NL4ST: A Natural Language Query Tool for Spatio-Temporal Databases
Nanjing University of Aeronautics and Astronautics(南京航空航天大学);The Hong Kong University of Science and Technology(香港科技大学)
NL4ST是一种用于时空数据库的自然语言查询工具,通过三层架构实现自然语言到查询计划的转换,支持非专业人士高效查询时空数据。
2026-01-22 cs.DB
Frequent Query Matching in Dynamic Data Warehousing
动态数据仓库(DDW)由于其结构和访问机制的动态性,在决策支持的灵活性和随需应变方面具有传统数据仓库无法比拟的优势。DDW是一个数据框架,它可以轻松地适应数据源的变化,从而允许用户进行无缝查询。物化视图(Materialized Views,MV)被证明是一种有效的方法来增强从DDW中检索数据的过程,因为结果是预先计算并存储在其中的。然而,由于物化视图的静态性质,MV访问层可以提供的动态性水平受到限制。因此,物化视图的集合与不断变化的报告要求不兼容。重要的是MV集合与当前和即将到来的查询一致。上述问题的解决方案必须考虑以下方面:(a)MV必须与OLAP查询匹配,以便识别MV是否可以回答查询,(b)实现MV集合中的可扩展性,必须合并一种直观的机制来修剪它并检索紧密匹配的MV,(c)MV集合必须能够对应于定期变化的用户查询模式而演变。因此,本文的主要目标是探索这些方面,并为MV访问层提供一个全面的解决方案,以消除MV收集和报告要求之间的不匹配。我们的贡献,以解决这个问题,包括查询匹配技术,域匹配技术和维护的MV收集。我们开发了一个实验平台,使用真实的数据集,以评估所提出的技术的性能和精度方面的有效性。
2017-03-06 cs.DB cs.DS
First-order Complete and Computationally Complete Query Languages for Spatio-Temporal Databases
我们解决一个基本的问题,关于时空数据库系统:``究竟是什么时空查询?我们将时空查询定义为也是通用的可计算映射,这意味着查询的结果可能仅在有限程度上依赖于时空数据的实际内部表示。通用性被定义为在保持时空数据的某些特征(例如,共线、距离、速度、加速度等)。这些群体依赖于特定时空数据库应用中相关的概念。这些变换也有一个独特的性质,即它们尊重时间的单调性和单向性。我们调查不同的泛型类相对于时空数据库的约束数据库模型,我们确定的声音和完整的语言的一阶和可计算的查询,在这些泛型类。我们区分由时不变的变换,genericity概念有关的物理量和genericity由时间相关的变换确定的genericity。
2005-03-07 cs.DB
User Profile-Driven Data Warehouse Summary for Adaptive OLAP Queries
数据仓库是决策支持系统的重要组成部分。它旨在使用户的知识,使更好,更快的日常业务决策。为了改进该决策支持系统并向用户提供越来越多的相关信息,将用户的简档集成到数据仓库过程中的需要变得至关重要。在本文中,我们建议利用用户的喜好为基础,适应OLAP(在线分析处理)查询的用户。为此,我们提出了一种用户简档驱动的数据仓库方法,该方法允许将用户的配置文件由他/她的标识符和他/她的一组偏好组成。我们的方法是基于一个通用的数据仓库架构和一个自适应的OLAP分析系统。我们的主要思想是为每个用户创建一个数据仓库物化视图。当用户第一次定义他/她的配置文件时,该任务离线执行。然后,当用户向数据仓库提交查询时,系统处理他/她的数据仓库物化视图而不是整个数据仓库。换句话说,数据仓库视图通过考虑用户的偏好来为用户概括数据仓库内容。此外,我们正在SQL Server 2005 DBMS(数据库管理系统)下实现我们的数据仓库个性化方法。
2013-01-10 cs.DB
Reachability and Top-k Reachability Queries with Transfer Decay
位置跟踪系统的普及导致每天产生大量的时空数据。解决此类数据集上的可达性查询对于广泛的应用(监视、公共卫生、社交网络等)来说是重要的。时空可达性查询标识物理项(或信息等)可能已经在时间间隔$I$期间从源对象$O_S$传输到目标对象$O_T$(直接地或通过中间传输链)。在以往的时空可达性查询研究中,这种传输的数量没有限制,并且传输的信息的权重保持不变。本文介绍了新的可达性查询,它假设的情况下,信息衰减。当通过中间对象链传输的信息的价值随着每次传输而减少时,就会出现这种查询。为了有效地解决这样的查询在大型时空数据集,我们介绍了RICCdecay算法。此外,衰变情景导致了一个重要的扩展:如果有许多不同的信息来源,那么对象可以获得的信息的总价值是不同的。因此,我们引入了top-k可达性问题,识别具有最高累积信息的k个对象。我们还提出了RICCtopK算法,可以有效地计算top-k的可达性与传输衰减查询。实验评估表明,所提出的算法比以前的方法的效率。
