repAIrC: A Tool for Ensuring Data Consistency by Means of Active Integrity Constraints
知识库的一致性在组织管理中至关重要。完整性约束是一个众所周知的工具,用于指定知识库中的数据一致性要求;特别是,主动完整性约束更进一步,允许规范的首选方法,以克服不一致的情况下,数据库管理。本文介绍了一种工具来验证SQL数据库相对于一组给定的主动完整性约束,提出了可能的修复的情况下,数据库是不一致的。该工具能够与文献中提出的不同类型的修复一起工作,即简单的,有根据的,有根据的和合理的修复。它还实现了并行搜索它们的策略,允许用户计算独立或分层主动完整性约束的分区,并应用这些分区来有效地并行查找不一致数据库的修复。
2015-10-14 cs.DB
The Exception that Improves the Rule
数据库社区已经开发了许多用于数据整理和探索的工具和技术,从声明性语言到用于数据修复的专门技术等等。然而,如何以简单、直观、灵活的方式向分析师展示这些强大的工具,目前还没有达成共识。因此,分析师继续依赖于电子表格、命令式语言和笔记本式编程环境(如Applyter)等工具进行数据整理。在这项工作中,我们探讨了电子表格,笔记本电脑,和关系数据库的集成。我们关注的是电子表格和命令式笔记本环境相对于传统关系数据库的一个关键优势:易于异常。由于依赖于一次一组的操作,关系数据库牺牲了轻松定义单例操作的能力,单例操作是正常数据处理工作流的例外,会影响对一组固定的显式目标记录的查询处理。相比之下,电子表格用户可以很容易地更改一个单元格的公式,而笔记本用户可以向她的笔记本添加一个命令式操作,以更改输出“视图”。我们认为,在经典的关系数据库中启用这种特殊的手动转换对于策展至关重要,因为易于为单个值声明的策展操作通常非常难以推广。我们探讨了在关系数据库中启用单例的挑战,提出了一个用于数据整理的混合电子表格/关系笔记本环境,并提出了我们对Vizier的看法,Vizier是一个通过这样一个界面暴露数据整理的系统。
2016-05-31 cs.DB
A Sample-Based Approach to Data Quality Assessment in Spatial Databases with Application to Mobile Trajectory Nearest-Neighbor Search
空间数据在网络和移动制图以及地理信息系统等新技术中发挥着新兴作用。政治、社会和现代人类生活的许多其他方面的重要决策正在使用位置数据做出。许多国家的决策者正在利用空间数据库来收集信息、分析信息和规划未来。事实上,并不是所有的空间数据库都适合这种类型的应用。位置数据与任何其他类型的数据一样,存在不准确、不精确和其他缺陷,可能对基于未经提炼的信息采取的任何行动的可信度产生负面影响。因此,我们需要一种方法来评估空间数据的质量,并将有用的数据与导致弱决策的误导性数据分开。另一方面,空间数据库通常规模巨大,因此使用此类数据会对效率产生负面影响。为了提高使用空间大数据的效率,我们需要一种方法来缩小数据量。抽样是其中一种方法,但它对数据质量的负面影响是不可避免的。在本文中,我们试图显示和评估这种变化的空间数据的质量是抽样的结果。我们使用这种方法来评估在中国的移动用户轨迹相关的采样空间数据的质量,这是在一个著名的空间数据库。结果表明,基于样本的数据质量控制将显着提高查询性能,而不会失去太多的准确性。基于此结果,一些未来的改进指出,这将有助于处理基于位置的查询比以前更快,并在有限的时间内做出更准确的基于位置的决策。
2016-05-14 cs.DB
The umbilical cord of finite model theory
模型论是作为数理逻辑的一部分而诞生和发展起来的。它有各种各样的应用领域,但不受制于其中任何一个。先验地,被称为有限模型理论的研究领域将只是模型理论的一部分,但结果并非如此。有一个应用领域--关系数据库管理--有限模型理论在相当早的时期就受到了重视,当时数据库提供了动力,并且是有限模型理论的主要应用目标。可以说,有限模型理论更多地受到复杂性理论的推动。而本文的研究对象是关系数据库理论对有限模型理论的影响。这不是一个学术史的主题与适当的学分给所有参与者。我最初的意图是只报道我目睹或参与的发展。为了使故事连贯一致,我不得不报道一些额外的事态发展。
2023-01-22 cs.DB cs.LO math.HO
Dolphin: An Actor-Oriented Database for Reactive Moving Object Data Management
University of Campinas(坎皮纳斯大学);University of Copenhagen(哥本哈根大学)
针对反应式移动对象应用的低延迟可扩展数据管理需求,本文提出移动actor抽象与M-AODBs平台,实现了基于Microsoft Orleans的系统Dolphin,实验验证其具备多机扩展性与近实时反应性能。
2025-11-13 cs.DB
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
