Schemas for Unordered XML on a DIME
我们调查模式语言的无序XML没有兄弟姐妹之间的相对顺序。首先，我们提出了无序正则表达式（URES），本质上是具有无序连接而不是标准连接的正则表达式，其定义了无序单词的语言来对节点的允许内容进行建模（即，儿童标签的集合）。然而，不受限制的URES计算太昂贵，因为我们显示URES的两个基本决策问题的棘手性：成员的无序字的语言的一个URES和包含两个URES。因此，我们提出了一个实用的和易于处理的限制URES，析取区间多重性表达式（DIMEs）。接下来，我们使用DIME定义无序树的语言，并提出了两种模式语言：析取区间多重性模式（DIMS），和它的限制，无析取区间多重性模式（IMS）。我们研究了以下静态分析问题的复杂性：模式可满足性，成员的树的语言的模式，模式的包容性，以及小枝查询可满足性，蕴涵，并在存在模式的包容。最后，我们研究了所提出的模式语言的表达能力，并将它们与无序树（FO，MSO和Presburger约束）和DTD交换闭包下的标尺语言进行比较。我们的研究结果表明，所提出的模式语言能够表达许多实用的语言无序树，并享有理想的计算性能。
2014-10-28 cs.DB
Indices in XML Databases
随着XML成为商业信息表示和交换的标准，XML文档的存储、索引和查询已迅速成为数据库研究的主要问题。在这种情况下，查询处理和优化是原始的，原生XML数据库还不成熟。诸如索引之类的数据结构有助于大大提高性能，因此得到了广泛的研究，特别是因为XML数据具有相对于关系数据的许多特性。在本文中，我们调查国家的最先进的XML索引，并讨论了主要问题，权衡和未来的趋势，XML索引。我们还提出了一个索引，我们专门设计的XML数据仓库的特定体系结构。
2017-01-27 cs.DB
Conception et Evaluation de XQuery dans une architecture de médiation "Tout-XML"
XML已经成为表示和交换数据的主要语言，不仅在Web上，而且在企业中也是如此。XQuery正在成为XML的标准查询语言。因此，需要工具在XML查询和异构数据源之间进行调解，以集成XML中的数据。本文介绍了XMedia中介，一个独特的工具，集成和查询不同的异构信息作为统一的XML视图。它描述了中介器的体系结构，并重点介绍了该组件中实现的独特的分布式查询处理技术。查询计算基于原始的XML代数，只是简单地扩展了经典的操作符来处理树元素的元组。此外，我们提出了一套性能评估的关系基准，从而导致讨论可能的性能增强。
2008-06-30 cs.DB
XML Compression via DAGs
未排序的树可以用它们的最小dag（有向无环图）来表示。对于XML来说，由于它们的重复标记，这可以实现高压缩率。未排序的树通常通过第一个孩子/下一个兄弟（fcns）编码的二叉树来表示。我们研究的最小DAG与最小DAG的fcns编码二叉树的大小（=边缘数）的差异。一个主要的发现是二叉树的dag的大小永远不会小于最小dag大小的平方根，并且有符合这个界限的例子。我们引入一个新的组合结构，混合dag，这是保证小于（或等于大小）的两个dag。有趣的是，我们通过实验发现，最后一个孩子/以前的兄弟编码是更好的XML压缩通过dags，比fcns编码。我们确定的平均大小的排名和二进制dags在一组给定的标签（均匀分布下）在其确切的生成函数，并在其渐近行为。
2013-09-23 cs.DB cs.DS
XML Static Analyzer User Manual
本文档介绍了如何在实践中使用XML静态分析器。它提供了使用XML推理求解器实现的非正式文档。求解器允许自动验证表示为树上的逻辑公式的属性。逻辑公式可以例如在有限树中表达结构约束或导航属性（例如路径存在和节点选择）。逻辑公式可以使用XML表达式、DTD、XML模式和Relax NG定义的语法来表示。
2008-12-18 cs.DB cs.LO cs.PL
Logics for XML
