Chases and Bag-Set Certain Answers
在本文中，我们表明，追逐技术是强大的，足以捕捉袋集语义的IDBs和ID和TGD的合取查询。此外，我们认为，在这种情况下，它提供了有效的（LogSpace）查询评估算法，而且，它可以作为评估的基础上，一些限制类的聚合查询下不完整的信息。
2014-12-10 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
Nearest Neighbor Classifiers over Incomplete Information: From Certain Answers to Certain Predictions
ETH Zurich（苏黎世联邦理工学院）；Georgia Institute of Technology（佐治亚理工学院）；Microsoft Research（微软研究院）
机器学习（ML）应用最近一直在蓬勃发展，这在很大程度上归功于数据可用性的增加。然而，不一致和不完整的信息在现实世界的数据集中无处不在，它们对ML应用程序的影响仍然难以捉摸。在本文中，我们提出了一个正式的研究这种影响扩展的概念，某些答案Codd表，这已经探索了几十年的数据库研究社区，到机器学习领域。具体地说，我们专注于分类问题，并提出了“确定性预测”（CP）的概念--如果在由数据的不完整性引起的所有可能世界之上训练的所有可能的分类器都将产生相同的预测，则测试数据示例肯定可以被预测（CP“ed）。我们研究了两个基本的CP查询：（Q1）检查查询，确定数据示例是否可以被CP'ed;以及（Q2）计数查询，计算支持特定预测的分类器的数量（即，标签）。鉴于CP查询的一般解决方案，毫不奇怪，很难没有假设的分类器的类型，我们进一步提出了一个案例研究的上下文中的最近邻（NN）分类器，在那里可以开发有效的解决方案CP查询-我们表明，它是可能的回答这两个查询在线性或多项式时间指数许多可能的世界。我们展示了CP在“机器学习的数据清理（DC for ML）”的重要应用中的一个示例用例。“我们表明，我们提出的基于CP的CPClean方法在分类准确性方面通常可以显着优于现有技术，只需进行轻度手动清理。
2020-05-12 cs.DB cs.LG stat.ML
Efficient Uncertainty Tracking for Complex Queries with Attribute-level Bounds (extended version)
某些答案是处理许多实际数据管理任务中出现的不确定性的原则性方法。不幸的是，这种方法是昂贵的，可能会排除有用的（如果不确定）答案。之前的工作介绍了不确定性注释数据库（UA-DB），它结合了某些答案的欠近似和过近似。UA-DB将基于不完全K关系的某些答案的可靠性与经典确定性数据库系统的性能相结合。然而，UA-DB仅支持有限类别的查询，并且不支持属性级别的不确定性，这可能导致某些答案的不准确的欠近似。在本文中，我们介绍了属性注释的不确定数据库（AU-DBs），扩展了UA-DB模型与属性级注释，记录所有可能的世界的属性值的界限。这使得不完整的数据库更精确的近似。此外，我们扩展UA-DB编码一个紧凑的过度近似的可能的答案，这是必要的，以支持非单调查询，包括聚合和设置差异。我们证明了AU-DBs的查询处理保留了某些和可能的答案的界限，并研究了压缩中间结果以保持效率的算法。通过对可能的答案进行紧凑编码，我们的方法还为处理缺失数据提供了坚实的基础。使用以准确性换取性能的优化，我们的方法可以扩展到复杂的查询和大型数据集，并产生准确的结果。此外，它显着优于不确定的数据管理的替代方法。
2021-02-23 cs.DB
Querying Incomplete Data over Extended ER Schemata
自Chen的概念关系模型以来，概念建模在关系数据设计中一直扮演着基础性的角色。在本文中，我们考虑了一个扩展的ER（EER）模型丰富的基数约束，不相交断言，是一个实体和关系之间的关系。在这种情况下，我们考虑的情况下，不完整的数据，这是可能发生的，例如，当来自不同来源的数据进行整合。在这样的背景下，我们解决的问题，提供正确的答案，合取查询推理的模式。基于以前的结果的问题的可判定性，我们提供了一个查询应答算法，执行重写的初始查询到递归的数据库查询编码的信息有关的模式。我们最后展示了对更一般设置的扩展。本文将出现在逻辑编程理论与实践（TPLP）的特刊上，标题为数据库中的逻辑编程：从数据库到语义Web规则。
2010-04-13 cs.DB cs.LO
Computing the Shapley Value of Facts in Query Answering