Query Significance in Databases via Randomizations
HIIT(赫尔辛基信息技术研究所);Helsinki University of Technology(赫尔辛基理工大学);Yahoo! Research(雅虎研究院)
许多类型的结构化数据通常以相互关联的表的多关系格式存储。在此关系模型下,可以使用关系查询进行探索性数据分析。作为示例,在互联网电影数据库(IMDb)中,可以使用查询来检查动作电影的平均排名是否高于戏剧电影的平均排名。我们考虑的问题,评估这样的查询返回的结果是否是统计上显着的,或者只是一个随机的工件的结构中的数据。我们的方法是基于随机表中出现的查询和重复的随机表上的原始查询。事实证明,在多关系数据中没有唯一的随机化方法。我们提出了几种随机化技术,研究它们的属性,并展示了如何找出哪些查询或假设对我们的数据产生统计上显着的信息。我们给出了真实和生成的数据的结果,并展示了一些查询的意义如何在不同的随机化之间变化。
2009-06-30 cs.AI cs.DB
Conceptual Temporal Modeling Applied to Databases
我们提出了一种不同的方法来开发一个时间的概念,用于在软件和数据库系统的概念建模中指定时间性。在数据库领域,各种提案和产品涉及时态数据。目前大多数建模时间性的方法的困难在于,它们将时间表示和记录为另一种类型的数据(例如,银行余额或金额的值),而不是认识到时间及其值与典型的数据属性相比是唯一的。时间是一种吞噬现象,它将系统的整个模型从静态提升到动态,甚至更高。在本文中,我们提出了一个概念化的时间性,涉及建设一个多层次的建模方法,从静态表示的系统组成,形成动态区域的进展。然后,使用事件的时间顺序来定义系统的行为。最后,事件被视为数据源,与建立一个时间模型。一个时态银行管理系统数据库的案例研究模型,扩展了UML和对象约束语言,使用事物机(TM)建模重新建模。由此产生的TM图形规范提供了一种新的方法,可以扩展到一个整体的监测系统的历史数据和事件的时间性。
2021-01-30 cs.DB cs.SE
Can AI Agents Answer Your Data Questions? A Benchmark for Data Agents
UC Berkeley(加州大学伯克利分校);University of Washington(华盛顿大学);Hasura PromptQL
本文提出数据代理基准测试(DAB),旨在评估多数据库系统中数据整合、转换和分析的全流程能力,通过12个数据集、9个领域和4种数据库管理系统中的54个查询,测试了前沿模型在数据代理任务中的表现。
2026-10-09 cs.DB
EMR-AGENT: Automating Cohort and Feature Extraction from EMR Databases
AITRICS;Korea Advanced Institute of Science and Technology(韩国科学技术院)
针对电子病历数据提取依赖人工硬编码流水线的痛点,提出基于智能体的EMR-AGENT框架,通过大语言模型驱动的交互自动完成队列与特征提取等任务,在多数据库基准上验证了优异性能与泛化能力。
2025-10-02 cs.AI cs.DB
Data Modeling for Connected Data -- A systematic literature review
本文系统性综述了2013至2020年间16项互联数据建模研究,从贡献类型、文献计量和建模特征三维度分析发现,互联数据逆向工程仍是研究机遇。
2024-10-14 cs.DB
Thucy: An LLM-based Multi-Agent System for Claim Verification across Relational Databases
Thucy是一种基于LLM的多智能体系统,能够跨关系数据库验证声明,并提供支持裁定的SQL查询,准确率达94.3%。
2026-01-05 cs.AI cs.DB
DBMSs Should Talk Back Too
数据库系统的自然语言用户界面已经研究了几十年。他们主要集中在解析和解释自然语言查询,以生成一个正式的数据库语言。我们设想了相反的功能,其中系统将能够获取该翻译的内部结果,比如以SQL形式,将其翻译回自然语言,并将其显示给查询的发起者进行验证。同样,信息抽取在过去十年左右也受到了相当大的关注,它识别自由文本中的结构化信息,以便可以适当地存储和查询。对存储的记录进行验证,并将其反向转换为文本,这将再次非常强大。数据库系统的查询和数据输入的验证和确认仅仅对应于许多重要应用中的一个示例,这些重要应用将极大地受益于具有用于将这种数据库构造翻译成自由流动的文本的成熟技术。这个问题看起来简单得令人难以置信,因为在解释内部数据库元素时没有歧义或其他复杂性,所以最初简单的翻译似乎就足够了。然而,现实告诉我们的恰恰相反,因为由此产生的文本应该是表达性的,即,在捕获底层查询或数据方面是准确的,并且是有效的,即,允许对它们进行快速和独特的解释。实现这两个品质是非常困难的,并提出了几个需要解决的技术挑战。在本文中,我们首先向读者展示了几种需要翻译成自然语言的情况和应用,从而激发了这个问题。然后,我们概述,例如,需要解决的研究问题,分别为数据翻译和查询翻译。
