Software & Systems

Наряду с разработкой методологий проектирования баз данных и инструментальных средств поддержки их проектирования увеличиваются и требования к этим средствам. Кроме инструментальных средств для отдельных незавмисимых этапов проектирования, создаются системы, которые предназначены для непрерывного выполнения как отдельных этапов, так и всего процесса проектирования базы данных.

На некоторых этапах проектирования базы данных используются алгоритмические инструментальные средства, на других же только неалгоритмические эвристические процедуры, которые требуют применения средств искусственного интеллекта. На ранних этапах проектирования необходимы консультации между разработчиками и будущими пользователями проектируемых баз данных. Удобно поэтому использовать экспериментальные консультационные системы в качестве вспомогательных средств для процесса проектирования в каждом отдельном случае. Известны несколько экспертных систем для поддержки проектирования баз данных. Есть и системы, находящиеся на стадии разработки [11].

Экспертные системы [17] можно использовать на различных этапах проектирования баз данных [24], начиная от формулировки требований и анализа до физического проектирования базы данных. Можно использовать экспертные системы для реорганизации базы данных, для соединения нескольких баз данных, а также для верификации сложных структур данных, вставляемых в созданную базу данных [25]. Экспертные системы можно использовать и при разработке специальных экспертных систем проектирования распределенных баз данных [4]. Большой объем эвристических знаний и опыта проектировщика используется при анализе требований и концептуальном проектировании. Возможно использовать алгоритмические процедуры в логическом и физическом проектировании базы данных, что не исключает возможность использования экспертных систем на этапах проектирования.

Логическое проектирование базы данных

Экспертные системы для логического проектирования базы данных могут рассматриваться в зависимости от концептуальной модели или модели базы данных в соответствии с вводом, т.е. способом описания входных данных моделируемой реалии, исходя из результатов, т.е. реализации этапа проектирования после применения экспертной системы в соответствии с интерфейсом или представлением базы знаний.

Одним из наиболее подходящих видов классификации является классификация по основному вводу. Экспертные системы разбиты на четыре категории:

-     используемые в неформализованном описа нии моделируемой реалии;

-     для ввода на простом формальном языке;

-     для формализованного описания реалии, при кладного уровня;

-     в системах представления пользователей или в глобальной схеме базы данных.

Экспертные системы SECSI [3], OISCI [5], EXIS [28] и прототип экспертной системы, описанный в [20], относятся к первой категории. Эти системы обрабатывают входные предложения в поднаборах естественного языка, а именно на французском и английском. Неформализованные входные данные обрабатываются системой ES EDDS, если она включает компонент описания формы, рассмотренной в [26]. К этой категории можно отнести экспертную систему ES CODES [22] и использование оболочки экспертной системы EQUANTI вместе с базой знаний ERBASE1 или ERBASE2. Обе эти системы создают набор информационных элементов соответственно концептам, необходимым для описания моделируемой реалии. Можно рассматривать эти две системы как специальную подкатегорию экспертных систем поддержки логического проектирования базы данных, используемые при неформализованном вводе.

Система ESPROEX [21] обрабатывает входные данные, выраженные на простом формализованном языке. Третья категория включает экспертные системы для проектирования базы данных, основанных на анализе форм или управленческих отчетов. Сюда относятся система EDDS [7] и консультационная система для проектирования баз данных [18]. Экспертные системы для интеграции схем VDIES [8] и SIS [23] относятся к четвертой категории. Инструментальные средства для модульного проектирования базы данных [27] и ESCMRIS [12] для проектирования реляционной базы данных относятся также к этой категории. Система CHRIS преобразует входные данные в виде диаграммы E-R.

Перечисленные экспертные системы обрабатывают статичные аспекты концептуального проектирования, а системы ESEXIS и OISCI -динамические аспекты. Разработчики систем ESSIS и PROEX учитывают возможность расширения этих систем и для моделирования динамических аспектов.

Большинство экспертных систем реализовано на языхе ПРОЛОГ. Исключение составляют система EDDS и система описания форм, написанные на языке Паскаль.