本文描述了XML处理语言的静态分析系统的理论和实践基础。该系统依赖于一个不动点的时间逻辑与逆，来自μ演算，其中模型是有限的树。这种演算的表现力足以捕捉规则的树类型以及树中的多向导航，同时具有单一的指数时间复杂度。具体地说，证明了该逻辑的可判定性在时间上为2^O（n），其中n是输入公式的大小。主要的XML概念被线性地转换为逻辑：XML导航和节点选择语义，以及常规树语言（包括DTD和XML模式）。基于这些嵌入，在XML应用程序中的几个主要重要的问题被减少到满足的逻辑。这些问题包括包含、空、等价、重叠、覆盖、存在或不存在常规树类型约束以及带注释查询的静态类型检查。然后重点是一个健全的和完整的算法来决定逻辑，以及详细的复杂性分析，和关键的实现技术，以建立一个有效的求解器。使用该系统的完整实现的实际实验。该系统似乎是有效的，在实践中的几个现实的情况。这项工作的主要应用是一个新的静态分析器类的程序设计语言使用的XML表达式和XML类型注释（输入和输出）。这样的分析器允许在编译时确保有价值的属性，如类型安全和优化，以实现更安全和更有效的XML处理。
2014-05-24 cs.DB cs.LO cs.PL
A Tree Pattern Matching Algorithm for XML Queries with Structural Preferences
在XML社区中，精确查询允许用户精确地指定他们想要在XML文档中检查和/或检索的内容。当它们应用于半结构化文档或具有过于复杂模型的文档时，缺乏或忽略显式文档模型（DTD-文档类型定义、模式等）当查询太具体时，会增加获得空结果集的风险，或者当查询太模糊时，会增加获得太大结果集的风险（例如，它包含诸如"*"的通配符）。原因在于，在这两种情况下，用户都是根据他们心目中的文档模型编写查询的;这可能与实际上可以从文档中提取的模型相差甚远。相对于精确查询，偏好查询更加灵活，并且可以在其评估期间放宽以扩展搜索空间。事实上，在评估过程中，如果有必要，可以放松某些约束（它们包含的偏好），以避免精确的空结果;此外，可以过滤返回的答案，只保留最好的答案。本文提出了一种算法来评估这样的查询的启发，姚等人提出的TreeMatch算法。精确查询。在所提出的算法中，最佳答案是通过使用适应的天际线运营商（定义在关系数据库）的上下文中的文件（树）逐步过滤到部分解决方案集，那些满足最大的优先约束。对文件施加的唯一限制是无自我约束。
2019-06-07 cs.DB cs.IR
Distributed XML Design
分布式XML文档是跨多台计算机的XML文档。我们假设给出了文档树的分布设计，由XML内核文档T[f1，...，fn]，其中一些叶子是用于提供XML子树（f1，...，fn，站立，例如，用于远程位置处的Web服务或对等体）。自顶向下的设计问题在于，给定分布式文档的一个类型（一个模式文档，可能从DTD到树自动机），在本地将这个类型“传播”到一个类型集合中，我们称之为类型化，同时保留所需的属性。我们还考虑自底向上的设计，其中包括，给定一个类型的每个外部资源，展示一个全局类型，由本地类型强制执行，再次与自然的理想属性。在本文中，我们将介绍分布式XML设计理论的基本原理，分析在这种情况下与类型问题有关的问题，并研究它们的复杂性。
2010-12-13 cs.CC cs.DB cs.DC
Verifying Recursive Active Documents with Positive Data Tree Rewriting
本文提出了一个数据树重写框架建模不断变化的文件。该框架接近于GuardedActiveXML，GuardedActiveXML是一个用于处理通过Web服务演变的XML存储库的平台。我们专注于自动验证的不断发展的文件，可以包含数据从一个无限域的属性。我们建立了可判定性的边界，并证明了可以处理递归服务调用的{ \em正}片段的验证是可判定的。我们还考虑有界模型检查在我们的数据树重写框架，并表明它是$\nexptime$ -完成。
2010-03-04 cs.DB cs.OH
Flexible queries in XML native databases