2021-05-18 cs.DB
Towards Serverless Processing of Spatiotemporal Big Data Queries
Technische Universität Berlin(柏林工业大学)
本文提出了一种原生无服务器数据处理方法,通过将查询分解为小子查询,利用函数即服务平台的近实时扩展能力实现并行执行,以解决大规模空间时间数据处理的可扩展性问题。
2026-05-20 cs.DB cs.DC
A Time Efficient Indexing Scheme for Complex Spatiotemporal Retrieval
本文研究时空谓词的时间有效处理问题,即与时间约束相关联的空间谓词。一组这样的谓词形成一个缓冲区查询或时空模式(STP)查询与时间。在STP查询的更一般情况下,时间维度是通过空间谓词的相对顺序引入的(带顺序的STP查询)。因此,时空谓词的有效处理对于更复杂的查询的有效实现是至关重要的。我们提出了一个已知的方法,适合于处理空间谓词,这已被用于有效地操纵STP查询顺序的扩展。扩展的方法是由高效的索引结构支持。我们还提供了实验结果,表明该技术的效率。
2008-05-10 cs.DB cs.DS
LIST: Learning to Index Spatio-Textual Data for Embedding based Spatial Keyword Queries
提出LIST,一种基于机器学习的近似最近邻搜索索引,通过学习聚类和伪标签生成技术高效索引空间-文本数据,并集成空间与文本相关性模型实现轻量有效的对象重排序。
2024-11-14 cs.DB cs.IR
Teaching an Old Elephant New Tricks
近年来,列存储(或简称C-store)已成为一种新的方法来处理读取为主的数据仓库应用程序。实验证据表明,对于某些类型的查询,C-store的新功能导致了传统关系引擎的数量级改进。与此同时,一些C-store的支持者认为,C-store与传统引擎有着根本的不同,因此它们的好处不能被整合到关系引擎中,除非完全重写。在本文中,我们挑战这种说法,并表明,许多好处的C-商店确实可以模拟在传统的引擎没有任何变化。然后,我们确定我们的一些局限性?纯模拟?对于更复杂的查询的情况下的方法。最后,我们预测传统的关系引擎最终将利用C存储的大部分好处,就像目前在其他领域(如XML数据)中发生的那样。
2009-09-09 cs.DB cs.DS cs.PF
Towards Spatio-Temporal SOLAP
地理信息系统(GIS)与联机分析处理(OLAP)的集成(SONIC)旨在探索和分析空间数据。在现实世界的SOPGIS应用程序中,空间和非空间数据会发生变化。在本文中,我们提出了一个时间的查询语言的SOTNET,称为TPiet-QL,支持所谓的离散变化(例如,在土地使用或地籍应用程序有情况下,地块合并或分割)。TPiet-QL允许在空间对象随时间变化的场景中表达集成的GIS-OLAP查询。
2011-08-03 cs.DB
Structured Spatio-Temporal Evidence Graphs for Open-Vocabulary Object Retrieval in Videos
School of Computer Science and Engineering, Northeastern University(东北大学计算机科学与工程学院)
提出STEG-OVR结构化时空证据图,将视频对象检索从孤立框匹配升级为轨迹与关系证据匹配,显著提升停止状态和场景占用类查询的AP。
2026-09-22 cs.DB
Evaluating Accumulo Performance for a Scalable Cyber Data Processing Pipeline
流式大数据应用程序在创建可扩展的数据流管道方面面临挑战,其中必须收集、存储、查询和分析多个数据流。这些数据源的特征在于它们的数量(就数据集大小而言)、速度(就数据率而言)和种类(就字段和类型而言)。对于许多应用,分布式NoSQL数据库是传统关系数据库管理系统的有效替代品。本文考虑了一个网络态势感知系统,使用Apache Accumulo数据库提供可扩展的数据仓库,实时数据摄取,并响应查询人类用户和分析算法。我们评估Accumulo的摄取的可扩展性作为客户端进程和服务器的数量的函数。我们还描述了一个灵活的数据模型与有效的技术查询规划和查询优化,以提供响应结果。查询性能根据客户端接收初始结果集的延迟进行评估。Accumulo的性能是使用真实的网络数据在多达8个节点的数据库上测量的。
2014-07-21 cs.DB
