên cứu trái đất: Phân cụm để theo dõi các tâm động đất nhằm cung cấp thông tin cho nhận dạng các vùng nguy hiểm. Địa lý: Phân lớp các động vật và thực vật và đƣa ra đặc trƣng của chúng. Web Mining: PCDL có thể khám phá các nhóm tài liệu quan trọng, có nhiều ý nghĩa trong môi trƣờng Web. Các lớp tài liệu này trợ giúp cho việc khám phá tri thức từ dữ liệu, 6
  7. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 1.3 Các kiểu dữ liệu và độ đo tƣơng tự Phân cụm dữ liệu là quá trình phân chia một tập dữ liệu ban đầu thành các cụm sao cho các đối tƣợng trong cùng một cụm “tƣơng tự”. Việc tính “khoảng cách” giữa các đối tƣợng, hay phép đo tƣơng tự giữa các cặp đối tƣợng để phân chia chúng vào các cụm khác nhau. Dựa vào hàm tính độ tƣơng tự này cho phép xác định đƣợc hai đối tƣợng có tƣơng tự hay không. Theo quy ƣớc, giá trị của hàm tính độ đo tƣơng tự càng lớn thì sự tƣơng đòng giữa các đối tƣợng càng lớn và ngƣợc lại. Hàm tính độ phi tƣơng tự tỉ lệ nghịch với hàm tính độ tƣơng tự. Các kiểu dữ liệu thƣờng đƣợc sử dụng trong PCDL. Trong PCDL, các đối tƣợng dữ liệu cần phân tích có thể là con người, cái nhà, tiền lương, các thực thể phần mềm, . Các đối tƣợng này thƣờng đƣợc diễn tả dƣới dạng các thuộc tính của nó Có 2 cách phân loại các kiểu thuộc tính: Dựa trên kích thƣớc miền (Domain size) & Dựa trên hệ đo (Measurement Scale). 1.3.1 Phân loại các kiểu dữ liệu dựa trên kích thước miền Thuộc tính liên tục (Continuous Attribute): nghĩa là giữa hai giá trị tồn tại vô số giá trị khác. Thí dụ nhƣ các thuộc tính về màu, nhiệt độ hoặc cƣờng độ âm thanh. Thuộc tính rời rạc (DiscretteAttribute): Nếu miền giá trị của nó là tập hữu hạn, đếm đƣợc. Thí dụ nhƣ các thuộc tính về số serial của một cuốn sách, số thành viên trong một gia đình, Lớp các thuộc tính nhị phân là trƣờng hợp đặc biệt của thuộc tính rời rạc mà miền giá trị của nó chỉ có 2 phần tử đƣợc diễn tả nhƣ: Yes / No hoặc Nam/Nữ, False/true, 1.3.2 Phân loại các kiểu dữ liệu dựa trên hệ đo Giả sử có hai đối tƣợng x, y và các thuộc tính xi, yi tƣơng ứng với thuộc tính thứ i của chúng. Chúng ta có các lớp kiểu dữ liệu nhƣ sau: Thuộc tính định danh (nominal Scale, tên): nếu x và y là hai đối tƣợng thuộc tính thì chỉ có thể xác định là x y hoặc x=y. Thí dụ nhƣ thuộc tính về nơi sinh hoặc thuộc tính các đội bóng chơi cho giải vô địch quốc gia Việt Nam. Thuộc tính có thứ tự (Ordinal Scale): là thuộc tính định danh có thêm tính thứ tự, nhƣng chúng không đƣợc định lƣợng. Nếu x và y là hai thuộc tính 7
  8. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle thứ tự thì ta có thể xác định là x y hoặc x=y hoặc x>y hoặc x yi thì ta nói x cách y một khoảng xi – yi tƣơng ứng với thuộc tính thứ i. Thí dụ về thuộc tính khoảng nhƣ thuộc tính số kênh trên truyền hình. Thuộc tính tỉ lệ (Ratio Scale): là thuộc tính khoảng nhƣng đƣợc xác định một cách tƣơng đối so với điểm mốc đầy ý nghĩa, thí dụ như thuộc tính chiều cao hoặc cân nặng lấy điểm 0 làm mốc. Chó ý: Thuộc tính định danh và thuộc tính có thứ tự gọi chung là thuộc tính hạng mục Thuộc tính khoảng và thuộc tính tỉ lệ đƣợc gọi là thuộc tính số. 1.4 Một số kỹ thuật tiếp cận trong phân cụm dữ liệu Các kỹ thuật áp dụng để giải quyết vấn đề phân cụm dữ liệu đều hƣớng tới 2 mục tiêu chung: Chất lượng của các cụm khám phá được và tốc độ thực hiện của thuật toán. Hiện nay, các kỹ phân cụm dữ liệu có thể phân loại theo các cách tiếp cận chính sau. 1.4.1 Phân cụm phân hoạch Ta phân 1 tập dữ liệu có n phần tử cho trƣớc thành k nhóm dữ liệu sao cho: mỗi phần tử dữ liệu chỉ thuộc về 1 nhóm dữ liệu và mỗi nhóm dữ liệu có tối thiểu ít nhất 1 phần tử dữ liệu. Một số thuật toán phân cụm phân hoạch điển hình nhƣ k-means, PAM, CLARA, CLARANS, 1.4.2 Phân cụm dữ liệu phân cấp Phân cụm phân cấp sắp xếp một tập dữ liệu đã cho thành một cấu trúc có dạng hình cây, cây phân cấp này đƣợc xây dựng theo kỹ thuật đệ quy. Cây phân cụm có thể đƣợc xây dựng theo hai phƣơng pháp tổng quát: Phƣơng pháp “dƣới lên” (Bottom up): Phƣơng pháp này bắt đầu với mỗi đối tƣợng đƣợc khởi tạo tƣơng ứng với các cụm riêng biệt, sau đó tiến hành nhóm 8
  9. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle các đối tƣợng theo một độ đo tƣơng tự (nhƣ khoảng cách giữa hai trung tâm của hai nhóm), quá trình này đƣợc thực hiện cho đến khi tất cả các nhóm đƣợc hòa nhập vào một nhóm (mức cao nhất của cây phân cấp) hoặc cho đến khi các điều kiện kết thúc thỏa mãn. Nhƣ vậy, cách tiếp cận này sử dụng chiến lƣợc ăn tham trong quá trình phân cụm. Phƣơng pháp “trên xuống” (Top Down): Bắt đầu với trạng thái là tất cả các đối tƣợng đƣợc xếp trong cùng một cụm. Mỗi vòng lặp thành công, một cụm đƣợc tách thành các cụm nhỏ hơn theo giá trị của một phép đo độ tƣơng tự nào đó cho đến khi mỗi đối tƣợng là một cụm, hoặc cho đến khi điều kiện dừng thỏa mãn. Cách tiếp cận này sử dụng chiến lƣợc chia để trị trong quá trình phân cụm. Thí dụ: Hình 4 dƣới đây là một thí dụ sử dụng hai chiến lƣợc phân cụm phân cấp khác nhau nhƣ đã trình bày ở trên. Bƣớc 1 Bƣớc 2 Bƣớc 3 Bƣớc 4 Chƣơng 1 B 1.1 Botto ƣớc a m up 0 a b b a b c d e c c d e d d e e 1.1.1 To Bƣớc 4 Bƣớc 3 Bƣớc 2 Bƣớc 1 Bƣớc 0 p Down Hình 4: Các chiến lƣợc phân cụm phân cấp Một số thuật toán phân cụm phân cấp điển hình nhƣ CURE, BIRCH, 1.4.3 Phân cụm dữ liệu dựa trên mật độ Phƣơng pháp này nhóm các đối tƣợng theo hàm mật độ xác định. Mật độ đƣợc định nghĩa nhƣ là số các đối tƣợng lân cận của 1 đối tƣợng dữ liệu theo một ngƣỡng nào đó. Một số thuật toán PCDL dựa trên mật độ điển hình nhƣ DBSCAN, OPTICS, DENCLUE, 1.4.4 Phân cụm dữ liệu dựa trên lưới Phương pháp này chủ yếu tập trung áp dụng cho lớp dữ liệu không gian. 9
  10. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle Một số thuật toán PCDL dựa trên cấu trúc lƣới điển hình nhƣ: STING, WAVECluster, CLIQUE, 1.4.5 Phân cụm dữ liệu dựa trên mô hình Có hai tiếp cận chính: Mô hình thống kê và Mạng Nơ ron 1.4.6 Phân cụm dữ liệu có ràng buộc Để phân cụm dữ liệu không gian hiệu quả hơn, các nghiên cứu bổ sung cần đƣợc thực hiện để cung cấp cho ngƣời dùng khả năng kết hợp các ràng buộc trong thuật toán phân cụm. 1.5 Các yêu cầu cho kỹ thuật PCDL Hầu hết các nghiên cứu và phát triển thuật toán phân cụm dữ liệu đều nhằm thoả mãn các yêu cầu cơ bản sau: Có khả năng mở rộng (Scalability): Một số thuật toán có thể ứng dụng tốt cho tập dữ liệu nhỏ ( khoảng 200 bản ghi dữ liệu ) nhƣng không hiệu quả khi áp dụng cho tập dữ liệu lớn (Khoảng 1 triệu bản ghi). Thích nghi với các kiểu dữ liệu khác nhau: Thuật toán có thể áp dụng hiệu quả cho việc phân cụm các tập dữ liệu với nhiều kiểu dữ liệu khác nhau nhƣ dữ liệu kiểu số, kiểu nhị phân, dữ liệu kiểu hạng mục, và thích nghi với kiểu dữ liệu hỗn hợp giữa các dữ liệu đơn trên. Khám phá ra các cụm với hình thù bất kỳ: do hầu hết các CSDL có chứa nhiều cụm dữ liệu với các hình thù khác nhau nhƣ: hình lõm, hình cầu, hình que, Vì vậy, để khám phá đƣợc các cụm có tính tự nhiên thì các thuật toán phân cụm cần phải có khả năng khám phá ra các cụm có hình thù bất kỳ. Tối thiểu lượng tri thức cần cho xác định các tham số vào: do các giá trị đầu vào thƣờng rất ảnh hƣởng đến thuật toán phân cụm và rất phức tạp để xác định các giá trị vào thích hợp đối với các CSDL lớn. Ít nhạy cảm với thứ tự của dữ liệu vào: Cùng một tập dữ liệu, khi đƣa vào xử lý cho thuật toán PCDL với các thứ tự vào của các đối tƣợng dữ liệu ở các lần thực hiện khác nhau thì không ảnh hƣởng lớn đến kết quả phân cụm. Khả năng thích nghi với dữ liệu nhiễu cao: Hầu hết các dữ liệu phân cụm trong Data Mining đều chứa đựng các dữ liệu lỗi, dữ liệu không đầy đủ, dữ liệu 10