迄今为止，大多数XML原生数据库（DB）柔性查询系统都是基于利用其半结构化数据（SSD）的树结构。然而，它成为重要的是测试的效率形式概念分析（FCA）的形式主义这类数据，因为它已被证明是一个伟大的性能在信息检索（IR）领域。因此，基于FCA的XML数据库检索主要是基于格结构的使用。这个格的每个概念都可以被解释为一对（响应，查询）。在这项工作中，我们提供了一个新的灵活的建模的XML数据库的基础上模糊FCA灵活查询SSD的第一步。
2013-12-06 cs.DB cs.IR
XTQ: A Declarative Functional XML Query Language
已经提出了各种查询语言来提取和重构XML文档中的信息。这些语言通常声称是声明性的，主要考虑数据元素之间的连接关系。为了表示需要考虑层次关系和析取关系的操作，如重构层次结构和处理异构性，这些语言的程序通常表现出过程风格，因此它们的声明性不像SQL等传统查询语言那样突出。本文提出了一种基于声明模式的函数式XML查询语言XML树查询（XTQ）。XTQ采用表达性的组合模式来表示数据抽取，同时建立数据元素之间的合取、析取和层次关系。它使用匹配项，一个复合结构的变量绑定到匹配的数据元素，以提供一个全局草图的提取数据，并开发了一个演绎的匹配项重组机制，以指示数据转换，特别是重组层次结构和处理异构性。XTQ基于术语匹配，采用一致的方法进行函数声明和调用，以一致地提取和构造复合数据结构，它综合了传统函数式语言和基于模式的查询语言的特点。此外，XTQ还支持对复合数据结构（如层次数据）进行数据过滤，这在其他研究中很少考虑。我们证明了各种例子，XTQ可以声明目前复杂的XML查询，这是常见的实践。
2014-06-04 cs.DB cs.PL
Cross-Model Conjunctive Queries over Relation and Tree-structured Data (Extended)
连接查询是数据库查询中最基本、最核心的一类查询。随着管理和处理海量不同类型数据需求的不断增长，对关系数据和树数据之间的合取查询的研究还很少。在本文中，我们研究了跨模型连接查询（CMCQs）的关系和树结构的数据（XML和JSON）。为了有效地处理具有有界中间结果的CMCQ，我们首先用位置信息对树节点进行编码。利用树节点的原始标签值和编码后的位置值，该算法可以同时连接关系和树数据，避免了大量的中间结果。CMJoin在标签值和编码位置值的总结果方面实现了最坏情况下的最优性。实验结果表明，所提出的技术的效率和可扩展性，以回答一个CMCQ的运行时间和中间结果的大小。
2022-06-09 cs.DB
Non-hierarchical Structures: How to Model and Index Overlaps?
重叠是一种常见的现象，当数字对象的结构组件既不分离也不嵌套在彼此内部时。重叠的组件拒绝简化为结构层次，并且基于树的索引和查询处理技术不能用于它们。我们解决这个数据建模问题的方法是TGSA（Tree-like Graph for Structural Annotations），这是XML数据模型针对非层次结构的一种新的扩展。我们介绍了一种算法构造TGSA从注释文档，该算法可以有效地处理非层次结构，并与正式证明，确保转换的文件的数据模型是有效的。为了在大型数据库中实现高性能的查询分析，我们进一步引入了非层次结构的XML前后索引的扩展，它可以处理可达性和重叠关系。
2016-10-08 cs.DB cs.DS cs.IR
Automated Migration of Hierarchical Data to Relational Tables using Programming-by-Example
虽然许多应用程序以XML和JSON等分层格式导出数据，但通常需要将此类分层文档转换为关系表示。本文提出了一种新的编程的例子的方法，并在一个工具中实现称为Mitra，自动迁移树结构的文档到关系表。我们已经评估了所提出的技术，使用两组实验。在第一个实验中，我们使用Mitra自动化从StackOverflow收集的98个数据转换任务。我们的方法可以生成所需的程序为94%的这些基准与平均合成时间为3.8秒。在第二个实验中，我们使用Mitra生成程序，这些程序可以将真实世界的XML和JSON数据集转换为成熟的关系数据库。我们的评估表明，Mitra可以自动化所有数据集的所需转换。
