Preference Queries
在当今的信息系统中，对用户偏好的处理正变得越来越重要。其中，偏好用于信息过滤和提取，以减少呈现给用户的数据量。它们还用于跟踪用户简档并制定策略以改进和自动化决策。我们在这里提出了一个简单的，逻辑框架，制定偏好作为偏好公式。该框架不对偏好关系进行任何限制，允许偏好公式中的任意运算和谓词签名。它还使偏好关系的构成变得简单明了。我们提出了一个简单的，自然的嵌入偏好公式到关系代数（和SQL）通过一个单一的winnow操作参数化的偏好公式。嵌入使得复杂偏好查询的公式化成为可能，例如，通过在现有的SQL结构上捎带，涉及聚合。它还以一种自然的方式引出了进一步的、与偏好相关的概念的定义，如排名。最后，我们提出了一般的代数定律的winnow运营商及其与其他关系代数运营商的相互作用。法律适用的先决条件是通过逻辑公式来确定的。这些规律为偏好查询的代数优化提供了形式化的基础。我们通过大量的例子证明了我们的方法的实用性。
2002-07-27 cs.DB
Optimizing Traversal Queries of Sensor Data Using a Rule-Based Reachability Approach
本文提出基于规则的可达性标准，利用链接数据文档中超媒体描述中的逻辑语句剪除不相关数据源，并通过修改Comunica引擎验证可显著减少HTTP请求和查询执行时间而不损失完整性。
2024-08-30 cs.DB
Modeling Relational Patterns for Logical Query Answering over Knowledge Graphs
University of Stuttgart（斯图加特大学）；Bosch Center for Artificial Intelligence（博世人工智能中心）；University of Southampton（南安普顿大学）
本文提出一种新颖的查询嵌入方法RoConE，通过在复数空间利用几何锥体和旋转算子建模关系模式，有效增强了一阶逻辑查询的回答性能。
2025-03-04 cs.AI cs.DB cs.LG
Learning Aggregate Queries Defined by First-Order Logic with Counting
本文研究超越布尔分类的多类整数分类问题，提出在拟线性时间内构建索引结构，实现FOC1可定义整数值分类器的高效学习。
2024-11-06 cs.DB cs.LO
Answering Complex Logical Queries on Knowledge Graphs via Query Computation Tree Optimization
Tsinghua University（清华大学）；Institute for Artificial Intelligence（人工智能研究院）
针对不完整知识图谱上复杂逻辑查询的推理难题，提出 QTO，利用查询计算树上的前向-后向传播求得精确最优解，并在 3 个数据集上平均提升 22%。
2023-06-07 cs.AI cs.DB cs.LG
Adding Domain Knowledge to Query-Driven Learned Databases
本文针对查询驱动学习型基数估计器依赖大量标注查询且分布外错误严重的问题，提出基于约束的半监督学习方法，将传统优化器的领域知识融入学习型查询优化，从而提升基数估计准确性、减少标注依赖并增强端到端性能鲁棒性。
2023-12-02 cs.DB
Leveraging Neighborhood Summaries for Efficient RDF Queries on RDBMS
使用结构化信息来总结图结构的RDF数据有助于解决查询性能问题。然而，利用结构化索引需要修改甚至重新设计RDF系统的内部。给定一个RDF数据集，已经批量加载到一个关系RDF系统，我们的目标是提高查询性能，这样的系统。我们通过总结邻域结构并将其编码为三元组来实现，三元组可以与现有实例数据一起管理。在查询时，我们最佳地选择有效的结构模式，并将这些模式添加到现有的查询，以获得更好的查询性能。实证评估表明，我们的方法的有效性。
2020-01-23 cs.DB
Algorithms for Provisioning Queries and Analytics