Frequent itemsets mining for database auto-administration
随着一般数据库和特别是数据仓库的广泛发展,减少数据库管理员必须手动执行的任务是重要的。自动管理系统的目标是自动管理和适应自己,而不会损失(甚至获得)性能。使用数据采掘技术从数据本身中提取有用的管理知识的想法已经存在了一些年。然而,很少有研究取得了成果。然而,这个想法仍然是一个非常有前途的方法,特别是在数据仓库领域,查询是非常异构的,不能很容易地解释。本研究的目的是寻找一种从存储的数据中提取有用知识的方法,以自动应用性能优化技术,特别是索引技术。我们设计了一个工具,从给定的工作负载中提取频繁项集来计算索引配置,以帮助优化数据访问时间。我们执行的实验表明,我们的工具生成的索引配置允许在测试数据库和测试数据仓库上获得15%到25%的性能提升。
2008-09-16 cs.DB
VTRQ: Enabling Verifiable Trajectory Range Queries in Hybrid-Storage Blockchains
Aalborg University(奥尔堡大学);Northeastern University(东北大学);University of Navarra(纳瓦拉大学);AT&T Chief Data Office(美国电话电报公司首席数据办公室)
VTRQ是首个混合存储区块链中可验证轨迹范围查询框架,含两种ADS及时空边聚合机制,解决现有混合存储区块链轨迹数据可验证查询支持不足的问题,提升了查询与验证效率。
2026-08-24 cs.DB
BlazeIt: Optimizing Declarative Aggregation and Limit Queries for Neural Network-Based Video Analytics
神经网络(NN)的最新进展使得能够以高精度自动查询大量视频数据。虽然这些深度NN可以在视频中生成对象位置和类型的准确注释,但它们的计算成本很高,需要复杂的命令式部署代码来回答查询。以前的工作使用近似过滤来降低视频分析的成本,但不处理两类重要的查询,聚合和限制查询;此外,这些方法仍然需要部署复杂的代码。为了解决大规模查询视频的计算和可用性的挑战,我们介绍了BlazeIt,一个系统,优化查询的时空信息的对象在视频中。BlazeIt通过FrameQL接受查询,FrameQL是用于视频分析的SQL的声明性扩展,可以实现特定于视频的查询优化。我们介绍了两个新的查询优化技术在BlazeIt不支持以前的工作。首先,我们开发了使用NN作为控制变量来快速回答具有误差界的近似聚集查询的方法。其次,我们提出了一种新的搜索算法基数有限的视频查询。通过这些优化,BlazeIt可以在最近的视频处理文献中提供高达83倍的加速。
2019-12-09 cs.DB
A hybrid index model for efficient spatio-temporal search in HBase
随着地理定位技术和地理定位服务的发展,在诸如位置感知设备和无线通信的许多应用中收集的大量时空数据迅速增长,其中对象通过其空间位置和其时间戳来描述。因此,时空搜索的研究,探索的地理位置信息和时间信息的数据已经引起了研究机构和商业社区的显着关注。本文研究时空\emph{k} -最近邻搜索(ST $k$ NNS)问题,它是时空查询的基础。在HBase的基础上,提出了一种新的索引结构--\textbf{H}混合\textbf{T} emporal HBase \textbf{I}索引(简称\textbf{HSTI}),该索引结构经过精心设计,兼顾了空间和时间信息,有效地缩小了搜索空间。基于HSTI,提出了一种时空\emph{k} -最近邻搜索算法。对真实数据和合成数据的综合实验清楚地表明,HSTI比最先进的技术快三到五倍。
2018-05-19 cs.DB
AeroMesa: Efficient Data Management System for Multi-Dimensional Spatio-Temporal Trajectories
Shanghai Jiao Tong University(上海交通大学);ShangHai Shapere Information Technology Co.,Ltd.(上海沙砾信息技术有限公司)
针对无人机密集4D轨迹数据管理挑战,提出AeroMesa系统,通过时间索引TI⁺、Hilbert-BFS空间索引和分离式4D架构,在统一框架中支持(x,y)、(x,y,t)、(x,y,z)和(x,y,z,t)查询,性能显著优于现有方案。
2026-06-15 cs.DB
A Foundation for Spatio-Textual-Temporal Cube Analytics (Extended Version)