Физическое проектирование базы данных

DECIDES [19] является экспертной системой для физического проектирования базы данных. Она написана на языке поодукции OPS5. Система DESIDES разработана для проектирования распределенной базы данных переключения телефонов - ITT 1240 Telephone Switch. Система DECIDES помогает проектировщику базы данных, запоминая дерево решений, которое необходимо для размещения каждого отношения а физической модели данных (РДМ) [19]. DECIDES генерирует код DDL (язык описания данных) для создания реляционной части физической модели данных и предоставляет необходимую информацию для создания других частей РДМ.

Конечным пользователем системы является DBA (администратор базы данных), который создает физическую схему на основе информации об отношениях в форме описания данных, на основе интервью с проектировщиком и из логической схемы.

Экспертные системы, используемые при неформализованном вводе данных

Экспертная система SECSI [3] создает концептуальную схему и реляционную схему в третьей нормальной форме (3NF) или внутреннюю реляционную схему, оптимизированную для обработки запроса. Генерируется набор дополнительных ограничений целостности и проверяется их связь СО схемой. Система SECSI обеспечивает поддержку взамодействия с проектировщиками базы данных посредством ква-эи-естественного языка, а именно поднабора французского. Система SECSI предоставляет описание применения, сделанное пользователем, в виде семантической схемы.

База знаний системы SECSI состоит из фактов и правил. Факты служат для описания применения, а правила описывают алгоритмы, которые используются в базе фактов для того, чтобы сгенерировать реляционную схему. Администратор базы данных может модифицировать базу правил, добавляя новые правила или удаляя старые.

Процесс дедукции и генерация реляционной схемы, выполненной механизмом логического вывода, подразделяется на четыре этапа, соответствующих наборам правил.

1)        Генерация набора отношений первой нор мальной формы (INF) с именами атрибутов и ограничениями по предметной области, кото рые моделируют применение.

2)        Изоляция функциональных зависимостей и ключевых ограничений.

3)        Генерация реляционной концептуальной схемы в форме 3NF.

4) Четвертый этап, который является необязательным, создает оптимизированную внутреннюю схему.

Концептуальная и внутренняя схемы запоминаются в метабазе реляционной системы управления базой данных SABRE. Внутренняя схема используется системой SABRE для создания физической базы данных.

Экспертная система OISCI [5] генерирует концептуальную схему по описанию прикладной предметной области, заданной с помощью лоднабора французского языка. Система OISCI использует описательную модель, в которой представлены одновременно статистические и динамические аспекты реального мира, дополняющие друг друга. Описательная модель базируется на трех концепциях: объект, действие и событие. Уровень фактов представляется семантическими типами трехузловой сети: узлы объектов, действий, событий. Любые связи между объектами представляются в виде дуги. При этом используются типы дуг, принятые в семантических сетях (дуга агрегации, дуга генерализации, дуга ассоциации и специальные дуги).

Концептуальная схема, проектируемая экспертной EXIS [28], состоит из семантической сети, описывающей статические аспекты применения и модели события и представляющей динамические аспекты применения. База знаний системы EXIS использует концепции и методы для концептуального проектирования схемы. Она включает общие и экспериментальные знания проектировщиков базы данных. В EXIS используется теория индуктивного метода обучения на основе примеров. Обучающий компонент системы EXIS позволяет обновлять правила проектирования, генерировать и добавлять новые в базу знаний. Знания в базе знаний можно модифицировать и вставлять с помощью добавления соответствующих примеров в виде правил продукций или с помощью подготовленного графического интерфейса. Если проектировщик имеет прямой доступ к базе знаний, то необходим механизм для проверки согласованности после внесения изменений.

В отличие от упомянутых систем прототип экспертной системы, рассмотренный в [20], обрабатывает не описания смоделированной реалии, а набор запросов, выраженный поднабором английского языка. После создания концептуальной схемы, представленной поднабором операторов Пролога, система создает действительные файлы для псевдореляционной системы DBMS INQ.

Оболочку экспертной системы EQUANI [13] использовали для решения проблемы, представления данной концепции в прикладкой области в виде набора объектов, набора отношений или же атрибута модели E-R [б]. Для решения этой проблемы [10] разработаны две базы знаний ERBASE1 и ERBASE2.

