Prompt as a Data Type: In-Database LLM Prompt Management and Rewriting
Department of Computing and Mathematics University of Sao Paulo（计算机与数学系 乌拉圭圣保罗大学）；Department of Information Systems University of Münster（信息系统系 梅茵斯特大学）
研究如何在数据库中管理和重写大语言模型提示。核心方法是引入PromptDB系统，将提示视为元组级数据库值，利用数据库元数据重写提示。主要贡献是创造新优化空间，经实验验证数据库引导重写可提高输出有效性并权衡成本质量。
2026-07-27 cs.DB cs.LG
ReSequel: Robust LLM-assisted Query Rewriting and Optimization using Templatization and Sampling
Concordia University（康考迪亚大学）；TU Berlin（柏林工业大学）；BIFOLD（柏林数据与人工智能联合实验室）
提出ReSequel，一种利用LLM和元数据（目录、统计信息）通过模板化规则和采样验证来重写SQL查询的优化层，在多个DBMS上实现高达16倍的工作负载加速。
2026-07-14 cs.DB
QCATS: Query Context-Aware Transformer Slicing for Efficient Predictive Query Processing
Zhejiang University（浙江大学）；Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新区（滨江）区块链与数据安全研究院）
提出QCATS框架，利用查询上下文感知的Transformer切片实现数据库内高效稀疏推理，通过查询级路由和系统优化，在保持精度的同时降低延迟达4.42倍。
2026-10-08 cs.AI cs.DB
Multi-dimensional Data Quick Query for Blockchain-based Federated Learning
针对区块链联邦学习中多维元数据查询耗时、参与者选择困难的问题，提出MerkleRB-Tree并结合MBR、布隆过滤器与跳表思想提升块内及跨块查询效率。
2023-09-27 cs.CR cs.DB cs.DS
A Framework for Federated SPARQL Query Processing over Heterogeneous Linked Data Fragments
链接数据片段（LDFs）是指允许访问和查询Web上的知识图谱的Web接口。这些接口（如SPARQL端点或Triple Pattern Fragment服务器）在它们可以计算的SPARQL表达式和它们提供的元数据方面有所不同。已经提出了客户端查询处理方法，并且这些方法被定制以评估各个接口上的查询。此外，联邦查询处理集中在具有单一类型LDF接口（通常是SPARQL端点）的联邦上。在这项工作中，我们解决的挑战，SPARQL查询处理联邦异构LDF接口。为此，我们形式化的概念联邦的关联数据片段，并提出了一个框架，联邦查询异构联邦不同LDF接口。该框架包括查询分解，查询规划，和适应不同LDF接口的特殊性的物理操作符。此外，我们提出了一种方法，我们的框架的每个组成部分，并评估他们在著名的FedBench基准的实验研究。结果表明，通过设计这些接口感知的方法，利用联邦中的异构接口的能力，实现了性能的大幅改善。
2021-02-26 cs.DB
Traveling with a Map: Reducing the Search Space of Link Traversal Queries Using RDF Shapes
Ghent University – imec（根特大学–imec）
针对去中心化网络中LTQP执行慢、成本高的问题，提出基于RDF形状的剪枝方法，可显著优化数据模型选择性查询的处理效率。
2026-10-09 cs.DB
Progressive Processing of Continuous Range Queries in Hierarchical Wireless Sensor Networks
在本文中，我们研究的问题，处理连续范围查询的层次无线传感器网络。与使用相同能力的传感器设备在“平面”结构中构建网络的传统方法不同，分层方法在更高层中部署更高能力的设备，即，更靠近服务器的一层。虽然平面传感器网络中的查询处理已经得到了广泛的研究，但层次传感器网络中的查询处理的研究还不够充分。在无线传感器网络中，应该考虑的主要成本是发送数据的能量和存储查询的存储。在这两种成本之间存在权衡。基于此，我们首先提出了一种渐进的处理方法，有效地处理大量的连续范围查询层次传感器网络。该方法使用Xiang等人提出的查询合并技术作为基础，并额外考虑了两种成本之间的权衡。更具体地说，它通过合并更多的查询来减少较低层节点的存储成本，并通过合并更少的查询来减少较高层节点的能量成本（从而减少“假警报”）。然后，我们提出了如何建立一个分层的传感器网络，这是最佳的两个成本的加权和。它允许基于给定网络环境和应用程序中存储和能量之间的相对重要性，对权衡进行基于成本的系统控制。实验结果表明，该方法实现了储能和能量之间的近最优控制，与使用平板（即，非分层）设置，如Xiang等人的工作中。
