Seeing the Trees for the Forest: Leveraging Tree-Shaped Substructures in Property Graphs
McGill University(麦吉尔大学);University of Passau(帕绍大学);Eindhoven University of Technology(埃因霍温理工大学)
研究探讨了在属性图中利用树状子结构进行优化的方法,提出通过结构索引提升路径查询效率,并展望了树状子结构在图查询生命周期中的系统管理。
2026-03-12 cs.DB
Combined Tractability of Query Evaluation via Tree Automata and Cycluits (Extended Version)
我们调查参数化的数据库实例和查询,使查询评估固定参数听话的组合复杂性。我们引入了一个新的数据块与分层否定,内涵集团保护的数据块(ICG-数据块),与线性时间评估的结构有界树宽有界规则大小的程序。这样的程序捕捉特别是合取查询与单纯分解的有界宽度,保护否定片段查询的有界CQ秩,或双向定期路径查询。我们的结果通过编译交替双向自动机,其语义是通过循环起源电路(cycluits),可以追溯评估定义。最后,我们证明了概率查询评估仍然是棘手的组合复杂性下,这种参数化。
2017-01-15 cs.DB
JanusAQP: Efficient Partition Tree Maintenance for Dynamic Approximate Query Processing
动态数据库上的近似查询处理,即,在插入/删除下,其应用范围从高频交易到物联网分析。我们提出了JanusAQP,一个新的动态AQP系统,它支持SUM,AUG,AVG,MIN和MAX查询下的插入和删除的数据集。JanusAQP将静态分区树概要(数据集的分层聚合)扩展到动态设置中。本文贡献了新的方法:(1)有效的初始化的数据摘要在传入数据的存在下,(2)维护的数据摘要下插入/删除,和(3)重新优化的分区,以减少近似误差。JanusAQP仅使用10%的存储成本就将最先进的基线误差降低了60%以上。JanusAQP可以在单个节点设置中每秒处理超过100 K的更新,并将查询延迟保持在毫秒级。
2022-07-26 cs.DB
DET-LSH: A Locality-Sensitive Hashing Scheme with Dynamic Encoding Tree for Approximate Nearest Neighbor Search
Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所);University of Chinese Academy of Sciences(中国科学院大学);LIPADE, Université Paris Cité(巴黎西岱大学 LIPADE 实验室)
DET-LSH通过动态编码树提升索引效率和查询准确性,在高维空间中实现更高效的近似最近邻搜索。
2026-02-10 cs.DB
Consistent Query Answering for Primary Keys on Rooted Tree Queries
本文针对根树查询类研究主键约束下一致性查询回答的数据复杂度,证明每个根树查询的 CERTAINTY(q) 必属 FO、NL-hard∩LFP 或 coNP-complete 三类之一且可在多项式时间内判定,并将分类扩展到具有简单主键的更大查询类。
2023-10-30 cs.DB
Provenance Circuits for Trees and Treelike Instances (Extended Version)
一元二阶逻辑(MSO)中的查询求值在树和类树实例上是容易处理的,即使对于任意实例是困难的。这个易处理性结果已经扩展到与查询评估相关的几个任务,例如计算查询结果[3]或在概率树上执行查询评估[10]。这是计算增强查询输出的更一般问题的两个示例,该问题被称为出处。本文通过描述MSO查询的电路起源表示的线性时间构造,提出了树和树状实例的起源框架。我们展示了这种起源如何与关系实例上的半环起源的通常定义联系起来[20],即使我们使用树自动机以一种不寻常的方式计算它;我们通过一般半环的起源的内在定义来这样做,独立于查询评估的操作细节。我们展示了这种起源的应用程序,以捕获现有的计数和概率结果的树和树状实例,并给出新的后果概率评估。
2015-11-27 cs.DB cs.LO