2009-09-09 cs.DB cs.HC
Rk-means: Fast Clustering for Relational Data
relational AI;Carnegie Mellon University(卡内基梅隆大学);University of Michigan(密歇根大学);Oxford University(牛津大学)
传统的机器学习算法不能被应用,直到数据矩阵可用于处理。当需要经由特征提取查询从关系数据库获得数据矩阵时,由于数据矩阵可能比总输入关系大小大(多),计算成本可能是过高的。本文介绍了Rk-均值,或关系k -均值算法,聚类关系数据元组,而不必访问完整的数据矩阵。这样,我们就不必运行昂贵的特征提取查询并存储其输出。我们的算法利用关系数据中的底层结构。它涉及构建数据矩阵的小{ \it网格核心集},用于后续的集群构建。这给出了k均值目标的恒定近似,同时与首先运行数据库查询然后聚类的标准方法相比具有渐进的运行时改进。实证结果显示了数量级的加速,Rk均值在数据库上的运行速度甚至比计算数据矩阵更快。
2019-10-11 cs.DB cs.LG stat.ML
Semantic SQL -- Combining and optimizing semantic predicates in SQL
本文提出 SSQL 框架,将语义查询与 SQL 中基于 ML 结果和元数据的结构化谓词相结合并联合优化,同时通过人工反馈确定相似度阈值。
2024-04-05 cs.DB
JSPIM: A Skew-Aware PIM Accelerator for High-Performance Databases Join and Select Operations
JSPIM 通过算法-硬件协同设计加速数据库的 hash join 与 select 查询,利用 subarray 级并行和 rank 级处理缓解数据 skew,相比 DuckDB 实现了最高 1000 倍的查询加速和 2.5 倍的整体吞吐量提升。
2025-08-11 cs.AR cs.DB cs.PF
Enc2DB: A Hybrid and Adaptive Encrypted Query Processing Framework
针对云数据库中的密文查询问题,本文提出 Enc2DB 混合自适应框架,结合密码学与 TEE 动态选择执行路径,并设计兼容优化器的密文索引,TPC-C 实验显示其性能优于现有方案。
2024-04-10 cs.CR cs.DB
Both Ends Count! Just How Good are LLM Agents at "Text-to-Big SQL"?
RWTH Aachen University(亚琛工业大学)
本文提出评估『文本到大数据SQL』的新指标,揭示传统文本到SQL指标在处理大规模数据时的不足,展示LLM代理在执行效率、成本及数据规模影响方面的表现。
2026-04-13 cs.CL cs.DB cs.IR
Object Graph Programming
本文提出对象图编程(OGO),通过声明式查询将对象堆视为图数据库,利用Cypher语言实现查询与修改,适用于集合查询、运行时内省和断言,并在Java中实现两种原型,验证于大型开源项目。
2024-02-04 cs.DB cs.PL cs.SE
XML Matchers: approaches and challenges
University of Messina(墨西拿大学);Indiana University Bloomington(印第安纳大学伯明顿分校);University Mediterranea of Reggio Calabria(雷焦卡拉布里亚地中海大学)
模式匹配(SchemaMatching),即发现不同数据源模式中概念之间的语义对应关系的过程,多年来一直是数据库和人工智能研究领域的一个重要课题。在过去,它主要是针对经典数据库模型(例如,E/R模式、关系数据库等)。然而,近年来,XML在大多数不同的应用领域的广泛采用促使越来越多的研究人员设计特定于XML的模式匹配方法,称为XML Matchers,旨在发现DTD和XSD中定义的概念之间的语义匹配。XML匹配器不仅采用最初为其他数据模型设计的众所周知的技术并将其应用于DTD/XSD,而且还利用特定的XML特性(例如,DTD/XSD的层次结构)来提高模式匹配过程的性能。XML匹配器的设计是目前一个成熟的研究领域。本文的主要目标是提供一个详细的描述和分类的XML匹配器。我们首先描述DTD/XSD的特性在多大程度上影响了模式匹配任务。然后,我们介绍一个称为XML Matcher Template的模板,它描述了XML Matcher的主要组件,以及它们的角色和行为。我们说明了这些组件是如何在一些流行的XML匹配器中实现的。我们将XML Matcher模板视为客观比较方法的基准,这些方法乍看上去可能是不相关的。这个模板的引入在未来的XML匹配器的设计中会很有用。最后,我们分析了实现XML匹配器的商业工具,并介绍了与此主题密切相关的两个具有挑战性的问题,即XML源聚类和XML匹配器中的不确定…
2014-07-10 cs.AI cs.DB cs.IR