预配置是一种避免在假设分析中重复进行昂贵计算的技术。给定一个查询，分析师制定$k$假设，每个假设保留数据库实例的一些元组，可能重叠，并且她希望在场景下回答查询，其中场景由“打开”的假设的子集定义。如果给定任何数据库实例和任何$k$假设，我们说查询允许紧凑配置，则可以创建多大小（在$k$中）草图，然后可以使用该草图在任何$2^{k}$可能的场景下回答查询，而无需访问原始实例。在本文中，我们专注于提供结合关系代数（逻辑组件），分组和统计/分析（数值组件）的复杂查询。我们首先表明，查询计算分位数或线性回归（以及更简单的查询，计算计数和总和/平均值的正值）可以compatible提供提供（乘法）近似的答案，以任意精度。相比之下，为这些统计信息中的每一个进行精确配置需要草图大小在$k$中呈指数级。然后，我们建立，对于任何复杂的查询，其逻辑组件是一个积极的关系代数查询，只要数字组件可以compensable提供，复杂的查询本身可以compensable提供。另一方面，在逻辑组件中再次引入否定或递归要求草图大小在$k$中是指数级的。虽然我们的积极成果使用的算法，不访问原始实例后，一个场景是已知的，我们证明了我们的下限，即使是在这种情况下，知道的情况下，允许有限的访问实例。
2015-12-18 cs.DB cs.DS
FedQPL: A Language for Logical Query Plans over Heterogeneous Federations of RDF Data Sources (Extended Version)
RDF数据源的联合在查询无法单独从一个数据源获得的答案和见解时提供了巨大的潜力。规划在这样的联合上执行查询的挑战在于，联合在由联合成员提供的数据访问接口的类型方面可能是异构的。这一挑战在文献中没有得到太多关注。本文提供了一个坚实的正式基础，为未来的方法，旨在解决这一挑战。我们的主要概念的贡献是一个形式语言表示查询执行计划，此外，我们确定了这个语言的片段，可以用来捕捉一个给定的查询的不同部分选择相关的数据源的结果。作为技术贡献，我们表明，这个片段是更有表现力的比现有的源选择方法，这有效地突出了这些方法的固有局限性所支持的。此外，我们表明，源选择问题是NP-难的，在$Σ_2^\mathrm{P}$，我们提供了一套全面的重写规则，可用作查询优化的基础。
2020-10-02 cs.DB
I-Rex: An Interactive Debugger for SQL
Duke University（杜克大学）；Stripe；Amazon（亚马逊）；Meta；University of California, San Diego（加利福尼亚大学圣地亚哥分校）
研究针对SQL调试难的问题，提出I-Rex调试器，借鉴通用编程语言调试范式，利用数据库系统能力让用户可跳转到任意感兴趣点，作为轻量级中间件简化部署，经实验和用户研究证明了其有效性。
2026-07-21 cs.DB
A Data- and Workload-Aware Algorithm for Range Queries Under Differential Privacy
我们描述了一个新的算法，回答一组给定的范围查询$ε$ -差分隐私，往往实现大大低于竞争的方法的错误。我们的算法满足差分隐私通过添加噪声，适应于输入数据和给定的查询集。我们首先私下学习将域划分为适合输入数据的桶。然后，我们私下估计每个桶的计数，这样做的方式非常适合给定的查询集。由于该算法的性能取决于输入数据库，我们评估了广泛的真实数据集，表明我们可以实现的好处，数据依赖于“容易”和“硬”数据库。
2014-10-01 cs.DB
End-to-end Optimization of Machine Learning Prediction Queries
Microsoft（微软）
预测查询广泛用于各行各业，以执行高级分析并从数据中获取见解。它们包括数据处理部分（例如，用于连接、过滤、清理、特征化数据集）和调用一个或多个训练模型以执行预测的机器学习（ML）部分。到目前为止，这些部分都是孤立地优化的，留下了大量未开发的优化机会。我们提出了Raven，一个用于优化预测查询的生产就绪系统。Raven遵循企业架构趋势，配置数据和ML运行时。它依赖于一个统一的中间表示，在单个图结构中捕获数据和ML操作符，以解锁两个优化系列。首先，它采用逻辑优化，在数据部分（以及底层数据的属性）和ML部分之间传递信息，以相互优化。其次，它引入了逻辑到物理的转换，允许操作符在不同的运行时（关系，ML和DNN）和硬件（CPU，GPU）上执行。新颖的数据驱动优化确定了用于查询的每个部分的运行时，以实现最佳性能。我们的评估表明，Raven将Apache Spark和SQL Server上的预测查询性能分别提高了13.1倍和330倍。对于GPU加速有利的复杂模型，Raven提供了最高8倍于最先进系统的加速。
