1. 模糊資料庫 (Fuzzy Database)
處理**不確定、不精確、模糊邊界**的資訊。傳統關聯資料庫基於二值邏輯 (真/假)，無法表達「高溫」、「年輕」、「約 100 人」等模糊概念。
- 理論基礎：模糊數學、隸屬函數 (Membership Function, μ ∈ [0,1])
- 模糊資料表示：模糊區間數、模糊中心數、模糊集合數、隸屬函數
- 核心研究：儲存結構、模糊查詢運算 (模糊選擇、投影、聯結)、模糊關係代數
- 應用：醫療診斷、專家系統、決策支援、自然語言處理
2. 統計資料庫 (Statistical Database)
管理**大量統計記錄**，目標是提供**彙總指標**而非單筆明細。
- 特徵：資料量極大、查詢為聚合運算 (SUM, AVG, COUNT)、極少點查詢
- 安全挑戰：推論攻擊 — 透過多次彙總查詢反推個體隱私
- 技術：細胞抑制、噪聲注入、查詢限制、差分隱私
- 應用：人口普查、經濟統計、公共衛生監測、科研資料庫
3. 網狀資料庫 (Network Database / CODASYL/DBTG)
記錄型網狀模型，**節點為記錄類型，邊為 1:N 聯繫 (Set)**。
- 結構：Owner (主人記錄) + Member (成員記錄) 形成 Set
- 導航式存取：程式需明確指定路徑 (FIND FIRST/NEXT/OWNER)
- 標準：1969 CODASYL DBTG 報告 → DBTG 系統 (IDMS, IDS/II, VAX DBMS)
- 三級架構：子模式 (Sub-schema) / 模式 (Schema) / 儲存模式 (Storage Schema)
- 語言：SDDL (模式 DDL)、DMCL (儲存控制)、DML (資料操縱)
- 現狀：歷史地位重要，現多遷移至關聯/物件/圖資料庫
4. 演繹資料庫 (Deductive Database)
具備**邏輯推理能力** = 資料庫管理系統 (DBMS) + 規則管理系統 (RMS)。
- 外延資料庫 (EDB)：明確儲存的事實 (關聯表)
- 內涵資料庫 (IDB)：規則定義的衍生事實 (如
ancestor(X,Y) :- parent(X,Z), ancestor(Z,Y))
- 核心研究：遞迴查詢優化 (半朴素評估、魔術集合)、規則一致性維護、查詢包含關係
- 語言：Datalog (Prolog 子集)、SQL3 遞迴 CTE (
WITH RECURSIVE)
- 應用：知識圖譜、本體推理、複雜衍生規則引擎
這四類模型分別延伸了關聯資料庫在**不確定性、彙總導向、複雜網狀關係、邏輯推理**四個維度的能力。現代系統常採用混合架構：關聯核心 + 圖/文檔/向量擴展 + 規則引擎，而非純粹單一模型。