EQUANT вместе с одной из этих баз знаний является инструментальным средством, которое позволяет администратору базы данных получить конкретную формализацию опи-

сания моделируемой реалии. Предполагается, что пользователь не знаком с базой данных, но он подготовил список недвусмысленных концептов, необходимых для описания прикладной области. Система EQUANT обращается к этим концептам последовательно, независимо от других. Экспертная система CODES [22] создает концептуальную схему из набора определенных информационных элементов, используя средство моделирования информации IDEF1. IDEF [22] является моделью, основанной на концепциях объект, отношение, атрибут и класса ключей, которые можно рассматривать как модификацию модели Чена E-R (объект-отношение).

Экспертная -истема PROEX,

обрабатывающая входные данные на простом

формальном языке

PROEX [21] система баз знаний, предоставляющая методологию для концептуального и логического проектирования реляционных баз данных. Система PROEX находится в стадии разработки. В настоящее время она обрабатывает только статические аспекты данных, ко предполагаемое расширение системы будет поддерживать моделирование и динамических аспектов.

Во время концептуального моделирования процесса PROEX использует семантическую сеть, которая итеративно генерируется во время диалога с пользователем. Полученная семантическая сеть концептуальная схема - анализируется системой на полноту и возможную противоречивость.

На этапе логического проектирования семантическая сеть преобразуется в реляционную схему в форму 1NF, а затем в отношение 3NF или 4Nr. На конечном этапе PROEX генерирует логическую схему на языке описания данных, используемой СУБД.

Механизм логического вывода выполняет прямой и обратный вывод правил, чтобы проверить гипотезы и выполнить необходимые трансфорлюции.

Экспертные системы для проектирования баз

данных, основанных на анализе форм документов или управленческих отчетов

Формы-документы - наиболее распространенные объекты формального общения в организациях. Комитет поддержки конечных пользователей (EUFC) постоянно действующей комиссии CODASYL подтвердил большое значение форм и рекомендует использовать их как основное средство интерфейса с пользователем.

EDDS - экспертная система проектирования базы данных - анализирует отдельные экземпляры моделей форм [7] из набора, чтобы вывести концептуальный объект — реляционную схему, так называемую диаграмму E-R (ERD). Такая диаграмма создается посредством постепенной интеграции представлений пользователя. Итеративный процесс проектирования разделяется на шесть этапов. Этап выбора формь. определяет, какая форм., будет анализироваться следующей. Этап "Идентификация объекта" определяет поля формы, которые представляют объекты. На этапе "Присоединение атрибутов" добавляются атрибуты к ранее идентифицированным объектам, в то время как на этапе "Идентификации отношений соединяются ранее идентифицированные объекты с отношениями. Этап "Идентификация количества" элементов принимает решение о минимальном/максимальном количестве элементов объекта в отношении. На этапе "Проверка непротиворечивости" используются правила обеспечения непротиворечивости используемых диаграммных схем. Каждый этап соответствует одной группе правил в базе знаний.

FDS - система определения форм [26] - используется для формулировки и сбора требований пользователя. Система поддерживает участие новичков в проектировании баз данных в процессе моделирования представлений пользователя. Система базируется на стратегии обучения по примерам. Система FDS расширяет предшествующие усилия по интеграции представлений [7] с компонентом моделирования представления (в этом случае - определение формы, создание формы).

В предыдущих работах определение представления относилось к компетенции проектировщика базы данных или же предполагались какие-то знания пользователя о базе данных. Система FDS спроектирована так, что пользователь знает только как заполнять формы.

Холсаппл, Шен и Уинтстон [18] разработали методологию для автоматизированного проектирования баз данных на основе набора управленческих отчетов. Структура отчетов анализируется посредством схемы, состоящей из двоичных отношений. Эта методология реализуется как Консультативная система для проектирования проекта. Снстема анализирует проблему проекта и создает возможную схему базы данных. Схема отчета выражается в форме предикатов. Объектная схема создается в расширенной сетевой модели [18], которая является дополнением к обычным сетевым характеристикам и предоставляет типы наборов вида "от многого-ко многому" и рекурсивные наборы.