2022-05-31 cs.DB cs.LG
Mapping-equivalence and oid-equivalence of single-function object-creating conjunctive queries
连接数据库查询已经扩展了对象创建机制，以捕获重要的应用程序，如数据交换，数据集成和基于本体的数据访问。对象创建会在结果中生成新的对象标识符，这些标识符不属于源数据库中的常量集。新的对象标识符也可以被视为Skolem项。因此，对象创建合取查询也可以被视为受限的二阶元组生成依赖关系（SO tgds），在数据交换文献中考虑。在本文中，我们专注于类的单功能对象创建合取查询，或sifo的CQ为短。我们给出了一个新的特征的oid等价的sifo CQ，这是简单的比赫尔和吉川，并把问题的复杂性类NP。我们的特征是基于科恩的等价概念的连接查询的多重性。我们还解决了sifo CQ的逻辑蕴涵问题，表明这个问题也属于NP。Pichler等人的结果表明，更一般的SO tgds类的逻辑等价要么是不可判定的，要么是可判定的，但复杂度上界未知。
2016-01-12 cs.AI cs.DB cs.LO
Optimizing Queries Using a Meta-level Database
图模拟（使用图模式或数据指南）已成功地提出作为一种技术，增加结构的半结构化数据。描述的设计模式（如元类和模式层之间的同态），这是突出的面向对象编程社区，构成了这种图模拟方法的推广。在本文中，我们展示了适用于广泛的数据模型，有一些对象（-身份）的概念，并建议把它变成一个数据模型原语，比如说，继承。我们认为，这样的扩展填补了当代数据管理的实际需要。然后，我们提出了查询优化的代数技术（使用描述和描述查询的概念）。最后，在半结构化的设置，我们讨论了修剪规则的路径查询（嵌套条件）使用描述元数据。在这种情况下，我们的元数据概念通过元级别值扩展了图模式和数据指南，从而提高了查询性能并减少了数据冗余。
2002-05-23 cs.DB
Adding Value by Combining Business and Sensor Data: An Industry 4.0 Use Case
工业4.0和物联网是最近的发展，导致了新型制造数据的产生。将这种新型传感器数据与传统业务信息相关联，对于企业充分利用数据的潜力至关重要。在本文中，我们提出了一个演示，它允许体验这种数据集成，无论是垂直的技术和业务环境之间的水平沿价值链。该工具模拟一个制造公司，不断产生业务和传感器数据，并支持发出临时查询，回答与业务相关的特定问题。为了适应不同的环境，用户可以根据自己的需要配置传感器特性。
2019-04-29 cs.DB
On the complexity of query containment and computing certain answers in the presence of ACs
我们经常添加算法来扩展查询语言的表达能力，并在使用视图回答查询的框架中研究诸如测试查询包含性和找到某些答案等问题的复杂性。当添加算术比较时，这类问题的复杂性高于没有它们的对应问题的复杂性。已经观察到，如果我们将包含查询中的一些比较限制为封闭或开放半区间比较，则可以实现较低的复杂度。在这里，重点是a）的问题上的合取查询与算术比较（CQAC查询，简称），我们证明了其计算复杂性和b）的问题上的上限计算某些答案，我们发现大类的CQAC查询和意见，这个问题是多项式的。
2020-11-18 cs.DB
OptBench: An Interactive Workbench for AI/ML-SQL Co-Optimization[Extended Demonstration Proposal]
Arizona State University（亚利桑那州立大学）
OptBench是一个交互式工作台，用于构建和评估混合SQL+AI/ML查询的查询优化器，通过统一后端和交互式界面实现透明公平的比较。
2026-03-09 cs.DB
Efficient Enumeration of Recursive Plans in Transformation-based Query Optimizers