Towards Quantum Range Query for Spatial-Temporal-Semantic Trajectory Data
National University of Singapore(新加坡国立大学);The Chinese University of Hong Kong(香港中文大学);The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
本文提出量子范围查询(QRQ),通过混合量子-经典算法和量子索引变体,在轨迹数据上实现2.03至64.70倍的加速,为移动分析和LLM/GeoFM搜索提供基础原语。
2026-09-25 cs.DB
Fixpoint Node Selection Query Languages for Trees
有限树节点选择查询语言的研究是近年来Web文档查询语言研究的一个重要课题。一方面,已经有了广泛的研究,它的各种扩展。另一方面,基于经典逻辑的查询语言,如一阶逻辑(FO)或一元二阶逻辑(MSO),已被考虑。这方面的结果通常将基于XPath的语言与经典逻辑联系起来。尚未出现的是一种与XPath相关的语言,它与MSO一样具有表达能力,同时又具有XPath的计算特性,即线性时间查询评估和指数时间查询包含测试。在本文中,我们提出了mu,这是交替自由片段的扩展与不动点算子的mu。使用双向交替自动机,我们表明,这种语言结合了所需的表现力和计算性能,把它作为一个有吸引力的候选人的明确的节点选择查询语言的树。
2018-11-14 cs.DB cs.LO
QDR-Tree: An Efficient Index Scheme for Complex Spatial Keyword Query
随着移动设备的普及和地理定位技术的发展,基于位置的服务(LBS)越来越受到人们的关注,top-k空间关键词查询也变得越来越复杂。常见的情况是,客户端发出查询,以找到一家提供比萨饼和牛排的餐厅,特别是价格和噪音水平低的餐厅。然而,大多数的工作只集中在空间关键字,而忽略了这些独立的数值属性。在本文中,我们展示了,第一次,属性感知的空间关键字查询(ASKQ),并设计了一个两层的混合索引结构称为四簇双过滤R树(QDR树)。在关键词聚类层,基于核k-means的层次聚类算法构建四元聚类树(QC-Tree)对关键词进行分类。在空间层,对于QC-Tree的每个叶子节点,我们附加了一个双重过滤R树(DR树)与两个过滤算法,即基于关键字位图和基于属性天际线过滤。因此,提出了高效的查询处理算法。通过理论分析,验证了该算法在处理时间和空间消耗上的优化。最后,通过大量的实际数据实验验证了QDR-Tree的有效性。
2022-07-25 cs.DB cs.DS
Node Query Preservation for Deterministic Linear Top-Down Tree Transducers
本文讨论了XML文档转换中节点查询保留问题的可判定性。我们假设由确定性线性自顶向下数据树转换器(缩写为DLT^V)和基于树自动机运行的n元查询给出的转换。如果存在查询Q',使得对于每个文档t,Tr(t)的Q'的答案集等于t的Q的答案集,则我们说DLT^V Tr强保留查询Q。我们还说Tr弱保持Q,如果存在查询Q',使得对于Tr范围内的每个t_d,Q'对于t_d的答案集等于Q对于t的答案集的并集,使得t_d = Tr(t)。我们证明了弱保存问题是coNP-完全的,强保存问题是在2-EXPTIME中的。
2013-11-21 cs.DB cs.FL
PDET-LSH: Scalable In-Memory Indexing for High-Dimensional Approximate Nearest Neighbor Search with Quality Guarantees
Oceanbase, Ant Group(蚂蚁集团);Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所);LIPADE, Université Paris Cité(巴黎西岱大学)
本文提出PDET-LSH,通过动态编码树提升索引效率并支持高效范围查询,实验显示其在索引和查询速度上优于现有方法,尤其在大规模数据集上表现突出。
2026-03-26 cs.DB
Bridging the Gap Between Theory and Practice on Insertion-Intensive Database