Shapley值是一种用于财富分配的博弈论概念，目前广泛用于解释复杂的数据密集型计算，例如网络分析或机器学习。最近的理论工作表明，在关系数据库上的查询评价很好地符合这种解释范式。然而，这些工作不足以提供实用的解决方案，固有的Shapley计算的计算挑战。在本文中，我们提出了两个实际有效的解决方案计算Shapley值的查询回答。我们首先建立了一个紧密的理论联系，广泛研究的问题，查询评价概率数据库，这使我们能够获得一个多项式时间算法的查询类概率计算是听话的。然后，我们提出了第一个实用的解决方案，计算Shapley值，采用概率查询评估工具。特别是，我们捕获的依赖性的查询答案输入数据库的事实，使用布尔表达式（数据出处），然后将其转换，通过知识编译，到一个特定的电路形式，我们设计了一个算法计算Shapley值。我们的第二个实用的解决方案是一个更快但不精确的方法，将出处转换为合取范式，并使用启发式计算Shapley值。我们在TPC-H和IMDB上的实验证明了我们的解决方案的实际有效性。
2022-01-02 cs.DB
Skyline Queries Over Incomplete Data Streams (Technical Report)
在实际应用中，由于传感器设备的故障或数据汇集技术的不完善，真实世界的流数据往往包含缺失或不完整的数据属性.在本文中，我们将形式化和解决一个新的和重要的问题，命名为天际线查询不完整的数据流（Sky-iDS），检索天际线对象（在缺失属性的存在下）具有高置信度的不完整的数据流。为了解决Sky-iDS问题，我们将设计有效的方法，通过差分依赖（DD）规则，从不完整的数据流中估算对象的缺失属性。我们将提出有效的修剪策略，以减少搜索空间的Sky-iDS问题，设计成本模型为基础的索引结构，以方便数据填补和skyline计算在同一时间，并集成我们提出的技术到一个高效的Sky-iDS查询应答算法。已经进行了大量的实验，以确认我们的Sky-iDS处理方法在真实和合成数据集的效率和有效性。
2019-09-26 cs.DB
Computing Range Consistent Answers to Aggregation Queries via Rewriting
本文研究在违反主键约束的数据库上回答带聚合的连接查询，目标是找出使聚合值最低的修复，并刻画可通过一阶逻辑聚合重写确定该值的查询类。
2024-09-03 cs.DB
A Practically Efficient Algorithm for Generating Answers to Keyword Search over Data Graphs
在数据图上的关键字搜索中，答案是包含查询的所有关键字的非冗余子树。通过增加高度来产生所有答案的一种简单方法是将Dijkstra算法推广到通过增加权重来枚举所有非循环路径。引入冻结的思想，使得（大多数）非最短路径仅在实际需要产生答案时才生成。生成子树的算法，称为GTF，是微妙的，其正确性的证明是复杂的。大量的实验表明，GTF优于现有的系统，即使是那些为了效率而不完整的系统（即，不能给出所有的答案）。特别是，GTF是可扩展的，即使在大型数据图和需要许多答案的情况下也能很好地执行。
2015-12-21 cs.DB
Bayes Networks for Supporting Query Processing Over Incomplete Autonomous Databases
随着通过自主数据源向非专业用户提供的信息不断增加，调解人对于确保有效利用现有的丰富信息变得十分重要。这些信息中介者需要处理的一个关键挑战是基础数据库中缺少属性值的不同程度的不完整性。现有的方法，如QPIAD的目的是挖掘和使用近似函数相似性（AFD）来预测和检索相关的不完整元组。这些方法对缺失值做了独立的假设-当存在包含多个相关属性的缺失值的元组时，这严重阻碍了它们的性能。在本文中，我们提出了一个原则性的概率替代方案，认为一个不完整的元组定义一个分布在完整的元组，它代表。我们在贝叶斯网络中学习这个分布。我们的方法涉及从数据库的样本中挖掘/“学习”贝叶斯网络，并使用它来进行插补（预测缺失值）和查询重写（当数据源是自治的时，检索查询约束属性不完整的相关结果）。我们目前的实证研究表明，（i）在较高水平的不完整性，当多个属性值丢失，贝叶斯网络确实提供了一个显着更高的分类准确性和（ii）使用贝叶斯网络重新制定的查询检索的相关可能的答案提供更高的精度和召回比AFD，同时保持查询处理成本可控。
2012-08-28 cs.DB
Complete Approximations of Incomplete Queries
Free University of Bozen-Bolzano（波尔扎诺自由大学）
本文研究部分完整数据库上合取查询的完全可回答性，提出通过最大完全特化（MCS）和最小完全泛化（MCG）对不完全查询进行最佳近似，并给出不动点刻画、计算方法和基于ASP与Prolog的实现技术。
2024-07-30 cs.AI 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