  11. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle rác. Thuật toán phân cụm không những hiệu quả đối với các dữ liệu nhiễu mà còn tránh dẫn đến chất lƣợng phân cụm thấp do nhạy cảm với nhiễu. Ít nhạy cảm với các tham số đầu vào: Nghĩa là giá trị của các tham số đầu vào khác nhau ít gây ra các thay đổi lớn đối với kết quả phân cụm. Thích nghi với dữ liệu đa chiều: Thuật toán có khả năng áp dụng hiệu quả cho dữ liệu có số chiều khác nhau. Dễ hiểu, cài đặt và khả dụng. Các yêu cầu này đồng thời là các tiêu chí để đánh giá hiệu quả của các phƣơng pháp phân cụm dữ liệu, đây là các thách thức cho các nhà nghiên cứu trong lĩnh vực PCDL. 1.6 Giới thiệu thuật toán phân cụm dữ liệu điển hình. Sau đây là một số họ thuật toán PCDL điển hình nhƣ: Họ các thuật toán phân cụm phân hoạch (Patitional), họ các thuật toán phân cụm phân cấp (Hierachical), họ các thuật toán phân cụm dựa trên lƣới và các thuật toán PCDL đặc thù khác nhƣ: các thuật toán phân cụm dựa trên mật độ, các thuật toán phân cụm dựa trên mô hình, Họ các thuật toán phân hoạch Họ các thuật toán phân cụm phân hoạch bao gồm các thuật toán đƣợc áp dụng nhiều trong thực tế nhƣ K-means, PAM (Partioning Around Medoids), CLARA (Clustering LARge Applications), CLARANS (Clustering LARge ApplicatioNS). Thuật toán k-means Thuật toán phân hoạch K-means do MacQeen đề xuất trong lĩnh vực thống kê năm 1967, mục đích của thuật toán k-means là sinh ra k cụm dữ liệu {C1, C2, ,Ck} từ một tập dữ liệu chứa n đối tƣợng trong không gian d chiều Xi = (xi1, xi2, , xid) k (i 1, n ), sao cho hàm tiêu chuẩn: E 2 (x ) đạt giá trị tối thiểu. Trong x D mi i 1 C i đó: mi là trọng tâm của cụm Ci, D là khoảng cách giữa hai đối tƣợng. Trọng tâm của một cụm là một véc tơ, trong đó giá trị của mỗi phần tử của nó là trung bình cộng của các thành phần tƣơng ứng của các đối tƣợng vectơ dữ liệu trong cụm đang xét. Tham số đầu vào của thuật toán là số cụm k, và tham số đầu ra của thuật toán là các trọng tâm của các cụm dữ liệu. Độ đo khoảng cách D giữa các đối tƣợng dữ liệu thƣờng đƣợc sử dụng dụng là khoảng cách Euclide, bởi vì đây là mô hình khoảng cách dễ để lấy đạo hàm và xác định các cực trị tối thiểu. Hàm tiêu chuẩn và độ đo 11
  12. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle khoảng cách có thể đƣợc xác định cụ thể hơn tuỳ vào ứng dụng hoặc các quan điểm của ngƣời dùng. Thuật toán k-means bao gồm các bƣớc cơ bản nhƣ trong hình sau: k InPut: Số cụm k và các trọng tâm cụm {mj} j=1 ; OutPut: Các cụm Ci (i 1, k ) và hàm tiêu chuẩn E đạt giá trị tối thiểu; Begin Bƣớc 1: Khởi tạo: k d Chọn k trọng tâm {mj} j=1 ban đầu trong không gian R (d là số chiều của dữ liệu). Việc lựa chọn này có thể là ngẫu nhiên hoặc theo kinh nghiệm. Bƣớc 2: Tính toán khoảng cách: Đối với mỗi điểm Xi (1<=i<=n), tính toán khoảng cách của nó tới mỗi trọng tâm mj j=1,k. Và sau đó tìm trọng tâm gần nhất đối với mỗi điểm. Bƣớc 3: Cập nhật lại trọng tâm: Đối với mỗi j=1,k, cập nhật trọng tâm cụm mj bằng các xác định trung bình cộng của các vectơ đối tƣợng dữ liệu. Bƣớc 4: Điều kiện dừng Lặp các bƣớc 2 và 3 cho đến khi các trọng tâm của cụm không thay đối. End. Hình: Các bƣớc thực hiện của thuật toán k-means K-means biểu diễn các cụm bởi các trọng tâm của các đối tƣợng trong cụm đó. do k-means phân tích phân cụm đơn giản nên có thể áp dụng đối với tập dữ liệu lớn. Tuy nhiên, nhƣợc điểm của k-means là chỉ áp dụng với dữ liệu có thuộc tính số và khám ra các cụm có dạng hình cầu, k-means còn rất nhạy cảm với nhiễu và các phần tử ngoại lai trong dữ liệu. Hơn nữa, chất lƣợng phân cụm dữ liệu của thuật toán k-means phụ thuộc nhiều vào các tham số đầu vào nhƣ: số cụm k và k trọng tâm khởi tạo ban đầu. Trong trƣờng hợp, các trọng tâm khởi tạo ban đầu mà quá lệch so với các trọng tâm cụm tự nhiên thì kết quả phân cụm của k-means là rất thấp, nghĩa là các cụm dữ liệu đƣợc khám phá rất lệch so với các cụm trong thực tế. Trên thực tế ngƣời ta chƣa có một giải pháp tối ƣu nào để chọn các tham số đầu vào, giải pháp thƣờng đƣợc sử dụng nhất là thử nghiệm với các giá trị đầu vào k khác nhau rồi sau đó chọn giải pháp tốt nhất. 12
  13. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle Đến nay, đã có rất nhiều thuật toán kế thừa tƣ tƣởng của thuật toán k-means áp dụng trong Data Mining để giải quyết với tập dữ liệu có kích thƣớc rất lớn đang đƣợc áp dụng rất hiệu quả và phổ biến nhƣ thuật toán k-modes, PAM, CLARA, CLARANS, k- prototypes, Hạn chế chung của các thuật toán phân cụm phân hoạch là chỉ thích hợp đối với dữ liệu số và ít chiều, và chỉ khám phá ra các cụm dạng hình cầu, thế nhƣng chúng lại áp dụng tốt với dữ liệu có các cụm phân bố độc lập và trong mỗi cụm có mật độ phân bố cao. 1.7 Bài toán phân cụm dữ liệu Bài toán phân cụm dữ liệu thƣờng đƣợc hiểu là một bài toán học không giám sát và đƣợc phát biểu nhƣ sau. Cho tập N đối tƣợng dữ liệu X={x1, ,xN} (bài này ta hạn chế chỉ xét các đổi tƣợng n trong không gian số học n-chiều: xi R ), ta cần chia X thành các cụm đôi một không k giao nhau: X=Ci sao cho các đối tƣợng trong cùng một cụm Ci thì tƣơng tự nhau và i 1 các đối tƣợng trong các cụm khác nhau thì khác nhau hơn theo một cách nhìn nào đó. Số lƣợng k các cụm có thể cho trƣớc hoặc xác định nhờ phƣơng pháp phân cụm. Để thực hiện phân cụm, ta cần xác định đƣợc mức độ tƣơng tự giữa các đối tƣợng, tiêu chuẩn để phân cụm, trên cơ sở đó xây dựng mô hình và các thuật toán phân cụm theo nhiều cách tiếp cận. Mỗi cách tiếp cận cho ta kết quả phân cụm với ý nghĩa sử dụng khác nhau. 13