本文提出 RLQDAG，通过带注释等价节点、分组重写规则和增量注释维护扩展 LQDAG，以支持递归查询的计划空间高效枚举，并验证其显著性能提升。
2024-04-04 cs.DB
Query Embedding on Hyper-relational Knowledge Graphs
Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；Elsevier（爱思唯尔）；LMU Munich（慕尼黑大学）；Mila（米拉研究所）；McGill University（麦吉尔大学）
多跳逻辑推理是知识图谱（KG）上的表示学习领域中的既定问题。它包含单跳链接预测以及其他更复杂类型的逻辑查询。现有的算法只在经典的，基于三元组的图上操作，而现代KG通常采用超关系建模范式。在这个范例中，类型化的边可能有几个键值对，称为限定符，为事实提供细粒度的上下文。在查询中，此上下文修改关系的含义，并且通常减少答案集。超关系查询经常在现实世界的KG应用程序中观察到，现有的近似查询回答方法不能使用限定符对。在这项工作中，我们弥合了这一差距，并将多跳推理问题扩展到超关系KG，以解决这种新型的复杂查询。基于图神经网络和查询嵌入技术的最新进展，我们研究了如何嵌入和回答超关系合取查询。除此之外，我们提出了一种方法来回答这样的查询，并在我们的实验中证明，限定符提高查询回答不同的查询模式。
2022-09-06 cs.AI cs.DB cs.IR
Extremal Separation Problems for Temporal Instance Queries
本文研究线性时序逻辑实例查询的极值分离问题，给出了验证、计数及计算最具体和最一般分离查询的复杂度界限与算法。
2024-06-07 cs.DB cs.LO
Maliva: Using Machine Learning to Rewrite Visualization Queries Under Time Constraints
我们考虑数据可视化系统，其中中间件层将前端请求转换为SQL查询，并将其转换为后端数据库以计算可视化结果。我们研究的问题，回答可视化请求在有限的时间限制内，由于响应要求。我们探索的优化选项重写原始查询添加提示和/或做近似，使总时间内的时间约束。我们开发了一种新的中间件解决方案，称为Maliva基于机器学习（ML）技术。它应用马尔可夫决策过程（MDP）模型来决定如何重写查询，并使用训练实例来学习代理明智地为在线请求做出一系列决策。我们给出了一个完整的技术规范，包括如何构建一个MDP模型，如何训练代理，以及如何使用近似重写选项。我们在真实数据集和合成数据集上的实验表明，Maliva在交互式服务请求的概率和查询执行时间方面的表现明显优于不做任何重写的基线解决方案。
2022-02-14 cs.DB
Wasserstein-Fisher-Rao Embedding: Logical Query Embeddings with Local Comparison and Global Transport
HKUST（香港科技大学）；Tsinghua University（清华大学）；NVIDIA（英伟达）
本文提出Wasserstein-Fisher-Rao嵌入（WFRE），利用非平衡最优传输理论平衡局部比较与全局传输，实现知识图谱复杂查询的高效嵌入，并在标准及层次数据集上超越现有方法。
2023-05-06 cs.AI cs.DB cs.LG
A Set-Theoretic Approach to Detecting Logic Bugs in DBMS Inner Join Optimizations
East China Normal University（华东师范大学）；Digital Technologies, Ant Group（蚂蚁集团数字技术）；Tsinghua University（清华大学）
提出基于集合论的蜕变测试方法，通过交集运算和三种语义保持变换规则生成等价查询，比较结果发现DBMS优化器逻辑错误，在主流系统中发现29个新问题。
2026-06-26 cs.DB cs.SE
Indexing Techniques for Graph Reachability Queries
本文综述了四十年间的33种图可达性索引技术，涵盖简单图与边标记图两类模型，系统分类并探讨了各类方法的挑战、解决方案及未来集成于现代图数据库管理系统的研究方向。