Экспертные системы для интеграции представлений пользователя и схем базы данных

Одним из наиболее важных этапов проектирования баз данных является интеграция представлений. Представление различных отдельных пользователей или группы пользователей, создаваемой базы данных, интегрируются в глобальное представление моделируемой реалии. Интеграция базы данных необходима для расширения существующей базы данных для новой группы пользователей, имеющих другое представление, и для объединения нескольких баз данных.

Другой вид интеграции необходим при разработке баз данных для больших применений, где несколько человек или групп работают параллельно над подсистемами и периодически необходимо суммировать их работу [23].

VDIES - экспертная система определения представления и интеграции [8] - помогает проектировщику создать описание представлений пользователей. Она не только обеспечивает интеграцию представлений пользователей, ко и создает объектную глобальную схему представления. Система VDIES включает:

-     интегрированные инструментальные сред ства проектирования для определения представ лений пользователя и интеграции представле ний;

-     интерактивный интерфейс, управляемый с помощью меню;

-     средство самодокументирования;

-     вспомогательные средства для начинаю щих пользователей;

-     средства объяснения результатов, полу ченных системой;

-     средства наладки, позволяющее эксперту выполнять модификации предыдущей работы, возвращаясь к любому этапу проектирования.

Система является развивающей в том смысле, что и представление и утверждения интеграции можно модифицировать.

В системе VDIES представления определяются в расширенной модели E-R, которая включает концепцию обобщения.

VD1ES состоит из двух частей: VDES и VIES. С помошью системы VDES - экспертной системы определения представления - можно сгенерировать или модифицировать несколько представлений пользователя. Затем эти представления используются экспертной системой интеграции представлений (VIES), чтобы создать глобальное представление. Обе эти системы имеют свой механизм логического вывода, функционирующий со своей собственной базой знаний. Взаимодействие с пользователем выполняется с помощью меню.

SIS - система интеграции схем [23] - помогает пользователям интегрировать базы данных на концептуальном уровне. SIS работает с семантической моделью АСМ (Абстрактной концептуальной моделью [23]) и позволяет идентифицировать семантические перекрытия и конфликты между схемами, а так же определять соответствие между конструкциями двух схем. Интерактивная система SIS включает набор эвристических алгоритмов.

Система состоит из режима Управления операциями и семи модулей, соответствующих семи видам операций: Определить и Каталогизировать, Модифицировать, Верифицировать, Вывести и Вычертить, Сравнить, Отобразить. На любом режиме интегратор может использовать набор" команд, которые необязательно должны быть непересекающимися, которые можно вводить полностью, любым недвусмысленным способом, или выбирать из меню. Система может работать и в пакетном режиме.

Эксперименты с оболочкой экспертной системы EQUANT при проектировании диаграмм E-R

Разработаны две экспериментальные базы данных ERBASE1 и ERBASE2 для оболочки экспертной системы EQUANT, чтобы определить, является ли данный концепт из области применения, набором объектов или набором отношений, нли же атрибутами модели Чена типа E-R [6].

Оболочка экспертной системы EQUANT. База данных ERBASE используется для первого поколения этой системы [13].

EQUANT - оболочка диагностической экспертной системы типа MYCIN. Это экспертная система, основанная на правилах, которая функционирует на основе базы знаний, состоящей из суждений и правил типа: если "предположение", то "вывод", где "предположение" является элементарной конъюнкцией нескольких суждений или их отрицанием. Каждому правилу в базе данных присваивается свой вес, т.е. степень убежденности в достоверности правила вывода до полной достоверности предположения. Система правил должна быть свободна от циклов.

Суждения, которые находятся в левой стороне правила (утверждения или отрицания которых являются компонентами или же не являются предположением), называются потенциальной целью. Суждения, находящиеся в правой стороне правила, называются вопросами. Суждения, которые находятся и в левой, и в правой сторонах некоторых (обязательно различных) правил, называются внутренними узлами.

В соответствии с этим требованием пользователь определяет цели консультаций, выбирая их среди возможных целей или среди внутренних узлов. В противном случае исследуются все потенциальные цели.

Полученные веса целей являются действительными значениями в интервале (-1, +1), которые используются для упорядочивания целей в соответствии с уверенностью в их достоверности. Однако использовать эти веса для утверждения о вероятности достоверности целей невозможно.