每天都会产生大量的空间、文本和时间数据。这是包含非结构化组件(文本)、空间组件(地理位置)和时间组件(时间戳)的数据。因此,需要一种强大而通用的方法来同时分析空间、文本和时间数据。在本文中,我们定义和形式化的空间-文本-时间立方体结构,使空间,文本和时间数据相结合的有效和高效的分析查询。我们的新的数据模型的时空对象,使新的联合和集成的空间,文本和时间的见解,是很难获得使用现有的方法。此外,我们引入了新的概念,空间-文本-时间的措施与相关的新的空间-文本-时间-OLAP运营商。为了允许有效的大规模分析,我们提出了一个预聚合框架的精确和近似计算的时空文本的措施。我们在真实世界的Twitter数据集上进行的全面实验评估证实,与无物化基线相比,我们提出的方法将查询响应时间减少了1-5个数量级,并且与完全物化基线相比,存储成本降低了97%到99.9%,同时在空间-文本-时间立方体构建时间中只增加了微不足道的开销。此外,近似计算实现了90%和100%之间的准确性,同时减少查询响应时间的3-5个数量级相比,没有物化。
2020-12-08 cs.DB
Probabilistic Nearest Neighbor Queries on Uncertain Moving Object Trajectories
轨迹数据库中的最近邻查询由于在时空数据分析中的应用而受到广泛关注。最近的工作已经考虑了现实的情况下,轨迹是不确定的,但是,只有简单的不确定性模型已经提出,这不允许准确的概率搜索。在本文中,我们填补了这一空白,解决数据库中的概率最近邻查询与不确定的轨迹建模的随机过程,特别是马尔可夫链模型。我们研究了三个最近邻查询语义,作为输入的查询状态或轨迹$q$和时间间隔。对于某些查询,我们表明,没有多项式时间的解决方案可以找到。对于可以解决的问题,在PTIME,我们提出了精确的查询评估算法,而对于一般情况下,我们提出了一个复杂的采样方法,它使用贝叶斯推理,以保证采样轨迹符合数据库中存储的观测数据。这种采样方法可以用于基于Monte-Carlo的近似解。我们包括一个广泛的实验研究,以支持我们的理论结果。
2014-01-20 cs.DB
Distributed Publish/Subscribe Query Processing on the Spatio-Textual Data Stream
包含空间和文本信息的大量数据,例如,带有地理标签的推特在网上泛滥这样的空间文本数据流包含有价值的信息,为数以百万计的用户与不同的关键字和位置的各种利益。发布/订阅系统通过允许用户注册具有空间和文本约束的连续查询来实现高效和有效的信息分发。然而,数据规模和用户群的爆炸性增长对现有的集中式空间文本数据流发布/订阅系统提出了挑战。在本文中,我们提出了我们的分布式发布/订阅系统,称为PS2 Stream,它提供了一个巨大的空间文本数据流,并将流定向到目标用户注册的兴趣。与现有系统相比,PS2 Stream在最小化工作负载总量和平衡工作人员负载方面实现了更好的工作负载分配。为了实现这一点,我们提出了一个新的工作量分配算法,同时考虑空间和文本属性的数据。此外,PS2 Stream支持动态负载调整,以适应工作负载的变化,这使得PS2 Stream自适应。在商业云计算平台上,通过大量的实际数据进行了实证评估,验证了系统设计的优越性和技术在系统性能提升方面的优势。
2017-08-23 cs.DB
WarpFlow: Exploring Petabytes of Space-Time Data
WarpFlow是一个快速,交互式的数据查询和处理系统,专注于PB级时空数据集和Tesseract查询。随着智能手机和移动导航服务的快速增长,我们现在有机会从根本上改善城市移动性,减少人们和包裹在全球每分钟英里移动的摩擦。WarpFlow加速了数据工程师在这些数据集上工作的三个关键指标--获得第一个结果的时间,获得全尺寸结果的时间和机器学习训练模型的时间。
2019-02-12 cs.DB
AerialDB: A Federated Peer-to-Peer Spatio-temporal Edge Datastore for Drone Fleets
本文提出 AerialDB,一种面向无人机群的轻量级去中心化时空边缘数据存储与查询系统,通过基于内容的副本放置和分片索引技术优化灾害管理中的时空查询,实现高效扩展、容错降级及显著优于基线的性能提升。
2025-08-10 cs.DB cs.DC
TRACER: Efficient Object Re-Identification in Networked Cameras through Adaptive Query Processing
Georgia Institute of Technology(佐治亚理工学院);National University of Singapore(新加坡国立大学)
提出新型视频数据库管理系统Tracer,通过循环网络建模历史相关性选择最佳摄像机,并结合概率自适应搜索模型加速高召回率查询,构建了合成基准,性能平均提升3.9倍。
2025-07-13 cs.CV cs.DB