随着在线平台的普及,今天,用户正在以非常高的速度生成和访问数据。此外,诸如股票交易或高频交易之类的应用需要保证低延迟来对数据库执行操作。因此,设计数据库,保证数据插入和查询在一个一致的高速率,而不引入任何长时间的延迟插入期间。在本文中,我们提出了嵌套B树(NB树),索引,可以实现一致的高插入率在大量的数据,同时提供渐近最优的查询性能,是非常有效的实践。嵌套B树支持比LSM树更高的插入率,LSM树是插入密集型工作负载的最先进索引,同时避免了长插入延迟并提高了查询性能。当与Bloom过滤器补充时,它们接近B树的查询性能。在我们的实验中,NB树的最坏情况延迟比LevelDB、RocksDB和bLSM(常用的LSM树数据存储)小1000倍,执行查询的速度比LevelDB快4倍,比bLSM和RocksDB快1.5倍,同时在平均插入率方面也优于它们。
2020-03-02 cs.DB
Querying Shortest Path on Large Time-Dependent Road Networks with Shortcuts
两点间最短路径查询是各种应用中的基本操作,在静态道路网络中得到了广泛的研究。然而,在现实中,路段的行驶成本随时间而演变,因此道路网络可以被建模为时间依赖图。本文研究了大规模时间依赖道路网络上的最短路径查询问题。现有的工作主要集中在一个分层的分区结构,这使得索引的建设和旅行费用查询效率低下。为了提高这种查询的效率,我们提出了一种新的索引分解成一个树结构的道路网络,并选择一组快捷方式的树,以加快查询处理。具体来说,我们首先正式定义了一个快捷方式选择问题的树分解的时间依赖的道路网络。该问题的目标是选择并建立最有效的捷径集,被证明是NP难的。我们首先设计了一个动态规划方法来解决选择问题的精确结果。为了快速获得最优捷径集,我们设计了一个近似算法,保证0.5的近似比。基于新的树结构,我们设计了一个基于捷径的算法来回答时间依赖的道路网络上的最短路径查询。最后,我们使用大规模的真实世界的道路网络进行广泛的性能研究。结果表明,我们的方法可以实现更好的效率和可扩展性比国家的最先进的方法。
2023-03-07 cs.DB
Query Density-Driven Partitioning for Spatiotemporal Load Balancing on Processing-in-Memory Systems
The University of Tokyo(东京大学);The University of Electro-Communications(电气通信大学)
针对存算一体系统中PIM-tree牺牲空间局部性导致范围聚合查询处理受阻的问题,提出查询密度驱动分区方案及B⁺-Forest,实现时空负载均衡与高效范围聚合查询,性能优于对比方案。
2026-08-03 cs.DB
GP-Tree: An in-memory spatial index combining adaptive grid cells with a prefix tree for efficient spatial querying
School of Computer and Information Engineering, Henan University(河南大学计算机与信息工程学院);State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University(武汉大学测绘遥感信息工程国家重点实验室);State Key Laboratory of Spatial Datum, College of Remote Sensing and Geoinformatics Engineering,Faculty of Geographical Science and Engineering, Henan University(河南大学地理与环境学院遥感与地理信息工程学院空间基准国家重点实验室);Henan Industrial Technology Academy of Spatio-Temporal Big Data, Henan University(河南大学时空大数据产业技术研究院)
本文提出GP-Tree,一种基于自适应网格单元与前缀树的空间索引,通过细粒度的单元近似替代传统粗粒度的MBR,提升空间查询效率与过滤能力,实验表明其查询效率比传统索引提升一个数量级。
2026-06-22 cs.DB cs.IR