Кроме вопросов, на которые отвечают исходя из вероятности их весов, задаются так называемые количественные вопросы (или переменные), на которые отвечают, вводя действительные значения (такой ответ отражает веса нескольких суждений) в базу знаний.

Система EQUANT предоставляет стандартные объяснения на вопросы как, почему и т.п. Имеется база примеров на основе применяемой базы знаний; можно использовать информацию хранящихся прогонов из этой базы в текущем прогоне.

Система EQUANT во многих отношениях является стандартной, но ее характерная особенность в том, что пользователь (консультативная система с заполненной базой знаний) может выбирать смешанную функцию, определяющую как распространяется недостоверная

информация (веса правил и неопределенные ответы пользователя на вопросы, заданные системой).

Теоретической базой первого поколения системы EQUANT является система, реализованная на языке ПЛ/1 и работающая на компьютере IBM 370 или на совместимых с ним [14].

Новая версия системы - EQUANT-PC -реализована на языке Турбо Пролог для IBM PC или совместимых с ними [15,16]. Версия разрабатывается институтом вычислительной техники и Математическим институтом академии наук (г. Прага). EQUANT-PC может работать с базами знаний для первого поколения EQUANT, но с небольшими модификациями.

Описание решенных проблем. Можно предположить, что у потенциального пользователя могут появиться некоторые идеи относительно использования спроектированной базы данных и относительно того, какая часть реальной информации будет храниться в ней, а также с помощью каких концептов именуются эти части информации о данной реальности.

Таким образом, пользователь прежде всего готовит список концептов. Экспертная система обращается к концепту поочередно. При каждом обращении выясняется, является ли данный концепт набором объектов, набором отношений или атрибутов (скорее предметной областью значений атрибутов), т.е. являются ли объекты, помеченные при использовании исследуемого концепта объектами, отношениями или значениями атрибутов.

Для каждого решения необходимо знать не только концепт, но также и способ его применения. Только один концепт даже для одного пользователя (конечно, и для нескольких пользователей) может иметь несколько немного различных или совершенно различных значений.

В некоторых случаях даже концепт и его значение не могут определить полученное решение недвусмысленно и результат зависит от способа использования базы данных и от формы к частоты обращений к хранимой информация. Для того чтобы успешно выполнить и получить правильные результаты консультации, необходимы следующие условия:

-     концепты должны быть недвусмыслен ными;

-     концепты должны отражать все важные отношения объектов;

-     концепт должен означать скорее класс или группу объектов, чем специфичный эле мент какого-то конкретного объекта.

Экспертные знания и связь с пользователем. При проектировании базы данных в экспертные знания определяют принципы проектирования и создания базы данных. Эти знания описываются С помощью терминологии баз данных. С другой стороны, пользователи базы данных (будущие или потенциальные) знают только объектную систему, сферу применения предмета обсуждения с релевантной терминологией. База знаний не зависит от проблемы. Экс-

пертная система не запрашивает у пользователей информацию о наблюдаемых явлениях или результатах измерений в экспертной области, но необходимы важность, функция и способ использования исследуемого концепта в объектной ситеме. Экспертная система запрашивает у пользователя информацию о взаимосвчэях и преемственности исследуемого концепта с другими заданными концептами в зависимости от объектной системы.

Необходимо сформулировать ответы так, чтобы они были как можно более понятны для пользователей различных областей. Экспертная система отражает в этом случае не только теорию и практику построения базы данных, но также и опыт коммуникации с (потенциальными) пользователями базы данных различны* объектных систем.

Базы знаний ERBASE1 и ERBASE2. Баз; знаний ERBASE1/ERBASE2 состоит из 33/85 суждений и 130/369 правил. В базе знали! среди суждений три потенциальных цели По лученные веса этих целей отражают меру уве ренности в том, что исследуемый концепт яв ляется набором объектов, отношений или атри бутом. База знаний содержит 13/33 качествен ных вопросов и 2 количественных вопроса (пе ременных), которые ассоциируют с 3/10 сужде

НИЯМИ.