2009-06-01 cs.DB
LLM-based SPARQL Query Generation from Natural Language over Federated Knowledge Graphs
SIB Swiss Institute of Bioinformatics（瑞士生物信息学研究所）
针对生物信息学联邦知识图谱的自然语言查询问题，提出基于大语言模型的检索增强生成系统，利用知识图谱元数据并加入验证步骤提升查询准确性，减少幻觉，系统已在线开放。
2025-02-10 cs.AI cs.DB cs.IR
Mobile Database System: Role of Mobility on the Query Processing
移动通信技术的迅速发展将使移动用户能够随时随地访问信息。无线技术的出现使得在移动环境中实现连续连接成为可能。当查询被指定为连续时，请求移动用户可以获得连续变化的结果。为了向请求移动的用户提供准确和及时的结果，必须密切监视移动对象的位置。本文的目的是讨论在移动环境中的个人和终端的移动性和查询处理的作用有关的问题。
2010-04-10 cs.DB
Bonsai: Compiling Queries to Pruned Tree Traversals
Stanford University（斯坦福大学）；Massachusetts Institute of Technology（麻省理工学院）；Adobe Research（Adobe研究院）
本文提出了一种通用的方法，通过符号区间分析和几何谓词规则，自动推导出支持广泛连接谓词的通用单索引和双索引树连接，从而实现高效的查询编译。
2026-06-03 cs.DB cs.PL
MulChain: Enabling Advanced Cross-Modal Queries in Hybrid-Storage Blockchains
针对混合存储区块链中多模态数据高级查询的挑战，提出中间件架构MulChain，其核心BHashTree动态切换树与哈希节点，实现高效插入查询，并统一跨平台接口。
2025-02-25 cs.DB cs.SE
OntoTune: Ontology-Driven Learning for Query Optimization with Convolutional Models
Charleston Southern University（夏洛特南方大学）
本文提出 OntoTune 平台，通过构建连接 SQL 查询、元数据与统计信息的本体并进行保真嵌入，结合树与图卷积网络实现本体驱动的查询优化学习，实验证明其性能优于数据库默认执行方案。
2025-11-10 cs.AI cs.DB cs.LG
Towards a Natural Language Query Processing System
解决非技术数据库终端用户和具有正式查询语言知识的用户之间的信息检索差距一直是数据管理和分析研究的一个有趣领域。使用自然语言接口从数据库中查询信息，为最终用户和使用正式查询语言的系统之间的通信挑战提供了机会。以前的研究工作主要集中在开发关系数据库的结构化查询接口。然而，文本、图像和视频等非结构化大数据的发展暴露了传统结构化查询接口的局限性。虽然现有的网络搜索工具证明了自然语言查询的普及性和可用性，但它们返回完整的文档和网页，而不是集中的查询响应，并且不适用于数据库系统。本文报告了我们对后端关系数据库的自然语言查询接口的设计和开发的研究。该研究的新颖之处在于将图数据库定义为中间层，以存储将自然语言查询转换为可以在后端数据库上执行的结构化查询语言所需的必要元数据。我们使用餐厅数据集实现并评估了我们的方法。一些示例查询的翻译结果产生了90%的准确率。
2020-09-25 cs.AI cs.DB cs.IR
Efficient Distributed Exact Subgraph Matching via GNN-PE: Load Balancing, Cache Optimization, and Query Plan Ranking
本文提出三种创新方法扩展GNN-PE至分布式系统，通过动态负载平衡、多GPU协作缓存和查询计划排序提升大规模图的精确子图匹配效率与稳定性。
2026-04-20 cs.DB
CheetahGIS: Architecting a Scalable and Efficient Streaming Spatial Query Processing System
Southern University of Science and Technology（南方科技大学）；Wuhan University（武汉大学）