A MovingObject Index for Efficient Query Processing with Peer-Wise Location Privacy
随着基于位置的服务的使用越来越多,位置隐私越来越受到用户,工业界和研究界的关注。虽然相当大的努力已经投入到发明技术,防止服务提供商知道用户的确切位置,相对较少的注意已经支付给所谓的同行明智的隐私-保护用户的位置从未经授权的同行用户。本文确定了一个重要的效率问题,在现有的同行隐私的方法,简单地应用过滤步骤,以确定位于查询范围内的用户,但不想透露自己的位置查询同行。为了解决这个问题,我们提出了一种新的,隐私政策启用索引称为PEB树,无缝集成位置接近和政策兼容性。我们提出了高效的算法,使用PEB树处理隐私感知范围和kNN查询。大量的实验表明,PEB树,使高效的查询处理。
2011-09-30 cs.DB
Mining tree-query associations in graphs
Hasselt University(哈瑟尔特大学);transnational University of Limburg(跨国林堡大学)
数据采掘的新应用,如在生物学、生物信息学或社会学中,都面临着以图的形式构造的大型数据集。我们介绍了一类新的树形模式称为树查询,并提出了算法挖掘树查询和树查询关联在一个大的数据图。我们的模式类的新颖之处在于,它们可以包含常量,并且可以包含在确定模式在数据图中出现的次数时不计数的存在节点。我们的算法有一些probableoptimality属性,这是基于合取数据库查询的理论。我们提出了一个实用的,面向数据库的SQL实现,并表明该方法在实践中的工作原理,通过实验的数据有关的食物网,蛋白质相互作用,和引文分析。
2010-08-16 cs.AI cs.DB
Tradeoffs in Processing Queries and Supporting Updates over an ML-Enhanced R-tree
针对多维数据索引的R树,本文提出ML增强型AI+R树,通过加入ML模型避免无效分支遍历,研究模型选择与更新策略的权衡,实验显示其可提升传统R树查询性能5.4倍且召回率达99%。
2025-02-14 cs.DB cs.LG
A Novel Technique for Query Plan Representation Based on Graph Neural Nets
University of Ottawa(渥太华大学)
针对查询计划表示能力缺乏比较的问题,提出基于门控循环单元聚合双向图神经网络的新型树模型BiGG,显著提升了复杂工作负载下的成本估计和计划选择性能。
2024-06-05 cs.AI cs.DB
The "AI+R"-tree: An Instance-optimized R-tree
Purdue University(普渡大学)
实例优化系统的新兴类别已经显示出通过专门针对特定数据和查询工作负载来实现高性能的潜力。特别地,机器学习(ML)技术已经成功地应用于构建各种实例优化的组件(例如,学习指数)。本文研究利用ML技术来增强空间索引的性能,特别是R树,用于给定的数据和查询工作负载。由于R树索引节点覆盖的区域在空间上重叠,因此在搜索空间中的特定点时,可以潜在地探索从根到叶的多个路径。在最坏的情况下,可以搜索整个R树。在本文中,我们定义并使用重叠率来量化范围查询所需的无关叶节点访问的程度。我们的目标是提高传统的R树的查询性能高重叠范围查询,因为他们往往会招致长的运行时间。我们引入了一种新的AI树,将R树的搜索操作转换为多标签分类任务,以排除无关的叶节点访问。然后,我们将传统的R-树扩充到AI-树中,形成混合的“AI+R”-树。“AI+R”树可以使用学习模型自动区分高重叠和低重叠查询。因此,“AI+R”树使用AI树处理高重叠查询,并且使用R树处理低重叠查询。在真实数据集上的实验表明,“AI+R”树可以提高查询性能比传统的R树高达500%。
2022-07-01 cs.DB cs.LG
Efficient Genomic Interval Queries Using Augmented Range Trees