2025-06-28 cs.DB
Nested Regular Path Queries in Description Logics
CNRS（法国国家科学研究中心）；Univ. Paris Sud（巴黎第十一大学）；Free Univ. of Bozen-Bolzano（博尔扎诺自由大学）；Vienna Univ. of Technology（维也纳工业大学）
双向规则路径查询（2 RPQ）最近受到越来越多的关注，因为它们能够通过灵活地导航图结构数据来关联对象对。它们出现在SPARQL 1.1（新的标准RDF查询语言）和XML查询语言中的属性路径中。在符合ESTA，我们认为2 RPQ的扩展与嵌套，它允许一个要求，沿路径的对象满足复杂的条件，反过来表示通过（嵌套）2 RPQ。本文研究了在描述逻辑中表达领域知识的情况下，回答嵌套2 RPQ及其合取（CN 2 RPQ）的计算复杂性。我们建立严格的复杂性界限的数据和各种DL的组合复杂性，从轻量级DL（DL-Lite，EL）的高度表达的。有趣的是，我们能够证明，向（C）2 RPQ添加嵌套不会影响任何所考虑的DL的查询应答的最坏情况数据复杂度。然而，在轻量级DL的情况下，将嵌套添加到2 RPQ会导致组合复杂性的惊人跳跃，从P-完全到Exp-complete。
2014-03-04 cs.AI cs.DB cs.LO
Neural Graph Reasoning: Complex Logical Query Answering Meets Graph Databases
Stanford University（斯坦福大学）；Intel AI Lab（英特尔人工智能实验室）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；Mila - Québec AI Institute（米拉-魁北克人工智能研究所）；Université de Montréal（蒙特利尔大学）
复杂逻辑查询应答（CLQA）是最近出现的图机器学习任务，其超越了简单的单跳链接预测，并且解决了在潜在空间中的大量潜在不完整图上的多跳逻辑推理的复杂得多的任务。该任务在社区中获得了巨大的吸引力;许多作品沿着理论和实践轴线扩展了该领域，以使用高效的系统来处理不同类型的复杂查询和图形模式。在本文中，我们提供了一个全面的调查CLQA从多个角度研究该领域的详细分类，包括图形类型（模态，推理域，背景语义），建模方面（编码器，处理器，解码器），支持的查询（运营商，模式，投影变量），数据集，评估指标和应用程序。细化CLQA任务，我们引入神经图数据库（NGDB）的概念。NGDB扩展了图数据库（图数据库）的概念，由神经图存储和神经图引擎组成。在神经图存储中，我们设计了一个图存储，一个特征存储，并使用编码器在潜在嵌入存储中进一步嵌入信息。给定一个查询，神经查询引擎学习如何执行查询规划和执行，以便通过与神经图存储交互来有效地检索正确的结果。与传统的图数据库相比，NGDB允许使用嵌入存储灵活和统一地建模不同模态的特征。此外，当图不完整时，它们可以提供正常图DB无法恢复的答案的鲁棒检索。最后指出了NGDB未来的研究方向、有待解决的问题和应用前景。
2023-03-26 cs.AI cs.DB cs.LG
Ontology-based Data Access: A Study through Disjunctive Datalog, CSP, and MMSNP
CNRS（法国国家科学研究中心）；Université Paris Sud（巴黎南大学）；UC Santa Cruz（加州大学圣克鲁兹分校）；University of Bremen（不来梅大学）；University of Liverpool（利物浦大学）
基于本体的数据访问涉及在本体提供的特定领域知识存在的情况下查询不完整的数据源。在这种设置中的中心概念是本体介导的查询，这是一个数据库查询与本体耦合。在本文中，我们研究了几类本体介导的查询，其中数据库查询被给定为某种形式的合取查询，本体被制定在描述逻辑或一阶逻辑的其他相关片段，如保护片段和一元否定片段。本文的贡献有三个方面。首先，我们描述了表达能力的本体介导的查询片段的析取数据。其次，我们建立了本体中介查询和约束满足问题（CSP）及其逻辑推广，MMSNP公式之间的密切联系。第三，我们利用这些连接，以获得新的结果（一）一阶重写和数据记录重写的本体为中介的查询，（ii）P/NP二分法本体为中介的查询，和（iii）查询包含问题的本体为中介的查询。