  14. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle Chƣơng 2 HỆ QUẢN TRỊ CSDL ORACLE 2.1 Giới thiệu Oracle Oracle bao gồm một tập hợp hoàn thiện các sản phẩm xây dựng ứng dụng và ngƣời dùng cuối đƣợc trang bị các giải pháp kỹ thuật thông tin hoàn hảo. Các ứng dụng Oracle tƣơng thích với hầu hết các hệ điều hành từ các máy tính cá nhân đến các hệ thống xử lý song song lớn. Oracle cung cấp một hệ quản trị cơ sở dữ liệu (Database Management System - DBMS) uyển chuyển: Oracle Server để lƣu giữ và quản lý các thông tin dùng trong các ứng dụng. Oracle Server là một hệ quản trị CSDL điều khiển: Các sản phẩm của Oracle bao gồm: Oracle TextRetrieval Pro* ORACLE Oracle Card Oracle CASE SQL * Plus SQL, SQL * Plus và PL/SQL là các đặc tính của Oracle.  SQL: Là ngôn ngữ dùng để truy xuất cơ sở dữ liệu quan hệ, kể cả Oracle. Có thể đƣợc dùng với mỗi công cụ Oracle khi có yêu cầu truy xuất dữ liệu.  PL/SQL: Là ngôn ngữ thủ tục Oracle để viết các ứng dụng luận lý và thao tác dữ liệu bên ngoài CSDL. Có thể bao gồm một tập con các lệnh SQL khi có yêu cầu truy xuất dữ liệu. Sẵn có trong Oracle Server.  SQL * Plus: Là sản phẩm Oracle trong đó có thể dùng cả SQL và PL/SQL. Còn có các ngôn ngữ lệnh riêng để điều khiển hành vi của sản phẩm và định dạng output từ các truy vấn SQL. 14
  15. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 2.2 Cấu trúc cơ sở dữ liệu (CSDL):  Tablespaces & Data files: Một CSDL Oracle đƣợc lƣu giữ trong một hoặc nhiều đơn vị nhớ logic gọi là tablespace. Mỗi tablespace đƣợc lƣu giữ thành một hoặc nhiều file vật lý gọi là Data file.  Schema Objects (đối tƣợng CSDL): Schema Objects là cấu trúc logic lƣu trữ dữ liệu. Schema Objects bao gồm tables, views, sequences, synonyms, indexes, clusters, database links, procedures, packages.  Tables: Là đơn vị nhỏ nhất của việc lƣu trữ dữ liệu trong một CSDL Oracle. Dữ liệu đƣợc lƣu thành dòng và cột. Mỗi table đƣợc định nghĩa bằng 1 table name và tập các cột. Mỗi cột (field) có một tên cột, kiểu, và độ lớn. Mỗi dòng là tập hợp những thông tin của các cột gọi là 1 record.  Views: View tƣơng tự nhƣ Window mà qua đó dữ liệu trong table có thể đƣợc xem hoặc biến đổi. Một view chỉ đƣợc lƣu giữ dƣới dạng câu lệnh SELECT. View là một dạng table ảo nghĩa là table không thực sự tồn tại mà chỉ xuất hiện để user xem. Một view tự nó không có dữ liệu mà sẽ tƣơng tác dữ liệu dựa vào các table cơ sở. View giới hạn việc xâm nhập dữ liệu, cho phép các users nhập các câu truy vấn đơn giản để lấy kết quả từ các câu truy vấn phức tạp thông qua 1 view, cung cấp dữ liệu độc lập cho nhiều ngƣời sử dụng hay các chƣơng trình ứng dụng. View đƣợc chia thành 2 loại: view đơn và view phức. View đơn là view chỉ truy xuất dữ liệu từ 1 table và không chứa bất kỳ hàm hay GROUP dữ liệu nào, ngƣợc lại gọi là view phức.  Synonyms: Synonym là một bí danh của một table, view, sequence, procedure, function hay một package. Synonym đƣợc sử dụng cho việc bảo mật và tiện lợi trong truy xuất dữ liệu. Có 2 loại synonym: Public và Private.  Index (chỉ mục): Index của Bảng đƣợc tạo ra nhằm tăng tốc độ truy xuất, tăng hiệu quả của tính duy nhất trên một hoặc một tập của cột. 15
  16. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 2.3 Sử dụng phân cụm (CLUSTERING ) trong Oracle Phân cụm trong Oracle đƣợc thực hiện với thủ tục CTX_CLS.CLUSTERING. CTX_CLS.CLUSTERING chỉ định đầu ra cho 2 bảng: - một bảng chỉ định hiển thị 1 tài liệu,tuy nhiên các cụm tài liệu thƣờng thì giống nhau , thông tin đƣợc lấy từ văn bản, từ các cụm, và từ nhiều điểm tƣơng tự giữa tài liệu và cụm. - một bảng mô tả thông tin về cụm, về những cụm giống nhau, chứa đựng những cụm thông tin nhận dạng, các dòng văn bản đƣợc mô tả bởi các cụm,gán nhãn cho các cụm và nâng cao khả năng cho các cụm. CTX_CLS.CLUSTERING còn sử dụng thuật toán KMEAN_CLUSTERING để thực hiện việc phân cụm. Sử dụng KMEAN_CLUSTERING để xác định công việc cho CTX_CLS.CLUSTERING. Gói phần mềm này CTX_CLS.CLUSTERING cho phép bạn thực hiện phân loại tài liệu KMEAN_CLUSTERING có những thuộc tính sau Data Min Max Tên thuộc tính Kiểu Mặc định giá trị gia tăng Mô tả MAX_DOCTERMS I 50 10 8192 Chỉ định tối đa số điều khoản khác biệt đại diện cho 1trong những tài liệu. MAX_FEATURES I 3,000 1 500,000 Chỉ định tối đa số lƣợng các tính năng khác biệt THEME_ON B FALSE NULL NULL True chỉ định để sử dụng các chủ đề nhƣ là các điểm đặc biệt. Clustering(phân cụm) với chủ đề yêu cầu có 1 cài đặt cơ bản cơ sở. . TOKEN_ON B TRUE NULL NULL Chỉ định TRUE để sử dụng các dấu hiệu đặc biệt , đặc trƣng trong nội dung STEM_ON B FALSE NULL NULL Chỉ định True để sử dụng các dấu hiệu trong nội dung phần thân . Chỉ làm việc khi chuyển hƣớng Index_stem các lexer. MEMORY_SIZE I 500 10 4000 Chỉ định chính xác kích cỡ bộ nhớ, 16
  17. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle trong MB. SECTION_WEIGHT 1 2 0 100 Ghi rõ sự xuất hiện hệ số để khi thêm 1 thuật ngữ về 1chủ đề, lĩnh vực nào đó thì cũng đƣợc coi là 1 phần bình thƣờng của giới hạn. VD ngầm định thuật ngữ Cat ( con mèo )" . Cat là một lĩnh vực và đƣợc xem nhƣ là bình thƣờng với 1 thuật ngữ xuất hiện 2 lần nhƣng bạn có thể chỉ ra rằng nó đƣợc xử lý nhƣ là 1 thuật ngữ bình thƣờng với 1 trọng lƣợng lên đến 100. Nhóm_trọng lƣợng chỉ có ý nghĩa khi các chỉ mục chính xác định 1 phần lĩnh vực. CLUSTER_NUM I 200 2 20000 Xác định tổng số cụm đƣợc tạo ra. . Sử dụng thủ tục CTX_CLS.CLUSTERING này để phân cụm một tập hợp những tài liệu, 1 cụm, 1 nhóm những tài liệu tương tự nhau trong nội dung. ví dụ sau: nếu các đơn đặt hàng chứa hầu hết số mặt hàng nhƣ nhau khi đó cluster có thể có ích. Nếu các đơn đặt hàng có chỉ một hay hai mặt hàng trong khi đó các đơn đặt hàng khác có hàng trăm mặt hàng trong trƣờng hợp này sử dụng cluster là không thích hợp. Một tập hợp kết quả phân cụm bao gồm: Những tài liệu đƣợc chỉ định và các cụm đã đựơc mô tả, tài liệu đƣợc chỉ định với kết quả thiết lập hình thức cho các tài liệu liên quan, tập hợp kết quả mô tả cụm chứa thông tin về 1 cụm chủ đề nào đó. Đây là kết quả của phân cụm, các cụm dòng text đƣợc mô tả, và gán nhãn cho các cụm, gán điểm số cao cho các cụm tài liệu. Các cụm đuợc xuất ra có thứ tự. Những tài liệu có nhiều điểm giống nhau thì đựơc cho điểm ( Xem VD dƣới ). Việc sản sinh nhiều cụm hơn yêu cầu nhiều thời gian tính toán hơn. Bạn giới hạn cho những cụm phát sinh thêm bằng thuộc tính CLUSTER_NUM của thuât toán KMEAN_CLUSTERING. chú ý: những thuộc tính sử dụng để xác định những cụm có thể gồm những từ đơn giản Những kiểu sử dụng để tạo ra sự ƣu tiên cho thủ tục CTX_CLS.CLUSTERING Cú pháp: Table Result Set (Bảng kết quả ) ctx_cls.clustering (index_name IN VARCHAR2, docid IN VARCHAR2, 17