基因组区间的高效大规模注释对于精准医学领域中的个人基因组解释至关重要。根据艾伦的区间代数,两个区间之间有13种可能的关系。传统的区间树通常用于识别满足与查询区间的粗略关系的基因组区间,但不能支持对更精细的关系(诸如所有Allen关系)的高效查询。我们设计并实施了一种新的方法来解决这一未满足的需求。通过重写Allen的区间关系,将区间查询转化为范围查询,并利用范围树进行查询。我们实现了两种类型的范围树:一个基本的二维范围树(2D-RT)和一个扩展的范围树与分数级联(RTFC),并将它们与传统的区间树(IT)。理论分析表明,RTFC可以实现最佳的时间复杂度的区间查询的所有艾伦的关系,在三个树。我们还进行了比较实验的效率RTFC,2D-RT和IT在查询非编码元件注释在一个大的个人基因组集合。我们的实验结果表明,2D-RT是更有效的比IT的间隔查询关于大多数的艾伦的关系,RTFC是更有效的比2D-RT。结果表明,RTFC是一个有效的数据结构查询大规模的数据集关于基因组间隔之间的艾伦的关系,如所需的解释在大群体的全基因组变异。
2018-06-04 cs.DB cs.DS q-bio.QM
A Reinforcement Learning Based R-Tree for Spatial Data Indexing in Dynamic Environments
School of Computer Science and Engineering, Nanyang Technological University(南洋理工大学计算机科学与工程学院);DAMO Academy, Alibaba Group(阿里巴巴集团达摩院)
已经提出了学习索引来用机器学习(ML)模型代替经典的索引结构,如B树。它们需要替换数据库目前部署的索引和查询处理算法,这种彻底的偏离可能会遇到挑战和障碍。相比之下,我们提出了一种根本不同的方法,使用ML技术来提高经典R树的查询性能,而不需要改变其结构或查询处理算法。具体来说,我们开发了基于强化学习(RL)的模型来决定如何选择插入的子树以及如何在构建R树时拆分节点,而不是依赖于R树及其变体目前使用的手工启发式规则。在包含超过1亿个空间对象的真实和合成数据集上的实验清楚地表明,我们基于RL的索引在查询处理时间方面优于R-Tree及其变体。
2021-10-11 cs.AI cs.DB
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
Fast In-Memory XPath Search over Compressed Text and Tree Indexes
XML文档的很大一部分通常由文本数据组成。XML查询语言允许通过equal、contains和starts-with谓词进行文本搜索。使用文档文本节点的压缩自索引可以有效地实现这样的谓词。但是,大多数查询都包含查询文档文本的某些部分,加上查询树结构的某些部分。因此,为给定的查询选择适当的计算顺序是一个挑战,它最佳地利用了文本和树索引的执行速度。这里介绍的SXSI系统,它存储的树结构的XML文档使用一个位数组的开括号和闭括号,并存储的文本节点使用一个全球性的压缩自索引。在这些索引之上是一个基于树自动机的查询引擎。引擎使用文本索引的快速计数查询,以便动态地确定相对于树结构是自顶向下还是自底向上进行评估。由此产生的系统与现有系统相比具有几个优点:(1)纯树查询(没有文本搜索),如XPathMark查询,SXSI系统的性能与最快的已知系统MonetDB和Qizx相当或更好,(2)在使用文本搜索的查询上,SXSI比现有系统高出1- 3个数量级(取决于结果集的大小),(3)在内存消耗方面,SXSI优于所有其他仅计数查询的系统。
2011-10-05 cs.DB cs.IR
PriPL-Tree: Accurate Range Query for Arbitrary Distribution under Local Differential Privacy
针对局部差分隐私下现有范围查询方法假设数据均匀分布导致估计不准的问题,提出结合层次树与分段线性函数的PriPL-Tree结构,并扩展至多维自适应网格,在真实与合成数据集上有效提升了任意分布范围查询的准确性。
2024-08-24 cs.CR cs.DB
XPath Node Selection over Grammar-Compressed Trees
XML文档标记是高度重复的,因此使用基于语法的压缩可以很好地压缩。向下,导航查询可以在PTIME中的语法压缩树上执行:查询被转换为自动机,在语法上执行一次。这个结果是众所周知的,以前也提到过。在这里,我们提出了这个问题的时间复杂度的精确界限,在大O符号。对于一个给定的语法和查询,我们考虑三个不同的任务:(1)计算查询所选择的节点的数量,(2)具体化所选择的节点的前序编号,以及(3)序列化所选择的节点上的子树。
2013-11-21 cs.DB cs.FL
Conjunctive Queries over Trees