2017-11-10 cs.DB cs.PL
I/O efficient bisimulation partitioning on very large directed acyclic graphs
在本文中，我们介绍了第一个有效的外部存储算法计算的双相似等价类的有向无环图（DAG）。DAG通常用于在各种实际应用中对数据进行建模，从XML文档和数据起源模型到Web分类和科学工作流。在研究大规模图上的高效推理时，节点双相似性的概念起着核心作用。例如，将XML数据集中的双相似节点分组在一起是许多复杂方法的第一步，这些方法用于构建索引数据结构，以实现高效的XML查询评估。然而，迄今为止，只有内部内存互模拟算法进行了研究。由于真实世界的DAG数据集的大小通常超过可用的主存储器，因此需要在外部存储器中进行存储。因此，实际上需要一种有效的方法来计算外部存储器中的互模拟。我们的通用算法具有O（Sort（|N| + |E|））的最坏情况IO复杂度，其中|N|和|E|分别是节点和边的数量，Sort（n）是对大小为n的输入进行排序所需的外部存储器访问次数。我们还研究了这种算法的特殊化，以共同的变化，互模拟树结构的XML数据集。我们经验验证了高效的性能的算法上的图形和XML文档具有数十亿的节点和边缘，并发现，即使在非常有限的内部内存可用的算法可以有效地处理这样的图形。所提出的算法是足够简单的实际实现和使用，并打开大门，进一步研究外部存储互模拟算法。为此，完整的开源C++实现已经免费提供。
2011-12-05 cs.DB cs.DS
Rethinking LSM-tree based Key-Value Stores: A Survey
本综述回顾了过去五年LSM-tree优化的代表性工作，分析了flush与compaction的性能影响及基本键值操作改进，并探讨了分布式多租户架构下的新挑战与未来方向。
2025-07-13 cs.DB
JEDI: These aren't the JSON documents you're looking for... (Extended Version*)
JavaScript Object Notation（JSON）是一种流行的数据格式，在文档存储中用于原生地支持半结构化数据。在本文中，我们解决的JSON相似性查找查询的问题：给定一个查询文档和距离阈值$τ$，检索所有的JSON文档，是在$τ$从查询文档。由于其递归定义，JSON数据自然表示为树。与XML等其他分层格式不同，JSON支持单个文档中的有序和无序兄弟集合。这一特征对树模型和距离计算提出了新的挑战。我们提出了JSON树，JSON文档的无损树表示，并定义了JSON编辑距离（JEDI），JSON文档的第一个基于编辑的距离度量。我们开发了一个算法，称为QuickJEDI，计算JEDI利用一种新的技术来修剪昂贵的兄弟匹配。它在运行时的性能比基线算法高出一个数量级。为了提高JSON相似性查询的性能，我们引入了一个名为JSIM的索引和一个基于树排序的高效上限。我们的算法的上界运行在$O(n τ)$时间和$O(n + τ\log n)$空间，这大大提高了以前的最佳界的$O(n^2)$时间和$O(n \log n)$空间（其中$n$是树的大小）。我们的实验评估表明，我们的解决方案可扩展到具有数百万文档的数据库和具有数万个节点的JSON树。
2022-01-21 cs.DB
LSM-based Storage Techniques: A Survey
最近，日志结构化合并树（LSM树）已被广泛用于现代NoSQL系统的存储层。正因为如此，已经有大量的研究工作，从数据库社区和操作系统社区，试图改善LSM树的各个方面。在本文中，我们提供了一个调查的最新研究工作的LSM树，使读者可以了解国家的最先进的基于LSM的存储技术。我们提供了一个一般的分类分类LSM树的文献，详细调查的努力，并讨论他们的优势和权衡。我们进一步调查了几个代表性的基于LSM的开源NoSQL系统，并讨论了一些潜在的未来研究方向的调查。