2013-06-06 cs.AI cs.DB
A Robust and Computational Characterisation of Peer-to-Peer Database Systems
在本文中，我们给出了一个强大的对等数据库系统的逻辑和计算特性。我们首先定义了一个精确的模型理论语义的对等系统，它允许本地不一致处理。然后，我们将一般的计算性质的问题回答这样一个对等系统的查询。最后，我们设计紧密的复杂性界限和分布式程序的问题，回答查询在一些相关的特殊情况下。
2003-08-06 cs.DB cs.DC
Neural-Symbolic Entangled Framework for Complex Query Answering
Zhejiang University（浙江大学）；AZFT Joint Lab for Knowledge Engine（AZFT知识引擎联合实验室）；Alibaba Group（阿里巴巴集团）；Hangzhou Innovation Center, Zhejiang University（浙江大学杭州国际科创中心）
在知识图谱（KG）上进行复杂查询是一项重要但具有挑战性的任务，因为KG不完整性问题和推理过程中的级联错误。最近的查询嵌入（QE）方法嵌入的KG和一阶逻辑（FOL）查询到一个低维空间的实体和关系，回答查询密集相似性搜索。然而，以前的工作主要集中在目标答案，忽略了中间实体的有用性，这是必要的，以减轻级联错误的问题，在逻辑查询回答。此外，这些方法通常设计有自己的几何或分布嵌入来处理逻辑运算符，如并集，交集和否定，牺牲了基本运算符-投影的准确性，并且它们不能将其他嵌入方法吸收到它们的模型中。在这项工作中，我们提出了一个神经和符号纠缠框架（ENeSy）的复杂查询回答，这使得神经和符号推理，以减轻级联错误和KG不完整性，以加强对方。ENeSy中的投影算子可以是具有链接预测能力的任何嵌入方法，并且其他FOL算子在没有参数的情况下被处理。通过包含神经和符号推理结果，ENeSy以集合的形式回答查询。ENeSy在几个基准测试中达到了SOTA性能，特别是在训练模型只与链接预测任务的设置中。
2022-09-19 cs.AI cs.DB cs.LO
Soundness and Completeness of SPARQL Query Containment Solver SpeCS
SPECS工具实现了一种高效的自动化方法来推理SPARQL查询包含问题。在本文中，我们证明了这种方法的正确性。给出了SPARQL语言核心子集的精确语义。我们简要地讨论了用于减少到一个正式的逻辑框架的查询包含问题的过程。我们证明，这种减少是健全的和完整的合取查询，也为一些重要的情况下，非合取查询包含操作工会，操作员可选，和子查询。可靠性和完整性证明被认为是在遏制和包容的形式。
2022-10-13 cs.DB cs.LO
Private Queries with Sigma-Counting
University of Minnesota Twin Cities（明尼苏达大学双城分校）
针对计数查询的隐私保护问题，提出sigma计数方法，利用sigma代数构造隐私保护计数查询，在大量查询下提高输出准确性并保持隐私水平，适用于大规模和时变数据。
2025-09-07 cs.DB cs.LG
Threshold and Symmetric Functions over Bitmaps
位图索引通常用于加速数据库中的简单聚合查询。交集、并和补等集合运算可以表示为逻辑运算（AND、OR、NOT）。然而，对于位图索引在更高级的查询中的应用知之甚少。我们希望扩展位图索引的适用性。作为起点，我们考虑对称布尔查询（例如，阈值函数）。例如，我们可能会将商店视为一组产品，并要求在2到10家商店中销售的产品。这种对称布尔查询推广了交集、并集和T出现查询。对于工程师来说，如何将位图索引用于对称布尔查询可能不是显而易见的。然而，也许令人惊讶的是，我们发现，我们最好的基于位图的算法与最先进的算法在重要的特殊情况下（例如，MergeOpt、MergeSkip、DivideSkip、ScanCount）。此外，与竞争算法不同，我们的计算结果再次是一个位图，可以在位图索引中进一步处理。我们检讨算法设计问题，如许多压缩位图的聚合。最后，我们讨论了位图索引可能能够有效支持的其他高级查询。
2016-11-15 cs.DB cs.DS