我们研究的复杂性和表达能力的合取查询无排名的标记树表示使用各种结构关系,如“孩子”,“后代”,“以下”以及一元关系的节点标签。我们建立了一个框架,用于表征表示树的结构,可以有效地评估合取查询。然后,我们完全绘制了问题的易处理边界,并为我们的轴关系建立了一个二分法定理,即,我们发现所有的子集最大集的轴查询评估是在多项式时间,并表明,对于所有其他情况下,查询评估是NP-完全的。所有的多项式时间的结果,立即获得使用我们的框架的证明技术。最后,我们研究了树上的合取查询的表达性,并证明了对于每个合取查询,存在一个等价的非循环正查询(即,一组非循环合取查询),但是通常该查询不是多项式大小的。
2006-02-02 cs.AI cs.CC cs.DB
Algorithms for Optimizing Acyclic Queries
UCLA(加州大学洛杉矶分校);University of Bergen(卑尔根大学)
本文提出三种方法用于构建无环查询的连接树,包括基于编辑的枚举算法、最大基数搜索算法和转换连接树的简单算法,以提升无环查询的优化效率。
2026-01-07 cs.DB cs.DS
SART: Speeding up Query Processing in Sensor Networks with an Autonomous Range Tree Structure
我们考虑的问题,构建高效的P2P覆盖的传感网提供“能源级的应用和服务”。在\cite{SOPXM09}中提出的方法提出了一种新的P2P覆盖,用于传感器网络中的能级发现。然而,这种解决办法不是动态的,因为需要定期重组。特别地,既不能支持能量水平在现有p2p覆盖所支持的范围之外的传感器节点的加入,也不能支持当前没有传感器节点与之相关联的\emph{empty}覆盖对等体的离开。基于此目的,在\cite{SPSTMT10}提出的高效P2P方法的基础上,设计了一种传感器网络中用于能级发现的动态P2P覆盖层,即SART(Sensors' Autonomous Range Tree)。\cite{SPSTMT10}中提出的P2P索引的自适应保证了上述操作的最佳动态查询性能。我们通过D-P2P-Sim模拟器(D-P2P-Sim可在http://code.google.com/p/d-p2p-sim/上公开获得)实验验证了此性能。
2012-09-24 cs.DB cs.DC
TargetUM: Targeted High-Utility Itemset Querying
Jinan University(暨南大学);Guangdong University of Technology(广东工业大学)
传统的高效用项集挖掘(HUIM)旨在确定事务数据库中所有满足最小效用阈值(\textit{minUtil})的高效用项集(HUI)。然而,在大多数应用程序中,并不是所有的UI都是有趣的,因为只需要特定的部分。因此,基于用户偏好的目标挖掘比传统的挖掘任务更重要。本文首次提出了一个基于目标的HUIM问题,并在定量交易数据库中提供了一个明确的目标效用挖掘任务。提出了一种基于树的高效用目标查询算法TargetUM。该算法使用一棵字典式查询树和三种有效的剪枝策略来提高挖掘效率。我们在几个真实数据库和合成数据库上进行了实验验证,结果表明,\textbf{TargetUM}的性能是令人满意的,完整的,正确的。最后,由于字典查询树,数据库不再需要重复扫描多个查询。
2021-10-30 cs.AI cs.DB
On Metric Skyline Processing by PM-tree
多媒体数据库中的相似性搜索任务通常通过范围或k近邻查询来完成。然而,当用户的微妙的查询意图不能作为单个示例时,这些“单示例”查询的表达能力就失败了。最近,著名的skyline操作符被重用在度量相似性搜索作为一个“多示例”的查询类型。当应用于多维数据库时(即,在多属性表上),传统的Skyline运算符选择不被其它对象支配的所有数据库对象。度量Skyline查询采用Skyline算子,使得多个属性由到多个查询示例的距离(相似度)表示。因此,我们可以将度量天际线视为一组代表性的数据库对象,这些对象尽可能与所有示例相似,同时在语义上是不同的。在本文中,我们提出了一种技术,通过使用PM树处理度量天际线查询,而我们表明,我们的技术显着优于原来的M-树为基础的实现在时间和空间成本。在实验中,我们还评估了部分度量天际线处理,只有控制数量的天际线对象被检索。
2009-10-06 cs.DB cs.DL cs.MM