2019-07-19 cs.DB
Mining Rooted Ordered Trees under Subtree Homeomorphism
频繁树模式挖掘在XML数据、生物信息学和万维网等领域有着广泛的应用。频繁模式挖掘中的关键步骤是频率计数，它涉及到一个匹配操作符，用于在给定的树集合中找到树模式的出现（实例）。树结构数据的一种广泛使用的匹配算子是子树同胚，其中树模式中的边被映射到给定树中的祖先-后代关系。在子树同胚下频繁出现的树模式通常称为嵌入模式。本文提出了一种有效的子树同胚算法，并将其应用于频繁模式挖掘。我们提出了一个紧凑的数据结构，称为occ，它只存储信息的最右边的路径出现，因此可以编码和表示几个出现的树模式。然后，我们定义了有效的连接操作的occ数据结构，这有助于我们计数出现的树模式，根据其正确的子树的出现。基于提出的子树同胚方法，我们开发了一个有效的模式挖掘算法，称为TPMiner。我们在几个真实世界和合成数据集上评估了TPMiner的效率。我们广泛的实验证实，TPMiner总是优于已知的现有算法，在某些情况下，相对于现有算法的改进是显着的。
2015-09-28 cs.DB cs.DS
A survey of LSM-Tree based Indexes, Data Systems and KV-stores
本文综述了基于LSM-Tree的索引、数据系统与KV存储的研究现状，涵盖其结构改进及持久内存等新兴存储技术带来的影响。
2024-02-27 cs.DB
Alternating register automata on finite words and trees
我们研究交替寄存器自动机的数据字和数据树的逻辑。数据字（或数据树）是一个字（或树），其每个位置携带来自有限字母表的标签和来自无限域的数据值。我们研究单向自动机与交替控制数据字或树，一个寄存器存储数据和比较它们的平等。这是Demri，Lazic和Jurdzinski开始的研究的延续。从寄存器自动机模型的角度出发，本文的工作有两个目的：（1）简化已有的交替寄存器自动机空性问题的可判定性证明;（2）展示这些模型的可判定扩展。从逻辑的角度来看，我们表明，（a）在数据字的情况下，满足性的LTL与一个寄存器和量化的数据值是可判定的;和（b）满足性的问题，所谓的前向片段的XML文档是可判定的，即使在存在的DTD，甚至是关键的约束。可判定性是通过减少自动机模型介绍。这个片段包含子轴、后代轴、下一个兄弟轴和下一个兄弟轴，以及数据相等和不相等测试。
2012-03-07 cs.DB cs.FL cs.LO
Decision Tree Classification with Differential Privacy: A Survey
Charles Sturt University（查尔斯特大学）
数据采掘有关人的信息在21世纪的数据驱动社会中变得越来越重要。不幸的是，有时候现实世界中的考虑因素与数据采掘的目标相冲突;有时候需要考虑被数据挖掘的人的隐私。这需要修改数据采掘算法的输出以保护隐私，同时不破坏输出模型的预测能力。差分隐私是一个强有力的、可执行的隐私定义，可用于数据采掘算法，保证不会了解数据中的人，如果没有他们的参与，就无法发现。在本综述中，我们将重点介绍一种特定的数据采掘算法--决策树--以及差分隐私如何与构成决策树算法的每个组件进行交互。我们分析了贪婪和随机决策树，以及在试图平衡隐私要求与模型准确性时出现的冲突。
2019-05-23 cs.DB cs.LG
Learning Tree Pattern Transformations
TU Dortmund University（多特蒙德工业大学）；UA Ruhr（鲁尔UA机构）；CONTACT Research（CONTACT研究机构）；Jönköping University（延雪平大学）；Ruhr University Bochum（波鸿鲁尔大学）
本文提出基于模式的树转换规约语言，研究从树对样本学习结构差异规则的算法问题，分析其复杂性并利用 SAT 求解器处理 CS 教育数据。
2025-02-18 cs.AI cs.CC cs.DB