  18. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle doctab_name IN VARCHAR2, clstab_name IN VARCHAR2, pref_name IN VARCHAR2 DEFAULT NULL ); index_name Tên đặc biệt của cái giá trị chọn lọc trong bảng docid Chỉ rõ tên cột ID tài liệu của bảng chọn doctab_name Tên đặc biệt của văn bản đƣợc gắn với tên bảng. Đây là thủ tục để tạo bảng với cấu trúc tiếp theo: doc_assign( docid number, clusterid number, score number ); Mô tả cột DOCID: ID của tài liệu để nhận ra tài liệu. CLUSTERID: ID cuả 1 cụm liên quan đến tài liệu. Nếu CLUSTERID là -1, thì cụm chứa tài liệu "hỗn hợp "; VD, không thể chỉ định cụm khác trong danh mục tài liệu, nhiều điểm sẽ đƣợc kết hợp giũa cụm và văn bản clstab_name Chỉ rõ tên của cụm đƣợc mô tả trong bảng. Đây là thủ tục để tạo bảng với cấu trúc tiếp theo: cluster_desc( clusterid NUMBER, descript VARCHAR2(4000), label VARCHAR2(200), sze NUMBER, quality_score NUMBER, parent NUMBER ); Cột Mô tả CLUSTERID Cluster ID để nhận biết các cụm. Nếu CLUSTERID là -1, sau đó nhóm có chứa "miscellaneous" tài liệu, ví dụ, các tài liệu có thể không đƣợc xếp vào nhóm nào khác thể loại. Chuôi DESCRIPT để mô tả các cụm. Một nhãn LABEL đề nghị cho các nhóm. SiZE tham số này hiện nay không có giá trị. 18
  19. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle QUALITY_SCORE Các điểm chất lƣợng của các nhóm. Một số cao hơn cho biết tính mạch lạc hơn. PHỤ HUYNH Các nhóm phụ huynh id. Không có nghĩa là không có nhóm phụ huynh. Nếu bạn cần thêm các cột, bạn có thể tạo bảng, trƣớc khi bạn gọi thủ tục này. pref_name chỉ rõ những tên ƣu tiên Cú pháp: ( In-Memory Result Set ) Tập hợp các kết quả đã lƣu Bạn có thể đặt bộ kết quả trong cấu trúc bộ nhớ làm tăng hiệu suất. 2 trong số những bảng lƣu đứợc định nghĩa trong gói CTX_CLS package cho văn bản đƣợc chỉ định và những cụm đƣợc mô tả. CTX_CLS.CLUSTERING( index_name IN VARCHAR2, docid IN VARCHAR2, dids IN DOCID_TAB, doctab_name IN OUT NOCOPY DOC_TAB, clstab_name IN OUT NOCOPY CLUSTER_TAB, pref_name IN VARCHAR2 DEFAULT NULL ); index_name ( danh mục tên ) Chỉ rõ danh mục tên của tình huống chọn lọc trong bảng docid Chỉ rõ tên cột ID tài liệu của bảng chọn dids Chỉ rõ tên của bộ nhớ trong docid_tab. TYPE docid_tab IS TABLE OF number INDEX BY BINARY_INTEGER; Kiểu docid_tab là bảng của chỉ số nhị phân _ nguyên doctab_name chỉ rõ tên của tài liệu đƣợc ấn định trong bộ nhớ. tiếp theo là định nghĩa bảng: TYPE doc_rec IS RECORD ( docid NUMBER, clusterid NUMBER, score NUMBER ) 19
  20. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle TYPE doc_tab IS TABLE OF doc_rec INDEX BY BINARY_INTEGER; Mô tả cột DOCID để xác định tài liệu CLUSTERID Nhận dạng cụm. Nếu CLUSTERID là -1, thì cụm chứa tài liệu "hỗn hợp "; Nó là: tài liệu không thể đƣợc ấn định trong cụm khác cls_tab Ghi rõ tên của cụm đƣợc mô tả trong bộ nhớ của bảng TYPE cluster_rec IS RECORD( clusterid NUMBER, descript VARCHAR2(4000), label VARCHAR2(200), sze NUMBER, quality_score NUMBER, parent NUMBER ); TYPE cluster_tab IS TABLE OF cluster_rec INDEX BY BINARY_INTEGER; Mô tả CLUSTERID Nhận dạng cụm. Nếu CLUSTERID là -1, thì cụm chứa tài liệu "hỗn hợp "; VD, tài liệu không thể đƣợc ấn định trong danh mục cụm khác. DESCRIPT chuỗi mô tả cụm. LABEL gán nhãn cho cụm. SZE Tham số này hiện thời không có giá trị. QUALITY_SCORE những cụm đạt chất lƣợng. 1 số điểm lớn đƣợc biểu thị khi nó gắn với nhau. PARENT Cụm ID gốc. Zero không có ý nghĩa với cụm gốc pref_name tên ƣa dùng. cho thuộc tính cụm của tài liệu 2. Oracle đã tích hợp sẵn các thuật toán Phân cụm nhƣ K_mean vào bộ Oracle 10i nên ta chỉ tận dụng nó thôi. Với 1 dữ liệu trong Oracle có số dòng và bảng rất lớn thì việc tính toán rất mất thời gian và chi phí nên cần thiết phải phân cụm. 20
  21. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 2.4 Phân loại tài liệu văn bản trong Oracle Phân loại không giám sát (Unsupervised Clustering) Một vấn đề lớn đối mặt các doanh nghiệp và tổ chức trong ngày hôm nay là thông tin quá tải. Phân loại ra khỏi các tài liệu hữu ích từ các tài liệu không đƣợc quan tâm là vấn đề đuợc đặt ra cho cá nhân và tổ chức. Một cách để phân loại là : thông qua nhiều tài liệu và sử dụng công cụ tìm kiếm từ khóa. Tuy nhiên, từ khóa tìm kiếm có các hạn chế. Một trong những mặt hạn chế chính là các từ khóa tìm kiếm không phân biệt đƣợc các ngữ cảnh khác nhau. Trong nhiều ngôn ngữ, một từ hoặc cụm từ có thể có nhiều ý nghĩa, do đó, một kết quả tìm kiếm có thể ở nhiều kết quả phù hợp không đƣợc mong muốn trên chủ đề. Ví dụ, một yêu cầu tìm kiếm về ngân hàng ( river bank), cụm từ ngân hàng có thể trả lại các tài liệu về các sông Hudson & Đúng phải là Ngân hàng Công ty, bởi vì từ ngân hàng có hai ý nghĩa. Một chiến lƣợc thay thế là có con ngƣời thông qua phân loại các tài liệu và phân loại nội dung của chúng, nhƣng điều này là không khả thi đối với số lƣợng rất lớn các tài liệu. Oracle Text cung cấp phƣơng pháp tiếp cận khác nhau để phân loại tài liệu. Theo quy định trên cơ sở phân loại, bạn viết các quy định phân loại cho mình. Với giám sát phân loại, Oracle tạo ra các văn bản quy định phân loại dựa trên một bộ các mẫu văn bản mà bạn trƣớc khi phân loại. Cuối cùng, với phân cụm không có giám sát, Oracle tất cả các văn bản thực hiện các bƣớc, từ văn bản quy định việc phân loại để phân loại các tài liệu, cho bạn. Phân loại ứng dụng Oracle Văn bản cho phép bạn để xây dựng tài liệu phân loại ứng dụng. Một tài liệu phân loại ứng dụng thực hiện một số hành động dựa trên các tài liệu nội dung. Bao gồm các hành động phân loại id vào một tài liệu để tra cứu trong tƣơng lai hoặc gửi tài liệu đến một ngƣời dùng. Kết quả là một thiết lập hoặc dòng của phân loại tài liệu. Hình 6-1 minh họa cách thức phân loại quá trình làm việc. Oracle Text cho phép bạn tạo các tài liệu phân loại ứng dụng trong nhiều cách khác nhau. Chƣơng này xác định một điển hình phân loại kịch bản và hiển thị nhƣ thế nào bạn có thể sử dụng Oracle Text để xây dựng một giải pháp. 21
  22. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle Hình 6-1 Tổng quan về một tài liệu phân loại ứng dụng Oracle Văn bản cho phép bạn phân loại các tài liệu trong các cách sau: Phân loại không giám sát (supervised clustering). Tất cả các bƣớc từ nhóm các tài liệu của bạn vào danh mục các văn bản quy định là tự động với CTX_CLS.CLUSTERING. Oracle Text phân tích thống kê tài liệu của bạn thiết lập và kết hợp chúng với cụm theo nội dung. Ƣu điểm: Bạn không cần phải cung cấp các quy tắc phân loại hoặc các tài liệu nhƣ là một mẫu đào tạo thiết lập. Giúp để khám phá các mẫu và nội dung tƣơng tự trong tài liệu của bạn thiết lập mà bạn có thể mở ra. Trong thực tế, bạn có thể sử dụng phân loại không giám sát khi bạn không có một ý tƣởng rõ ràng về những quy tắc phân loại. Một trong những kịch bản có thể đƣợc sử dụng để phân loại không giám sát là đầu tiên cung cấp một tập hợp các chuyên mục, quy tắc, và sau đó xây dựng trên các giám sát thông qua các phân loại. Nhƣợc điểm: Clustering có thể cho kết quả bất ngờ nhất, clustering hoạt động không phải là ngƣời dùng xác định, nhƣng dựa trên thuật toán nội bộ. Bạn không nhìn thấy rằng các quy tắc tạo ra cụm. 22
  23. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle Clustering cần nhiều các hoạt động của CPU nên có thể mất ít nhất là trong cùng thời gian nhƣ lập chỉ mục. 23