VeriEQL: Bounded Equivalence Verification for Complex SQL Queries with Integrity Constraints
提出首个基于SMT的复杂SQL查询有界等价性验证工具VeriEQL，通过新的逻辑编码处理排序、CASE等复杂特性，在2万多个基准上性能优于现有技术一个数量级，并能生成反例辅助下游任务。
2024-03-15 cs.DB cs.PL
Believe It or Not: Adding Belief Annotations to Databases
Department of Computer Science and Engineering, University of Washington（华盛顿大学计算机科学与工程系）
我们提出了一个数据库模型，允许用户注释数据的信念声明。我们的动机来自于科学数据库应用程序，在这些应用程序中，一个用户社区正在一起工作，以组装、修改和管理一个共享数据存储库。随着社区知识的积累和数据库内容的演变，它可能包含相互冲突的信息，成员可能会对它应该存储的信息产生分歧。例如，Alice可能认为元组应该在数据库中，而Bob不同意。他还可以插入他认为Alice认为元组应该在数据库中的原因，并解释他认为正确的元组应该是什么。我们提出了一个正式的模型，信仰数据库，解释用户的信仰声明的注释。这些注释既可以引用基础数据，也可以引用其他注释。我们给出了一个形式化的语义的基础上的一个片段的多智能体认知逻辑，并定义了一个查询语言信念数据库。然后，我们证明了一个关键的技术结果，说明每个信念数据库可以被编码为一个规范的Kripke结构。我们使用这种结构来描述信念数据库的关系表示，并给出了一个算法，翻译查询的信念数据库成标准的关系查询。最后，我们报告早期的实验结果与我们的原型实现合成数据。
2009-12-30 cs.AI cs.DB
Fast Answering Pattern-Constrained Reachability Queries with Two-Dimensional Reachability Index
Huazhong University of Science and Technology（华中科技大学）
针对复杂边标记有向图提出模式约束的可达性查询（PCR），并构建二维可达性（TDR）索引以高效修剪搜索空间，在16个数据集上优于现有技术。
2025-11-02 cs.DB cs.DS
Learning XML Twig Queries
INRIA（法国国家信息与自动化研究所）；LIFL (CNRS UMR8022)（里尔基础信息实验室（法国国家科学研究中心 UMR8022））；University of Lille（里尔大学）；Institute of Computer Science（计算机科学研究所）；University of Wrocław（弗罗茨瓦夫大学）
我们研究的问题，学习XML查询，路径查询和树模式查询，从用户给出的例子。学习算法接受一组XML文档的输入，这些XML文档具有用户注释的节点，并返回一个查询，该查询以与注释一致的方式选择节点。我们研究了两种不同类型的注释的学习设置。在第一个设置中，用户可以仅指示查询必须返回的所需节点。在第二种更一般的设置中，用户还可以指示查询不得返回的禁止节点。查询可以返回也可以不返回任何没有注释的节点。我们将一类查询的含义形式化为\emph{learnable}。一个要求是存在可靠的学习算法，总是返回与用户给出的示例一致的查询。此外，学习算法应该是完整的，即，能够生成具有足够丰富示例的每个查询。其他要求包括学习的易处理性和对非必要示例的鲁棒性。我们表明，类的简单路径查询和路径包容免费树查询是可学习的正面例子。树模式查询的全类（和路径查询的全类）的可学习性仍然是一个悬而未决的问题。我们还表明，添加负面的例子，图片呈现学习不可行。发表于ICDT 2012，柏林。
2012-04-20 cs.DB cs.LG
A Principled Solution to the Disjunction Problem of Diagrammatic Query Representations
针对图示查询表示的长期未解决析取问题，本研究提出基于Relational Diagrams的扩展方案，统一并改进了过往方法，能保留含任意析取的合式TRC查询的关系模式与安全性，且规模可指数级更简洁。
2024-12-11 cs.DB cs.LO