针对现有系统处理大量移动对象和实时空间查询的局限性，本研究基于Apache Flink Stateful Functions构建CheetahGIS系统，通过模块化架构、优化方法和通用范式提升性能，并验证了其处理三种流查询的通用性。
2025-11-12 cs.DB cs.DC
A large collection of bioinformatics question-query pairs over federated knowledge graphs: methodology and applications
SIB Swiss Institute of Bioinformatics（瑞士生物信息学研究所）
该研究构建了包含1000多个生物信息学自然语言问题与SPARQL查询对（含65个联邦查询）的大型集合，提出基于现有标准的统一表示方法及开源应用，助力知识图谱用户查询并推动相关机器学习研究。
2024-10-08 cs.AI cs.DB cs.IR
Big Data Model Simulation on a Graph Database for Surveillance in Wireless Multimedia Sensor Networks
传感器以各种形式存在于世界各地，如手机，监控摄像头，智能电视，智能冰箱和血压监测仪。通常，大多数传感器是其他系统的一部分，这些系统具有组成网络的类似传感器。其中一个网络由数百万个连接到互联网的传感器组成，称为物联网（IoT）。随着无线通信技术的进步，多媒体传感器及其网络有望成为物联网的主要组成部分。无线多媒体传感器网络在火灾探测、城市监控、预警系统等不同领域已经有了很多研究。所有这些应用都需要定位传感器节点，并以实时数据流长时间收集数据，这些数据被认为是大数据。大数据可能是结构化的或非结构化的，需要存储以供进一步处理和分析。分析多媒体大数据是一项具有挑战性的任务，需要高层次的建模来有效地从数据中提取有价值的信息/知识。在这项研究中，我们提出了一个大的数据库模型的基础上，图数据库模型来处理无线多媒体传感器网络产生的数据。我们引入了一个模拟器来生成合成数据，并使用图模型作为一个大数据库存储和查询大数据。为了这个目的，我们评估了著名的基于图的NoSQL数据库，Neo4j和OrientDB，和一个关系数据库，MySQL。我们已经运行了一些查询实验，我们实现的模拟器，以显示在无线多媒体传感器网络的监控数据库系统（S）是有效的和可扩展的。
2017-08-13 cs.DB cs.NI
DiNoDB: an Interactive-speed Query Engine for Ad-hoc Queries on Temporary Data
随着数据集规模的增长，分析应用程序很难即时洞察大型数据集。现代应用程序涉及大量数据的繁重批处理工作，同时需要对临时数据进行高效的自组织交互式分析。然而，现有的解决方案通常集中在这两个方面之一，在很大程度上忽略了两者之间协同增效的需要。因此，交互式查询需要重新遍历整个数据集（例如，数据加载），其可以仅在长时间段内查询数据时提供有意义的投资回报。在本文中，我们提出了DiNoDB，一个交互式的速度查询引擎临时数据的临时查询。DiNoDB避免了传统RDBMS和当前交互式分析解决方案所特有的昂贵的加载和转换阶段。它专为机器学习和数据探索用例中的现代工作流量身定制，这些用例通常涉及对数据进行批处理和交互式分析的循环迭代，这通常适用于狭窄的处理窗口。DiNoDB的关键创新是在批处理阶段创建元数据，DiNoDB利用元数据加快交互式查询。我们的实验分析表明，DiNoDB实现了很好的性能，为广泛的ad-hoc查询相比，替代%，如Hive，Stado，SparkSQL和Impala。
2016-09-16 cs.DB cs.DC
eSPARQL: Representing and Reconciling Agnostic and Atheistic Beliefs in RDF-star Knowledge Graphs
Institute for Artifical Intelligence, University of Stuttgart（斯图加特大学人工智能研究所）；University of Koblenz（科布伦茨大学）；University of Southampton（南安普顿大学）
本文针对 RDF-star 缺乏嵌套陈述语义与操作机制的问题，提出基于四值逻辑的 eSPARQL，通过扩展 SPARQL-star 的 FROM 子句支持多源冲突信念的查询、聚合、冲突识别与信念嵌套。
2024-08-06 cs.AI cs.DB
BitE : Accelerating Learned Query Optimization in a Mixed-Workload Environment
Korea University（高丽大学）；SAP Labs Korea（SAP韩国研究院）；Ewha Womans University（梨花女子大学）；Dongguk University（东国大学）
本文提出 BitE 集成学习模型，利用数据库统计信息与元数据，并通过扩展 ASP 搜索空间、避免默认计划偏差和改进奖励估计，在混合工作负载下提升学习型查询优化性能。
2023-06-02 cs.DB cs.LG