  24. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle Chƣơng 3 MÔ HÌNH USE CASE 3.1 Giới thiệu Use Case trong phân tích thiết kế hƣớng đối tƣợng Trong giai đoạn phân tích, ngƣời sử dụng cộng tác cùng nhóm phát triển phần mềm tạo nên một tổ hợp thông tin quan trọng về yêu cầu đối với hệ thống. Không chỉ là ngƣời cung cấp thông tin, bản thân ngƣời sử dụng còn là một thành phần hết sức quan trọng trong bức tranh toàn cảnh đó và nhóm phát triển cần phải chỉ ra đƣợc phƣơng thức hoạt động của hệ thống tƣơng lai theo hƣớng nhìn của ngƣời sử dụng. Nhƣ vậy công cụ giúp ta mô hình hoá hệ thống từ hƣớng nhìn của ngƣời sử dụng gọi là Use Case. Use Case là một công cụ trợ giúp cho công việc của nhà phân tích cùng ngƣời sử dụng quyết định tính năng của hệ thống. Một tập hợp các Use Case sẽ làm nổi bật một hệ thống theo phƣơng diện những ngƣời dùng định làm gì với hệ thống này. Nhìn chung, có thể coi một Use case nhƣ là tập hợp của một loạt các cảnh kịch về việc sử dụng hệ thống. Mỗi cảnh kịch mô tả một chuỗi các sự kiện. Mỗi một chuỗi này sẽ đƣợc kích hoạt bởi một ngƣời nào đó, một hệ thống khác hay là một phần trang thiết bị nào đó, hoặc là một chuỗi thời gian. Những thực thể kích hoạt nên các chuỗi sự kiện nhƣ thế đƣợc gọi là các Tác Nhân (Actor). Kết quả của chuỗi này phải có giá trị sử dụng đối với hoặc là tác nhân đã gây nên nó hoặc là một tác nhân khác. 3.2 Mô hình hóa Use Case Trƣờng hợp sử dụng là một kỹ thuật mô hình hóa đƣợc sử dụng để mô tả một hệ thống mới sẽ phải làm gì hoặc một hệ thống đang tồn tại làm gì. Một mô hình Use Case đƣợc xây dựng qua một quá trình mang tính vòng lặp (interative), trong đó những cuộc hội thảo bàn luận giữa nhóm phát triển hệ thống và khách hàng (hoặc/và ngƣời sử dụng cuối) sẽ dẫn tới một đặc tả yêu cầu đƣợc tất cả mọi ngƣời chấp nhận. Ngƣời cha tinh thần của mô hình hóa Use Case là Ivar Jacobson, ông đã tạo nên kỹ thuật mô hình hóa dựa trên những kinh nghiệm thu thập đƣợc trong quá trình tạo hệ thống AXE của hãng Erisson. Use Case đã nhận đƣợc một sự quan tâm đặc biệt lớn lao từ phía cộng đồng hƣớng đối tƣợng và đã tác động lên rất nhiều phƣơng pháp hƣớng đối tƣợng khác nhau. Những thành phần quan trọng nhất của một mô hình Use Case là Use Case, tác nhân và hệ thống. Ranh giới của hệ thống đƣợc định nghĩa qua chức năng tổng thể mà 24
  25. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle hệ thống sẽ thực thi. Chức năng tổng thể đƣợc thể hiện qua một loạt các Use Case và mỗi một Use Case đặc tả một chức năng trọn vẹn, có nghĩa là Use Case phải thực thi toàn bộ chức năng đó, từ sự kiện đƣợc kích hoạt đầu tiên bởi một tác nhân ngoại cảnh cho tới khi chức năng đòi hỏi đƣợc thực hiện hoàn tất. Một Use Case luôn luôn phải cung cấp một giá trị nào đó cho một tác nhân, giá trị này là những gì mà tác nhân mong muốn từ phía hệ thống. Tác nhân là bất kỳ một thực thể ngoại cảnh nào mong muốn tƣơng tác với hệ thống. Thƣờng thƣờng, đó là một ngƣời sử dụng của hệ thống, nhƣng nhiều khi cũng có thể là một hệ thống khác hoặc là một dạng máy móc thiết bị phần cứng nào đó cần tƣơng tác với hệ thống. Mục tiêu chính yếu đối với các Use Case là: - Để quyết định và mô tả các yêu cầu về mặt chức năng của hệ thống, đây là kết quả rút ra từ sự thỏa thuận giữa khách hàng (và/hoặc ngƣời sử dụng cuối) và nhóm phát triển phần mềm. - Để tạo nên một lời mô tả rõ ràng và nhất quán về việc hệ thống cần phải làm gì, làm sao để mô hình có thể đƣợc sử dụng nhất quán suốt toàn bộ quá trình phát triển, đƣợc sử dụng làm công cụ giao tiếp cho tất cả những ngƣời phát triển nên các yêu cầu này, và để tạo nên một nền tảng cho việc tạo nên các mô hình thiết kế cung cấp các chức năng đƣợc yêu cầu. - Để tạo nên một nền tảng cho các bƣớc thử nghiệm hệ thống, đảm bảo hệ thống thỏa mãn đúng những yêu cầu do ngƣời sử dụng đƣa ra. Trong thực tế thƣờng là để trả lời câu hỏi: Liệu hệ thống cuối cùng có thực hiện những chức năng mà khởi đầu khách hàng đã đề nghị? - Để cung cấp khả năng theo dõi các yêu cầu về mặt chức năng đƣợc chuyển thành các lớp cụ thể cũng nhƣ các thủ tục cụ thể trong hệ thống. - Để đơn giản hóa việc thay đổi và mở rộng hệ thống qua việc thay đổi và mở rộng mô hình Use Case, sau đó chỉ theo dõi riêng những Use Case đã bị thay đổi cùng những hiệu ứng của chúng trong thiết kế hệ thống và xây dựng hệ thống. Những công việc cụ thể cần thiết để tạo nên một mô hình Use Case bao gồm: 1. Định nghĩa hệ thống (xác định phạm vi hệ thống) 2. Tìm ra các tác nhân cũng nhƣ các Use Case 3. Mô tả Use Case 4. Định nghĩa mối quan hệ giữa các Use Case 25
  26. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 5. Kiểm tra và phê chuẩn mô hình. Đây là một công việc mang tính tƣơng tác rất cao, bao gồm những cuộc thảo luận với khách hàng và những ngƣời đại diện cho các loại tác nhân. Mô hình Use Case bao gồm các biểu đồ Use Case chỉ ra các tác nhân, Use Case và mối quan hệ của chúng với nhau. Các biểu đồ này cho ta một cái nhìn tổng thể về mô hình, nhƣng những lời mô tả thực sự của từng Use Case thƣờng lại là văn bản. Vì các mô hình trực quan không thể cung cấp tất cả các thông tin cần thiết, nên cần thiết phải dùng cả hai kỹ thuật trình bày đó. Có rất nhiều ngƣời quan tâm đến việc sử dụng các mô hình Use Case. Khách hàng (và/hoặc ngƣời sử dụng cuối) quan tâm đến chúng vì mô hình Use Case đặc tả chức năng của hệ thống và mô tả xem hệ thống có thể và sẽ đƣợc sử dụng ra sao. Các Use Case vì vậy phải đƣợc mô tả trong những thuật ngữ và ngôn ngữ của khách hàng/ngƣời sử dụng. Nhà phát triển cần đến các mô hình Use Case để hiểu hệ thống cần phải làm gì, và qua đó có đƣợc một nền tảng cho những công việc tƣơng lai (các mô hình khác, các cấu trúc thiết kế và việc thực thi xây dựng hệ thống bằng code). Các nhóm chuyên gia thử nghiệm tích hợp và thử nghiệm hệ thống cần đến Use Case để thử nghiệm và kiểm tra xem hệ thống có đảm bảo sẽ thực hiện đúng chức năng đã đƣợc đặc tả trong giai đoạn đầu. Và cuối cùng, bất kỳ ngƣời nào liên quan đến những hoạt động liên kết đến chức năng của hệ thống đều có thể quan tâm đến các mô hình Use Case; ví dụ nhƣ các nhóm tiếp thị, bán hàng, hỗ trợ khách hàng và các nhóm soạn thảo tài liệu. Mô hình Use Case mô tả hƣớng nhìn Use Case của hệ thống. Hƣớng nhìn này là rất quan trọng, bởi nó ảnh hƣởng đến tất cả các hƣớng nhìn khác của hệ thống. Cả cấu trúc logic lẫn cấu trúc physic đều chịu ảnh hƣởng từ các Use Case, bởi chức năng đƣợc đặc tả trong mô hình này chính là những chức năng đƣợc thực thi trong các cấu trúc kia. Mục đích cuối cùng là thiết kế ra một giải pháp thỏa mãn các yêu cầu đó. Mô hình hóa các Use Case chẳng phải chỉ đƣợc dùng để nắm bắt các yêu cầu của hệ thống mới; nó cũng còn đƣợc sử dụng để hỗ trợ cho việc phát triển một phiên bản mới của hệ thống. Khi phát triển một phiên bản mới của hệ thống đang tồn tại, ngƣời ta sẽ bổ sung thêm các chức năng mới vào mô hình Use Case đã có bằng cách 26