A Differentially Private Algorithm for Range Queries on Trajectories
我们提出了一种新的算法，以确保$ε$ -差分隐私回答范围查询的轨迹数据。为了保证隐私，差分隐私机制在数据或查询中加入噪声，从而在查询中引入错误，并潜在地降低信息的效用。与最先进的方法相比，我们的方法实现了显着降低的错误，因为它是第一个数据和查询感知的方法，这样的查询。私下回答关于轨迹数据的范围查询的关键挑战是确保准确的计数。简单地将轨迹表示为点的集合而不是点的\emph{sequence}通常将导致高度不准确的查询答案，因为它忽略了轨迹中的位置点的顺序依赖性，即，会破坏弹道数据的一致性此外，轨迹通常不均匀地分布在整个城市中，并且均匀地添加噪声通常会导致较差的效用。为了实现差分隐私，我们的算法自适应地添加噪声的输入数据，根据给定的查询集。它首先将数据空间私有地划分成均匀的区域，并计算每个区域的流量密度。区域和它们的密度，除了给定的查询集，然后被用来估计在查询空间的轨迹的分布，这确保了给定的查询集的高精度。我们展示了我们的算法的准确性和效率，使用广泛的经验评估真实和合成数据集。
2019-07-18 cs.CR cs.DB
ColloQL: Robust Cross-Domain Text-to-SQL Over Search Queries
Carnegie Mellon University（卡内基梅隆大学）；Salesforce Inc.（赛富时公司）；Salesforce Research（赛富时研究院）
将自然语言语句转换为可执行查询是一种很有帮助的技术，可以让更广泛的不懂技术的最终用户访问存储在关系数据库中的大量数据。这方面的先前工作主要集中在语言正确和语义明确的文本输入。然而，真实世界的用户查询通常是简洁、口语化和嘈杂的，类似于搜索引擎的输入。在这项工作中，我们引入了数据增强技术和基于采样的内容感知BERT模型（ColloQL），以实现强大的文本到SQL建模超过自然语言搜索（NLS）的问题。由于缺乏评估数据，我们策划了一个新的NLS问题数据集，并证明了我们的方法的有效性。ColloQL的卓越性能扩展到格式良好的文本，在WikiSQL数据集上实现了84.9%（逻辑）和90.7%（执行）的准确性，据我们所知，它是不使用执行引导解码的性能最高的模型。
2020-10-19 cs.AI cs.CL cs.DB
Optimal error of query sets under the differentially-private matrix mechanism
隐私研究的一个共同目标是发布满足正式隐私保证的合成数据，并可由分析师使用以代替原始数据。为了达到合理的准确性，必须调整合成数据集以准确地支持指定的查询集，牺牲其他查询的保真度。这项工作认为，在差分隐私下产生合成数据的方法，并调查是什么使一组查询“容易”或“难以”回答。我们考虑使用矩阵机制回答线性计数查询集，这是一种最近的差分私有机制，可以通过添加适应指定工作负载的复杂相关噪声来减少错误。我们的主要结果是一个新的下限的最小总错误所需的同时释放一组工作量查询的答案。该界限揭示了查询工作负载的硬度与工作负载的谱特性有关，当它以矩阵形式表示时。该界限对于$(ε,δ)$ -差分隐私是最具信息性的，但也适用于$ε$ -差分隐私。
2012-12-17 cs.CR cs.DB
Logic Embeddings for Complex Query Answering
IBM Research（IBM研究院）
在不完整的知识库上进行逻辑查询是具有挑战性的，因为：1）它要求隐式链接预测，以及2）存在一阶逻辑查询的蛮力应答在存在变量的数量上是指数的。近年来的查询嵌入方法提供了快速查询的能力，但大多数方法都是用封闭区域来建模集合逻辑，缺乏否定性。支持否定的查询嵌入使用的密度存在缺点：1）只能即兴发挥逻辑，2）使用昂贵的分布，3）对答案的不确定性建模不佳。在本文中，我们提出了逻辑嵌入，一种新的方法来嵌入复杂的查询，使用Skolemisation消除存在的变量进行有效的查询。它支持否定，但改进了密度方法：1）集成了研究良好的t-范数逻辑并直接评估可满足性，2）简化了真值建模，3）用真值界建模不确定性。逻辑嵌入在对大的、不完整的知识图谱的查询应答中具有竞争力的快速和准确性，在否定查询上优于否定查询，并且特别地，提供了对答案不确定性的改进的建模，如答案集大小和嵌入熵之间的优越相关性所证明的。
2021-02-28 cs.AI cs.DB cs.LG