Efficiently Computing Provenance Graphs for Queries with Negation
解释为什么答案会出现在查询结果中，或者为什么结果中没有答案，对于许多应用程序都很重要，包括审计、调试数据和查询，以及回答关于数据的假设问题。这两类问题，即，为什么和为什么不起源，已经被广泛研究。在这项工作中，我们提出了第一个实用的方法来回答这些问题的查询否定（一阶查询）。我们的方法是基于重写的数据库规则（称为射击规则），捕获成功的规则推导的上下文内的数据库查询。我们扩展这种重写，以支持否定和捕获失败的推导，解释失踪的答案。给定一个（为什么或为什么不）出处问题，我们计算一个解释，即，与回答问题相关的出处部分。我们引入优化，如果我们可以确定它们不会成为给定问题的解释的一部分，则在早期修剪起源图的部分。我们提出了一个实现，运行在一个关系数据库使用SQL计算解释。我们的实验表明，我们的方法可扩展到大型实例，并显着优于早期的方法，该方法实例化的完整出处计算的解释。
2017-01-20 cs.DB
A Chase-based Approach to Consistent Answers of Analytic Queries in Star Schemas
ETIS Laboratory - ENSEA, CY Cergy Paris University, CNRS（ETIS实验室 - ENSEA，CY塞尔吉巴黎大学，CNRS）；LISN Laboratory - University Paris-Saclay, CNRS（LISN实验室 - 巴黎萨克雷大学，CNRS）
本文提出了一种基于追捕的方法，用于在星型模式数据库中计算包含聚合运算符的查询的一致答案，通过独立性条件保证算法效率。
2026-02-04 cs.DB
Bridging the Semantic Gap between RDF and SPARQL using Completeness Statements [Extended Version]
RDF数据通常被视为不完整的，遵循开放世界假设。另一方面，基于RDF的标准查询语言SPARQL通常遵循封闭世界假设，假设RDF数据是完整的。这导致了RDF和SPARQL之间的语义鸿沟。在本文中，我们将讨论如何关闭RDF和SPARQL之间的语义差距，在某些答案和可能的答案使用完整性声明。
2014-09-03 cs.DB
On Equivalence and Cores for Incomplete Databases in Open and Closed Worlds
University of Oslo（奥斯陆大学）；University of South East Norway（东南挪威大学）；Bosch Center for Artificial Intelligence（博世人工智能中心）
数据交换在很大程度上依赖于不完整数据库实例的概念。已经提出了用于此类实例的若干语义，并且包括开放（OWA）、封闭（CWA）和开放-封闭（OCWA）世界。对于所有这些语义重要的问题是：是否一个不完整的实例语义上意味着另一个;当两个是语义等价的;以及是否存在一个更小或最小的语义等价的实例。对于OWA和CWA，这些问题得到了充分的回答。然而，对于OCWA的几个变体，它们仍然是开放的。在这项工作中，我们解决了这些问题的封闭幂集语义和OCWA语义的Libkin和Sirangelo，2011年。我们定义了一个新的OCWA语义，称为OCWA*，在同态覆盖，包括这两个语义，并表征语义蕴涵和等价的覆盖。这个特征产生一个猜测和检查算法来决定等价性，并表明该问题是NP完全的。对于最小化问题，我们表明，对于几个常见的概念的极小一般没有唯一的最小等价实例的闭幂集语义，因此不是更有表现力的OCWA*。然而，对于闭幂集语义，我们可以找到，对于任何不完整的数据库，一个唯一的有限集的子实例的子实例（重命名为空值）的所有实例语义等价于原来的不完整的。我们研究了这个集合的性质，并将分析推广到OCWA*。
2020-01-14 cs.AI cs.DB
Approximate Answering of Graph Queries
Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；Elsevier Discovery Lab（爱思唯尔发现实验室）；University of Copenhagen（哥本哈根大学）；Ludwig-Maximilians-Universität München（慕尼黑大学）；Mila Quebec（魁北克米拉研究所）；McGill University（麦吉尔大学）；University of Edinburgh（爱丁堡大学）；University of Stuttgart（斯图加特大学）；Stanford University（斯坦福大学）
