راهكاري جديد براي انجام پرس و جوهاي فازي بر روي پايگاه داده هاي گرافي NoSQL

A new Approach to Perform Fuzzy Queries over NoSQL Database

امروزه به دليل حجم انبوه اطلاعات از پايگاه داده هاي NoSQL براي محاسبه داده هاي پيچيده استفاده مي شود. اين پايگاه داده ها با قابليت ذخيره داده هاي نيمه ساختار يافته و بدون ساختار براي مديريت داده هاي بزرگ مورد استفاده قرار مي گيرد. در اين مقاله پرس و جوهاي فازي توسط كاربران بر روي اطلاعات ذخير شده در پايگاه داده گراف Neo4j انجام شده است كه منجر به نمايش نتايج به صورت غيرفازي مي شود. براي ارزيابي كارايي روش پيشنهادي با در نظر گرفتن يك پايگاه داده از داده هاي مربوط به يك شركت قطعه سازي، دو متغير قيمت و كيفيت با ويژگي فازي در نظر گرفته شد و از آنها براي تعريف و اجراي پرسش هاي فازي استفاده شد كه نتايج مي تواند صحت عملكرد روش پيشنهادي را تأييد كند. علاوه بر اين، يك مشاور كه داراي اطلاعات در مورد داده هاست، اصطلاح هاي فازي، توابع عضويت، و جدول قوانين فازي را تعريف مي كند. يكي از فرايندهاي مهم در اين روش يافتن مركز ثقل به منظور غيرفازي سازي نتيجه نهايي است كه براي اين منظور الگوريتمي با زبان برنامه نويسي C# پياده سازي شده است. بيشترين زمان پرس و جو مربوط به يافتن مركز ثقل است و پيچيدگي مسائل فازي سربار زماني بيشتري تحميل نخواهد كرد. نتايج ارزيابي نشان مي دهد كه افزايش زمان پرس و جو با استفاده از رويكرد پيشنهادي مبتني بر منطق فازي نسبت به زمان پرس و جو با زبان Cypher، با در نظر گرفتن پيچيدگي بيشتر مفاهيم فازي قابل قبول است. در نتيجه، راهكار پيشنهادي گزينه اي مناسب براي بهره گيري پرس و جوهاي مبهم درون پايگاه داده هاي بزرگ خواهد بود.

Today, due to massive amount of information, NoSQL databases are used to compute complex data. These databases are used to store semi-structured and unstructured data for big data management. In this paper, fuzzy queries are executed by users on the information stored in the Neo4j graph database, which show results in defuzzy manner. To evaluate the efficiency of the proposed method, we considered a database of manufacturing company. Price and quality fuzzy variables were considered and used to define and execute the fuzzy queries. The results can verify the performance of the proposed method. Additionally, a counselor (who has information about the data) defines fuzzy terms, membership functions, and fuzzy rules table. The most important process in this method is to find the center of gravity in order to defuzzify the final result. So, an algorithm has been implemented for this purpose by C # programming language. The greatest query time is due to find center of gravity. The evaluation results show that the increase in query time by using the proposed approach in comparison to query time by using Cypher language is acceptable due to the complexity of fuzzy concepts. Therefore, the proposed solution will be suitable for using ambiguous and fuzzy queries in large databases.