  27. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle thêm vào các tác nhân mới cũng nhƣ các Use Case mới, hoặc là thay đổi đặc tả của các Use Case đã có. Khi bổ sung thêm vào mô hình Use Case đang tồn tại, hãy chú ý để không bỏ ra bất kỳ một chức năng nào vẫn còn đƣợc cần tới. 3.3 Biểu đồ Use Case Biểu đồ Use Case (Use Case Diagram). Tóm tắt: Một biểu đồ Use Case thể hiện: - Hệ thống - Tác nhân - Use Case. Ví dụ biểu đồ Use Case trong UML: Hình 4.1- Một ví dụ biểu đồ Use case trong UML Trong đó: - Hệ thống đƣợc thể hiện qua hình chữ nhật với tên hệ thống ở bên trên - Tác nhân đƣợc thể hiện qua kí hiệu hình nhân - Use Case đƣợc thể hiện qua hình ellipse 3.4 Quan hệ giữa các Use Case Có ba loại quan hệ Use Case: Quan hệ mở rộng, quan hệ sử dụng và quan hệ tạo nhóm. 3.4.1 Miêu tả Use Case Nhƣ đã trình bày, lời miêu tả một Use Case thƣờng đƣợc thực hiện trong văn bản. Đây là lời đặc tả đơn giản và nhất quán về việc các tác nhân và các Use Case (hệ thống) tƣơng tác với nhau ra sao. Nó tập trung vào ứng xử đối ngoại của hệ thống và không đề cập tới việc thực hiện nội bộ bên trong hệ thống. Ngôn ngữ và các thuật ngữ 27
  28. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle đƣợc sử dụng trong lời miêu tả chính là ngôn ngữ và các thuật ngữ đƣợc sử dụng bởi khách hàng/ngƣời dùng. Văn bản miêu tả cần phải bao gồm những điểm sau: - Mục đích của Use Case: Mục đích chung cuộc của Use Case là gì? Cái gì cần phải đƣợc đạt tới? Use Case nói chung đều mang tính hƣớng mục đích và mục đích của mỗi Use Case cần phải rõ ràng. - Use Case đƣợc khởi chạy nhƣ thế nào: Tác nhân nào gây ra sự thực hiện Use Case này? Trong hoàn cảnh nào? - Chuỗi các thông điệp giữa tác nhân và Use Case: Use Case và các tác nhân trao đổi thông điệp hay sự kiện nào để thông báo lẫn cho nhau, cập nhật hoặc nhận thông tin và giúp đỡ nhau quyết định? Yếu tố nào sẽ miêu tả dòng chảy chính của các thông điệp giữa hệ thống và tác nhân, và những thực thể nào trong hệ thống đƣợc sử dụng hoặc là bị thay đổi? - Dòng chảy thay thế trong một Use Case: Một Use Case có thể có những dòng thực thi thay thế tùy thuộc vào điều kiện. Hãy nhắc đến các yếu tố này, nhƣng chú ý đừng miêu tả chúng quá chi tiết đến mức độ chúng có thể “che khuất“ dòng chảy chính của các hoạt động trong trƣờng hợp căn bản. Những động tác xử lý lỗi đặc biệt sẽ đƣợc miêu tả thành các Use Case khác. - Use Case sẽ kết thúc với một giá trị đối với tác nhân nhƣ thế nào: Hãy miêu tả khi nào Use Case đƣợc coi là đã kết thúc, và loại giá trị mà nó cung cấp đến tác nhân. Hãy nhớ rằng lời miêu tả này sẽ xác định những gì đƣợc thực thi có liên quan đến tác nhân bên ngoài, chứ không phải những sự việc đƣợc thực hiện bên trong hệ thống. Văn bản phải rõ ràng, nhất quán, khiến cho khách hàng có thể dễ dàng hiểu và thẩm tra chúng (để rồi đồng ý rằng nó đại diện cho những gì mà anh/cô ta muốn từ phía hệ thống). Tránh dùng những câu văn phức tạp, khó diễn giải và dễ hiểu lầm. Một Use Case cũng có thể đƣợc miêu tả qua một biểu đồ hoạt động. Biểu đồ hoạt động này chỉ ra chuỗi các hành động, thứ tự của chúng, các quyết định chọn lựa để xác định xem hành động nào sau đó sẽ đƣợc thực hiện. Sau khi các Use Case đã đƣợc miêu tả, một hoạt động và một công việc đặc biệt cần phải thực hiện là thẩm tra xem các mối quan hệ có đƣợc nhận diện không. Trƣớc khi tất cả các Use Case đƣợc miêu tả, nhà phát triển chƣa thể có đƣợc những kiến thức hoàn tất và tổng thể để xác định các mối quan hệ thích hợp, thử nghiệm làm theo 28
  29. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle phƣơng thức đó có thể sẽ dẫn đến một tình huống nguy hiểm. Trong thời gian thực hiện công việc này, hãy trả lời các câu hỏi sau: - Tất cả các tác nhân liên quan đến một Use Case có mối liên kết giao tiếp với Use Case đó không? - Có tồn tại những sự tƣơng tự giữa một loạt các tác nhân minh họa một vai trò chung và nhóm này liệu có thể đƣợc miêu tả là một lớp tác nhân căn bản (base class)? - Có tồn tại những sự tƣơng tự giữa một loạt các Use Case, minh họa một dòng chảy hành động chung? Nếu có, liệu điều này có thể đƣợc miêu tả là một mối quan hệ sử dụng đến với một Use Case khác? - Có tồn tại những trƣờng hợp đặc biệt của một Use Case có thể đƣợc miêu tả là một mối quan hệ mở rộng? - Có tồn tại một tác nhân nào hay một Use Case nào không có mối liên kết giao tiếp? Nếu có, chắc chắn ở đây đã có chuyện lầm lạc, sai trái: Tại sao lại xuất hiện tác nhân này? - Có lời yêu cầu nào về chức năng đã đƣợc xác định, nhƣng lại không đƣợc bất kỳ một Use Case nào xử lý? Nếu thế, hãy tạo một Use Case cho yêu cầu đó. Văn bản miêu tả một Use Case đơn giản: Ví dụ Use Case "Cung Cấp Thông Tin Về Một Tài Khoản Tại Nhà Băng ABC”: Sau khi phân tích hệ thống, ta nhận thấy cần có một Use Case để in lên màn hình của nhân viên nhà băng tất cả những chi tiết về một tài khoản của một khách hàng. Đặc tả Use Case: Chi tiết tài khoản: // tên Use Case Số Use Case: UCSEC35 Miêu tả ngắn: // miêu tả ngắn gọn Use Case Dòng chảy các sự kiện: // dòng logic chung Dòng hành động chính: // dòng logic chi tiết. Dòng hành động thay thế: // chuỗi logic thay thế Điều kiện thoát: // Use Case kết thúc như thế nào? Các yêu cầu đặc biệt: // các yêu cầu đặc biệt Điều kiện trƣớc đó: // điều xảy ra trước khi Use Case được thực hiện Điều kiện sau đó: // điều gì xảy ra sau khi Use Case được thực hiện? 29
  30. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 3.4.2 Thử nghiệm Use Case Một trong các mục đích chính của Use Case là thử nghiệm (testing). Có hai loại thử nghiệm khác nhau đƣợc thực hiện ở đây: kiểm tra (verification) và phê duyệt xác nhận (validation). Kiểm tra đảm bảo là hệ thống đã đƣợc phát triển đúng đắn và phù hợp với các đặc tả đã đƣợc tạo ra. Phê duyệt xác nhận đảm bảo rằng hệ thống sẽ đƣợc phát triển chính là thứ mà khách hàng hoặc ngƣời sử dụng cuối thật sự cần đến. Công việc phê duyệt xác nhận đƣợc thực hiện kề trƣớc giai đoạn phát triển. Ngay khi một mô hình Use Case đƣợc hoàn tất (hay thậm chí có thể đang trong giai đoạn phát triển), mô hình này phải đƣợc trình bày và thảo luận với khách hàng cũng nhƣ ngƣời sử dụng. Họ cần phải xác nhận rằng mô hình này là đúng đắn, hoàn tất và thỏa mãn sự mong đợi của họ đối với hệ thống; đặc biệt là phƣơng cách mà hệ thống cung cấp chức năng cho họ. Để làm điều đó, nhà phát triển phải đảm bảo rằng khách hàng thật sự hiểu đƣợc mô hình và ý nghĩa của chúng, để tránh trƣờng hợp tạo ra những thứ không thể chấp nhận nổi. Trong giai đoạn này, rõ ràng là các câu hỏi và các ý tƣởng sẽ xuất hiện và chúng cần phải đƣợc bổ sung thêm vào mô hình Use Case trƣớc khi đến giai đoạn phê duyệt chung cuộc. Giai đoạn xác nhận cũng có thể đƣợc thực hiện trong thời kỳ thử nghiệm hệ thống, nhƣng điểm yếu của phƣơng thức làm này là nếu hệ thống không thỏa mãn những yêu cầu cụ thể của ngƣời sử dụng thì toàn bộ dự án rất có thể sẽ phải làm lại từ đầu. Kiểm tra hệ thống là để đảm bảo nó hoạt động đúng nhƣ đặc tả. Điều này không thể đƣợc thực hiện trƣớc khi đã có những thành phần của hệ thống đƣợc tạo ra. Chỉ sau đó ngƣời ta mới có thể thử xem hệ thống có hoạt động đúng nhƣ đặc tả mà ngƣời sử dụng đã đƣa ra, rằng các Use Case thực hiện đúng theo nhƣ những lời đã miêu tả trong mô hình, rằng chúng hoạt động theo đúng phƣơng thức đã đƣợc miêu tả trong văn bản miêu tả Use Case. 30