Конкретные ответы на некоторые вопросы могут вызвать несоответствие некоторых других вопросов. Нет необходимости во всех случаях отвечать на все вопросы базы знаний. Некоторые суждения являются внутренними узлами. Конкретное описание обеих баз данных, исходные тексты и вопросники для пакетной обработки содержатся в [9].

Для того чтобы более точно понимать вопросы, из них исключены те, которые касаются зависмости данных концептов (различные пользователи могут понимать их совершенно по-разному в ERBASE2. Вопросы, касающиеся взаимосвязей данных концептов, специфицируются для обеспечения наименьшей степени двусмысленности при их интерпретации.

В отличие от ERBASE1 рассматриваются отношения декартового произведения того же самого набора объектов в TRBASE2. В ERBASE2 в случае взаимосвязанных атрибутов достигаются лучшие результаты, чем в ERBASE1. Обе базы знаний не рассматривают включение двух наборов объектов, т.е. не учитывается тот факт, что два объекта (экземпляра) двух различных концептов могут быть одним и тем же действительным объектом моделируемого мира. Проблему можно решить, добавляя новые суждения и правила в базу знаний. Примеры вопросов системы ERBASE2.

—  Данный концепт относится к основным концептам (которые формируют базы) проек тируемой базы данных?

-  Исследуемый концепт предназначается для выражения взаимосвязей с другими кон цептами или несколькими объектами другого концепта?

- Данный концепт .отражает какие-то числовые значения?

Возможности и перспективы использования оболочек экспертных систем для концептуального проектирования схем. В целях совершенствования базы знаний ERBASE было бы целесообразно добавить некоторые потенциальные цели. Например, задачи, которые позволяют рассмотреть данные концепты, представляющие конкретные примеры объектов или атрибутов отношений, но которые не установлены между данными концептами и т.д.

Конкретные консультации, выполненные системой EQUANT, соотносятся с помощью той же самой величины, что и концепты, исследуемые в этих консультациях. Поэтому последующее усовершенствование оболочки экспертной системы, использованной в этой области, требует использования результатов, полученных в предшествующих консультациях (например экспертную систему с механизмом логического вывода, которая может осуществлять поиск и использовать данные, сохраняемые в консультационной базе) или общее исследование всех связанных концептов.

Поэтому целесообразнее использовать экспертную систему с правилами продукций, которые обеспечивают генерацию диаграмм типа E-R или предоставляют другое полное представление полученных знаний о моделируемой реалии [2].

В данной статье экспертные системы для поддержки проектирования баз данных классифицируются в соответствии с этапами проектирования, на которых они используются. Боль1-шинство из них разработаны для концептуального и логического проектирования.

Нельзя точно определить, какая же концептуальная модель или какая методология проектирования наиболее целесообразны, так как очень трудно сравнивать экспертные системы при проектировании баз данных, особенно если они используются в различных методологиях проектирования на различных этапах проектирования.

Использование экспертных систем для проектирования баз данных является действительно новой областью, поэтому здесь не описывается практический опыт проектирования действительных баз данных с помощью экспертных систем. С другой стороны, широкие возможности использования экспертных систем и применения их к ряду различных методологий подтверждают перспективность этой работы.

Список литературы

1. Batini С, (ed.) "Proceedings of the Seventh International Conf. Entity Relationship Approach", Roma, 1988.

2.      Batini C, Lenzerini M., Navathc 5.B. "A Comparative Analysis of Methodologies for Database Schema Integration", ACM Computing Surveys, Vol. 18, No. 4, 1986, 323-364.

3.      Bouzeghoub M., Gardarin G. "The design of an expert sys tem for database design", in: Gardarin G., Gelenbe E., (Eds.), New Applications of Data Bases, Academic Press, London, 1984, 203-223.

4.      Calvo R.F. "Building Protocols for Transfer of Data in Distributed Environments "A Generalized Conceptual Metho dology", Proceedings IEEE CH2433-1/87, 1987, 296-304.

5.      Cauvet C, Proix C, Holland С "Information Systems Design: An Expert System Approach", Proceedings of Inter national Conference on Extending Database Technology. Venice, Italy, March 1988, 113-133.

