Incluindo funções de distância e extratores de características em SGBD para suporte a consultas por similaridade

Resumo

A complexidade dos dados armazenados em grandes bases de dados vem aumentando, gerando a necessidade de novas formas de consulta. Consultas por Similaridade vêm apresentando interesse crescente para tratar dados complexos, sendo as mais representativas a consulta por Abrangência (Range query) e a consulta aos k-Vizinhos mais Próximos (Nearest Neighboor query). Até recentemente, essas consultas não estavam disponíveis nos Sistemas de Gerenciamento de Bases de Dados (SGBD), e a linguagem padrão para acesso aos dados de um SGBD, a linguagem SQL não oferece recursos explícitos para que se expressem consultas por similaridade.Agora, com o início da disponibilidade de algoritmos e operadores básicos para consultas por similaridade, devem ser empreendidos esforços no sentido de agregar esse novo tipo de consultas aos SGBDs existentes. O GBdI-ICMC-USP vem desenvolvendo o protótipo inicial de um interpretador de consultas para tratar uma extensão da Linguagem SQL que incorpora comandos para expressar e executar condições de consulta por similaridade integradas às demais condições tradicionais dos SGBDs.Este projeto visa dar continuidade ao desenvolvimento desse protótipo e desenvolver as técnicas correspondentes necessárias, enfocando aspectos de integração de conceitos importantes relacionados à busca por similaridade no ambiente operacional de um SGBD, notadamente a definição e manipulação de funções de distância -- que são usadas para avaliar a similaridade entre pares de elementos complexos -- e extratores de características -- algoritmos específicos a cada dada classe de dados complexos, por exemplo imagens, que extraem características dos mesmos para que eles possam ser comparados. Dada a ampla gama de funções de distância e de extratores de características que podem ser definidos, este projeto visa estabelecer uma plataforma padrão para a definição desses conceitos em um SGBD, e usará como estudos de caso conjuntos de imagens médicas e conjuntos de séries temporais de dados climáticos. (AU)