  31. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle Chƣơng 4 CHƢƠNG TRÌNH ỨNG DỤNG 4.1 Bài toán quản lý văn bản đến và văn bản đi Hiện nay, Ngân hàng PG Bank có 28 chi nhánh trên cả nƣớc. Việc gửi và nhận các thông báo, chứng từ, văn bản trao đổi đƣợc thực hiện thông qua mail, fax, chuyển phát rất dễ bị thất lạc và không kịp thời. Xuất phát từ thực tế đó xây dựng hệ thống quản lý văn bản. - Mục tiêu của chƣơng trình là nhằm nâng cao hiệu quả tác nghiệp giữa các phòng ban và chi nhánh trong ngân hàng trong việc luân chuyển các văn bản, thông báo, đến và đi bằng việc sử dụng kỹ thuật phân cụm dữ liệu trong hệ QTCDL Oracle. Phát biểu bài toán. Input: Các văn bản đến và đi - Văn bản đến: là các hồ sơ, tài liệu (đơn hàng, văn bản, hồ sơ, tài liệu, báo cáo của các doanh nghiệp; đề án; giấy mời ), văn bản pháp qui do các cơ quan gửi đến Cty trực tiếp hoặc qua đƣờng văn thƣ. - Văn bản đi: là các hồ sơ, tài liệu, văn bản trả lời, quyết định, giấy báo, giấy mời các cá nhân, doanh nghiệp do Cục phát đi cho các đơn vị, cá nhân theo con đƣờng trực tiếp hoặc qua đƣờng văn thƣ. Output: Hệ thống phải phân loại đƣợc các văn bản nhanh, chính xác, sử dụng thuật toán phân cụm để hỗ trợ cho việc tra cứu, tìm kiếm 4.2 Mô hình usecase trong hệ thống quản lý văn bản đến và đi 4.2.1 Quy trình tạo, gửi đi Nhân viên tạo văn bản đăng nhập vào tạo văn bản. Hồ sơ đƣợc lƣu dƣới trạng thái input (marker). sau đó kiểm soát viên phê duyệt, ký ( trƣởng phòng, phó phòng ) lúc đó hồ sơ mới đƣợc gửi đi. 31
  32. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle Tạo văn Xử lý văn bản đi bản đi Ngƣời Kiểm soạn văn soát bản viên Phê duyệt Giải quyết Giải không hợp lệ quyết Lƣu trữ > hợp lệ Ký và gửi đi > Tra cứu văn Chọn kiểu bản tra cứu > > Tìm kiếm theo nội dung Tìm kiếm theo phân cụm 32
  33. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 4.2.2 Quy trình nhận, đến Văn bản đến đƣợc lƣu tự động. Kiểm soát duyệt ( Trƣởng phòng, phó phòng ) (checker). Sau đó văn bản đến đƣợc lƣu vào danh mục những văn bản đã duyệt. Lƣu văn Xử lý văn bản đến bản đến Hệ thống Kiểm soát viên > Phê duyệt Đã duyệt > Chƣa duyệt > Chọn kiểu Tra cứu tra cứu văn bản > Tìm kiếm Tìm kiếm theo theo nội dung phân cụm 33
  34. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 4.2.3 Quản trị viên hệ thống: Tạo và phân quyền cho ngƣời dùng thuộc nhóm user, kiểm soát hay phê duyệt. quyền tạo mới, sửa đổi hay hủy hồ sơ về nhân viên, kiểm sát viên, phòng ban. Đăng nhập Quản trị viên hệ thống > > Cơ sở dữ liệu Tạo, sửa, xóa Tra cứu văn bản Danh sách usercase 1.Quy trình tạo, gửi đi Tạo văn bản đi, xử lý văn bản đi , phê duyệt, lƣu trữ,giải quyết hợp lệ, giải quyết không hợp lệ, ký và gửi đi, tra cứu. 2. Quy trình nhận, đến Lƣu văn bản đến, xử lý văn bản đến, phê duyệt, đã duyệt, chƣa duyệt, tra cứu. 3.Quản trị Đăng nhập, CSDL nhân viên, phòng ban, Tạo, sửa, xóa, tra cứu. 4.3 Đặc Tả User Case Giới Thiệu: Chƣơng trình Quản lý văn bản đƣợc xây dựng nhằm các mục đích sau: Tin học hoá quá trình lƣu trữ và xử lý văn bản của một doanh nghiệp. Giảm công sức, chi phí lƣu trữ, tìm kiếm và xử l. công văn Tự động hoá các quá trình nhận - gửi công văn Hỗ trợ ban giám đốc theo dõi tình trạng xử lý văn bản của các phòng ban Lƣu trữ văn bản an toàn, tìm kiếm dễ dàng 34
  35. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle Mọi quá trình thực hiện việc xử lý văn bản, công việc đều đƣợc hệ thống máy tính ghi nhận nên lãnh đạo sẽ có biện pháp thích hợp để điều chỉnh các hoạt động của các phòng ban chức năng. 2. Bảng Chú Giải: Phần này nhằm chú giải cho các thuật ngữ đã dùng trong bài này. Các định nghĩa: - Nhân viên : Ngƣời mà sử dụng chƣơng trình, soạn, nhận lệnh từ cấp trên. - Kiểm soát viên: Ngƣời phê duyệt, lƣu trữ, ký, gửi văn bản đi, nhận văn bản đến. - Admin: Ngƣời quản lý chƣơng trình, tạo mới, sửa, xóa nhân viên, kiểm soát viên ( trƣởng phòng, phó phòng ), các phòng ban. 1. Use Case Model: Mô hình Use Case: Nhƣ trên. Tra Cứu văn bản : - Tóm tắc: Use Case này mô tả cách mà một ngƣời tra cứu văn bản thông qua hệ thống này. - Dòng sự kiện: + Dòng sự kiện chính: Use case này bắt đầu khi một ngƣời muốn tra cứu một văn bản. 1. Tìm kiếm theo chủ đề. Hệ thống yêu cầu chọn kiểu tra cứu (có thể tra cứu theo tên, loại,ngày, thuộc bộ phận nào ,theo mã số.Khi các thông tin đã đƣợc nhập đầy đủ hệ thống sẽ thực hiện và cho kết quả. 2. Tìm kiếm theo phân cụm: Ta cần nhập số cụm, mỗi cụm sẽ cho ta biết thông tin về một chủ đề nào đó, từ đó ta rút ra đƣợc những thông tin hữu ích hỗ trợ cho việc ra quyết định. + Dòng sự kiện khác: Không tìm thấy thông tin nhƣ yêu cầu thì thông báo không tìm thấy. - Các Yêu Cầu đặt biệt: Cần phải nhập số cụm, theo cảm tính hoặc kinh nghiệm. - Điều kiện tiên quyết: Trƣớc tiên nhân viên phải chọn kiểu tra cứu 35
  36. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle và nhập số cụm. - Post-Conditions: Nếu Use Case thàng công thì sẽ cho kết quả tìm đƣợc,hoặc không thành công thì thông báo lổi. - Điểm mở rộng: Không có. Tạo văn bản đi : - Tóm tắc: Use case mô tả những hoạt động tạo văn bản nhƣ tạo, sửa, xóa, thêm mới - Dòng sự kiện: + Dòng sự kiện chính:Use Case này sẽ đƣợc bắt đầu khi ngƣời soạn công văn tạo công văn. 1. Ngƣời soạn nhập các thông tin văn bản cần thiết 2. Gửi thông tin đến Server. + Dòng sự kiện khác: Thông tin gửi đi bị lổi,hệ thống sẽ thông báo cho khách hàng để khách hàng thực hiện lại thao tác. - Post-Conditions: Nếu Use Case thành công,công văn sẽ đƣợc thêm vào hệ thống,ngƣợc lại hệ thống không thay đổi. - Điểm mở rộng: Không có. Xử lý văn bản đi: - Tóm tắc: Use Case mô tả những xử lý văn bản đi nhƣ kiểm tra nội dung, hình thức, ký - Dòng sự kiện: + Dòng sự kiện chính: Use Case sẽ đƣợc bắt đầu khi thông tin từ ngƣời tạo văn bản chuyển đến 1. Kiểm soát viên checker nội dung và hình thức có đúng quy cách ko ? 2. Đồng ý chuyển tới phê duyệt, ký và gửi đi. + Dòng sự kiện khác: Không đồng ý yêu cầu chỉnh sửa lại - Các Yêu Cầu đặt biệt: Không có. - Điều kiện tiên quyết: Có công văn tạo chuyển đến,chờ ký - Post-Conditions: Nếu Use Case thành công, văn bản sẽ đƣợc chuyển tới phê duyệt. - Điểm mở rộng: Không có. 36