6.      Chen P.P-S. "The Entity-Relationship Model - Toward a Unified View of Data", ACM TODS, Vol.1, No.i, March 1976, 9-36.

7.      Choobineh J., Mannino M.V., Nunamaker J.F.Jr., Konsynski B.R. "An Expert Database Design System Based on Analysis of Forms , IEEE Transactions on Software Engineering, Vol.14, No.2, February 1988, 242-253.

8.      Civelek F.N., Dogac A., Spaccapielra S. "An Expert System Approach to View Definition and Integration", in: [11, 97-117.

9.      Daniel M. "Application of expert system EQUANT for conceptual schema design in E-R model", (in Czech), Techni cal report V-32S, SVT CSAV. Prague, 1988.

10.       Daniel M. "Application of expert -system EQUANT for conceptual modelling", (in Czech), Proceedings of conference Soucasne moznosti informatiky a vypocctni techniky ve vztahu k cinnosti VS. DT CSVTS, Brno, 1989, 193-198.

11.       Daniel M. "Expert systems for database design", (in Czech), Technical report V-422, SVT CSAV, Prague, 1989.

12.       Furlado A.L., Casnova M.A., Tucherman L. "The CHRIS Consultant", Proc. of Sixth Int. Conf. on Entity-Relationship Approach, E-R Institute, 1987, 496-497.

13.       Hajek P., Ilajkova M. The consulting system EQUANT - brief description and user's manual", New Enhancements in GUHA Software (P. Hajek ed.). Preprint No. 8, Mathematical Institute CSAV, Prague, 1984.

14.       Hajek P. "Combining functions for certanty factors in consulting system". International Journal Man-Machine Studies, Vol.22, 1985, 59-67.

15.       Hajek P., Hajkova M., Havranek Т., Daniel M. 'The Expert System Shell EQUANT-PC: Brief Information", Kybcrnctika, Vol. 25, No. 1-3, Suppl., 1989, 4-9.

16.       Hajek P., Valders J. "Algebraic foundation of uncertainty processing in rule-based expert systems", Preprint No. 28, Mathematical Institute CSAV, Prague, 1987.

17.       Hayes-Roth F., Watterman D.A., Lenat D.B. "Building Expert Systems", Addison-Wcsslcy, Inc., 1983.

18.       Holsapple C, Shen S., Whinston A. "A consulting system for data base design", Information Service, Vol. 7, No. 3, 1982, 281-296.

19.       Kao S.: DECIDES "An expert system tool for physical database design". International Conference on Daia Enginee ring, IEEE 1986, 671-676.

20.       Mb.ouguchi R. et al. "Interactive Synthesis of Conceptual Schema Based on Queries - Towards an Expert System of Relational Database Design", Journal of Inf. Process. (Japan), Vol. 8, No. 3, 1985,207-216.

21.       Obretenov D., Angelov Zh., Mixaylov I., Dishlicva P., Kirova N. "A knowledge-based approach to relational database design", Data & Knowledge Engineering 3, 1988, 173-180.

22.       Ruof K.L. "CODES: A Database Expert System Proto type", Proceedings of First Conference on Artificial Intelligence Applications, IEEE - CH2J07-1/84, 1984, 439-445.

23.       de Souza J.M. "SIS - A Schema Integration System", Proc. of the Fifth British National Conference on Data Bases, Cambridge University Press, 1986, 167-185.

24.       Teorey T.J., Fry J.P. "Design of Database Structures", Prentice-Hall, Inc., Englewood Cliffs, New Jersey, 1982.

25.       Tou J.T., Li W.H., Fan K.C., Huang C.L. "Knowledgebased approach for the verification of the CAD database generated by automatic schematic capture system", 24th ACM/IEEE Design Conf. Proc, ACM 1987, 713-720.

26.       Tseng V.P., Mannino M.V. "Inferring database reguire- ments from cxamplcss in form", in [1], 255-265.

27.       Tucherman L., Furtado A.L., Casnova M.A. "A Tool for Modular Database Design", Proceedings of VDLB 85, Stockholm, 1985,436-447.

28.       Yasdi R., Ziarko W. "An Expert system for conceptual schema design: a machine learning approach", International Journal Man-Machine Studies 29, 1988, 351-376.