本章综述面向不完整且动态演化知识图谱的近似图查询回答方法，梳理查询类型、评估数据集、局限及各类方法的表达能力、支持图型与推理能力。
2023-08-12 cs.AI cs.DB cs.LG
Specifying and Computing Causes for Query Answers in Databases via Database Repairs and Repair Programs
Universidad Adolfo Ibáñez（阿道夫·伊瓦涅斯大学）；Millenium Institute on Foundations of Data（数据基础千年研究所）
作为数据库中查询答案的原因的数据库元组与关于拒绝约束的不一致数据库的基于元组的修复之间的对应关系已经建立。在这项工作中，指定数据库的修复的答案集程序被用作解决计算和推理问题的原因的基础。在这里，原因也引入了在属性级别，呼吁基于空值和基于属性的修复语义。提出了相应的修复方案，并将其作为计算和推理属性级原因的基础。它们被扩展到处理完整性约束下的因果关系的情况下。
2020-09-28 cs.AI cs.DB cs.LO
The Complexity of Causality and Responsibility for Query Answers and non-Answers
University of Washington（华盛顿大学）
查询的答案有一个定义良好的世系表达式（或者称为how-provenance），它解释了答案是如何得到的。最近的工作还展示了如何计算查询的非答案的谱系。然而，回答或不回答的原因是一个更微妙的概念，一般来说，只包括血统的一个片段。在本文中，我们适应Halpern，珍珠，和Chockler最近的因果关系和责任的定义，以定义的原因，答案和非答案的查询，和他们的责任程度。责任抓住了因果关系程度的概念，并根据其对结果的相对贡献对潜在的许多原因进行排序。然后，我们研究了计算的复杂性的原因和责任的合取查询。计算因果关系一般是NP完全的。我们的第一个主要结果表明，所有的原因，合取查询可以计算的关系查询，其中可能涉及否定。因此，因果关系可以在PTIME中计算，并且非常有效。接下来，我们学习计算责任。在这里，我们证明了复杂性取决于合取查询，并证明了PTIME和NP完全情况下的二分法。对于PTIME的情况下，我们给出了一个非平凡的算法，包括减少最大流计算问题。最后，我们证明，即使是在PTIME，责任是完整的LOGSPACE，这意味着，不像因果关系，它不能计算的关系查询。
2011-09-30 cs.AI cs.DB
Explaining Ontology-Mediated Query Answers using Proofs over Universal Models (Technical Report)
在本体介导的查询应答中，对不完整数据源的访问由本体构成的概念层介导，本体可以用描述逻辑（DL）或使用存在规则来制定。在文献中，存在大量的复杂的技术，将本体知识的查询。然而，这些方法中很少有被设计用于查询答案的可解释性。我们应对这一挑战，适应现有的证明框架对合取查询回答，通用模型的概念的基础上。我们调查的数据和组合的复杂性，确定存在的证明低于一个给定的质量阈值，这可以通过不同的方式来衡量。通过区分各种参数，如查询的形状，我们得到了这个问题的复杂性的概述几个角DL。
2022-08-30 cs.DB cs.LO
Leveraging LLM-GNN Integration for Open-World Question Answering over Knowledge Graphs
Concordia University（康科迪亚大学）；IBM；KAUST（科威特大学）
本文提出GLOW系统，结合预训练GNN和LLM进行开放世界知识图谱问答，通过结构化提示引导LLM推理，提升多跳推理和缺失链接处理能力，在GLOW-BENCH基准上取得显著提升。
2026-04-15 cs.AI cs.CL cs.DB
Finding Good Proofs for Answers to Conjunctive Queries Mediated by Lightweight Ontologies (Technical Report)
在本体介导的查询应答中，对不完整数据源的访问由本体构成的概念层介导。为了正确地计算查询的答案，有必要对本体所表达的约束进行复杂的推理。在文献中，存在大量的技术，将本体知识的查询。然而，这些方法中很少有被设计用于查询答案的可理解性。在这篇文章中，我们试图弥合这两个质量，适应证明框架最初适用于公理蕴涵的合取查询回答。我们调查的数据和组合的复杂性，确定存在的证明低于一个给定的质量阈值，这可以通过不同的方式来衡量。通过区分各种参数，如查询的形状，我们获得了这个问题的轻量级本体语言DL-Lite_R和EL的复杂性的概述，也有一个简短的时间查询回答。
2022-08-16 cs.DB cs.LO