  37. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle Phê duyệt: - Tóm tắc: Use Case mô tả cách thức văn bản đi đƣợc lãnh đạo phê duyệt. - Dòng sự kiện: + Dòng sự kiện chính: Use Case sẽ bắt đầu khi văn bản đã đƣợc kiểm tra tới 1. lãnh đạo xem và phê duyệt gửi đi 2. Lƣu trữ + Dòng sự kiện khác: Không đồng ý yêu cầu làm lại. - Các Yêu Cầu đặt biệt: Không có. - Điều kiện tiên quyết: Phải có sự checker cua kiểm sát viên Post- Conditions: Use Case thành công,công văn đƣợc gửi đi và ký, lƣu trữ Lƣu văn bản đến : - Tóm tắc: Use case mô tả những hoạt động lƣu văn bản đến. - Dòng sự kiện: + Dòng sự kiện chính:Use Case này sẽ đƣợc bắt đầu khi văn bản đƣợc gửi đến. 1.Hệ thống lƣu các văn bản theo từng mức độ nhƣ công văn khẩn, công văn nội bộ 2.Gửi thông tin đến bộ phận xử lý. - Post-Conditions: Nếu Use Case thành văn bản đến sẽ đƣợc lƣu vào hệ thống,ngƣợc lại hệ thống không thay đổi. - Điểm mở rộng: Không có. Xử lý văn bản đến: - Tóm tắc: Use Case mô tả những xử lý văn bản đến nhƣ kiểm tra nội dung, hình thức - Dòng sự kiện: + Dòng sự kiện chính: Use Case sẽ đƣợc bắt đầu khi văn bản chuyển đến 1.Kiểm soát viên checker 2.Đồng ý chuyển tới phê duyệt ( đã xem ) chờ chỉ đạo triển khai 37
  38. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle - Điều kiện tiên quyết: Có văn bản lƣu - Post-Conditions: Nếu Use Case thành công, văn bản sẽ đƣợc duyệt và trả lời. - Điểm mở rộng: Không có. Phê duyệt: - Tóm tắc: Use Case mô tả cách thức văn bản đến đƣợc lãnh đạo phê duyệt. - Dòng sự kiện: + Dòng sự kiện chính: Use Case sẽ bắt đầu khi văn bản tới 1.lãnh đạo xem và phê duyệt 2. Lƣu trữ + Dòng sự kiện khác: Không. - Các Yêu Cầu đặt biệt: Không có. - Điều kiện tiên quyết: Phải có sự checker cua kiểm sát viên Post- Conditions: Use Case thành công,công văn đƣợc xem và lƣu trữ, trả lời - Điểm mở rộng: Không có. Đăng Nhập: - Tóm tắc: Use Case mô tả cách nhân viên đăng nhập vào hệ thống. - Dòng sự kiện: + Dòng sự kiện chính: Use Case sẽ bắt đầu khi nhân viên đăng nhập. 1. Hệ thống yêu cầu nhân viên nhập Tên và Mật khẩu. 2. Nhân viên nhập Tên và Mật khẩu 3. Hệ thống kiểm chứng và cho nhân viên đăng nhập vào hệ thống. + Dòng sự kiện khác: Khi nhân viên nhập sai tên hoặc mật khẩu thì hệ thống sẽ thông báo lổi và cho nhân viên chọn đăng nhập tiếp hay là kết thúc Use Case. - Các Yêu Cầu đặt biệt: Không có. - Điều kiện tiên quyết: Không có. - Post-Conditions: Nếu đăng nhập thành công thì nhân viên đƣợc 38
  39. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle phép thao tác với những quyền của mình trong hệ thống,ngƣợc lại hệ thống không thay đổi. - Điểm mở rộng: Không có. 4.4 CSDL đƣợc tạo trong Oracle 4.5 Bảng MSTB_CÔNG VĂN 39
  40. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 4.6 Bảng MSTB_CLUSTERS 4.7 Bảng MSTB_CLUSTER_RESULT 40
  41. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 4.8 View tất cả nhân viên 41
  42. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 4.9 View nhân viên 4.10 Sequences 42
  43. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 4.11 Trong Packages chứa các Procedures p()prtb_vanban,p()prtb_cluster 4.12 Giới thiệu chƣơng trình ứng dụng 4.12.1 Trang Đăng nhập 43
  44. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 4.12.2 Trang chủ 4.12.3 Trang Soạn văn bản 44
  45. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 4.12.4 Trang Danh sách nhân viên 4.12.5 Trang tạo mới nhân viên 45
  46. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 4.12.6 Trang danh sách phòng ban 4.12.7 Trang danh sach văn bản đến 46
  47. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 4.12.8 Trang tạo mới phong ban 4.12.9 Trang thông tin cá nhân 47
  48. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 4.12.10 Trang tra cứu theo nội dung 4.12.11 Trang tra cứu theo phân cụm và kết quả chạy trương trình 4.13 Chƣơng trình đƣợc thiết kế bởi Microsoft Visual Studio 2005 Danh mục cần thiết kế 48
  49. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle 4.14 Kết quả thực hiện chƣơng trình Chƣơng trình thực hiện với bộ dữ liệu với 500 văn bản Nhận xét: Đây là chƣơng trình thực hiện phân cụm trên một bài toán cụ thể là Quản lý văn bản, qua đó kiểm nghiệm đƣợc kết quả của thuật toán phân cụm dữ liệu k_mean trên hệ quản trị cơ sở dữ liệu Oracle. Chƣơng trình đã chạy với dữ liệu đầu vào là văn bản đến và đi khi phân cụm toàn bộ văn bản đến và đi với số cụm K chọn ngẫu nhiên hoặc theo kinh nghiệm của chuyên gia. khi chạy chƣơng trình sẽ cho ra kết quả các cụm số đƣợc phân, mỗi cụm sẽ có những tiêu chí, nội dung tƣơng đồng nhau, hỗ trợ cho quá trình tra cứu tìm ra những bộ số giống nhau. Ƣu điểm: Chƣơng trình có khả năng ứng dung thực tế cao, chạy trên csdl lớn, nhanh Tuy nhiên, vẫn còn những hạn chế nhất định nhƣ là số cụm K chỉ có thể chọn ngẫu nhiên hoặc theo kinh nghiệm của chuyên gia. 49
  50. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle KẾT LUẬN Trong đồ án này, em đã trình bày tổng quan và các nét đặc trƣng nhất trong lĩnh vực Data Mining bao gồm các vấn đề cần khám phá tri thức, các hƣớng tiếp cận nghiên cứu tiêu biểu, trong đó PCDL là một phƣơng pháp khám phá tri thức quan trọng trong Data Mining có nhiều ý nghĩa trong khoa học cũng nhƣ thực tiễn. Đồ án này đã tìm hiểu đƣợc 1 số vấn đề trong việc phân cụm dữ liệu trong hệ quản trị csdl Oracle nhƣ các thủ tục, các gói dữ liệu tích hợp trong Oracle Các cách gọi, sử dụng thuật toán trong phân cụm Đồ án đã xây dựng đƣợc một chƣơng trình nhỏ quản lý văn bản có ý nghĩa tƣơng đối cao làm tiền đề cho việc phát triển những ứng dụng sau này. Hƣớng phát triển tiếp theo: Đồ án đã đề cập đến một số các phƣơng pháp cũng nhƣ kỹ thuật áp dụng trong PCDL. Với tiền đề đó, trong thời gian sắp tới, tôi sẽ tiếp tục tìm hiểu các mô hình dữ liệu đặc thù, và lựa chọn một một kỹ thuật PCDL phù hợp nhằm xây dựng các ứng dụng đáp ứng các bài toán trong thực tiễn. Hƣớng nghiên cứu cụ thể nhƣ sau: o Xây dựng và phát triển các kỹ thuật phân cụm cho lớp các dữ liệu Web, văn bản, hình ảnh. o Kết hợp các kỹ thuật phân cụm với các các kỹ thuật mờ, mạng nơ ron đề giải quyết một số ứng dụng khác trong thực tế. Do thời gian nghiên cứu và trình độ có hạn, báo cáo không tránh khỏi có những hạn chế và thiếu sót. Em xin đƣợc tiếp thu ý kiến sự đánh giá, chỉ bảo của các thầy giáo cũng nhƣ các bạn bè. 50
  51. Tìm hiểu về kỹ thuật phân cụm dữ liệu trong xử lý dữ liệu trên hệ QTCDL Oracle Chƣơng 5 TÀI LIỆU THAM KHẢO [1]. Nguyễn Thị Ngọc, Thuật toán phân cụm dữ liệu dựa trên mật độ, Đồ án tốt nghiệp, ĐHDL Hải Phòng, 2008. [2]. Trần Thị Quỳnh, Phân cụm dữ liệu nửa giám sát và giải thuật di truyền, Đồ án tốt nghiệp, ĐHDL Hải Phòng, 2008. [3]. Kluwer Academic Publishers, Holland, Extensions To the k-means Algorithm for Clustering Large Data Sets With Categorical Value [4]. Periklis Andritsos, Data Clusting Techniques, Department of Computer Science, University Toronto, 2002. [5]. Petrolimex : [1] [2] 51