The CTU Prague Relational Learning Repository
该仓库提供148个多关系SQL数据库及元数据，以支持机器学习研究，由捷克理工大学托管。
2025-03-26 cs.DB cs.LG
SQL for SRL: Structure Learning Inside a Database System
Simon Fraser University（西蒙弗雷泽大学）
我们在本文中主张的立场是，关系代数可以提供一个统一的语言来表示和计算的关系对象，就像线性代数为传统的单表机器学习。关系代数是在结构化查询语言（SQL）中实现的，它是关系数据库管理系统的基础。为了支持我们的立场，我们已经开发了FACTORBASE系统，它使用SQL作为高级脚本语言，用于图形模型结构的语义关系学习。FACTORBASE的设计理念是将统计模型作为数据库中的一等公民进行管理。我们的实现展示了我们的SQL结构在FACTORBASE中如何促进快速，模块化和可靠的程序开发。来自六个基准数据库的经验证据表明，利用数据库系统的能力，实现可扩展的模型结构学习。
2015-07-02 cs.DB cs.LG
Discovering new technique for mapping relational database based on semantic web technology
Web上的大部分数据仍然存储在关系数据库中。因此，在关系数据库和本体之间建立对应关系，以存储Web数据就显得尤为重要。本文提出了一种将存储在关系数据库中的数据映射到语义Web的新方法，利用基于数据库模式规范的简单映射，并解释了如何使用关系数据库来定义关系数据库与OWL本体之间的映射机制。开发了一个框架，成功地将关系数据库迁移到OWL文档中。实验结果表明，该方法是可行和有效的。
2021-09-30 cs.DB
Automatic Conversion of Relational Databases into Ontologies: A Comparative Analysis of Protégé Plug-ins Performances
从关系数据库中构造本体是语义Web领域的一个活跃的研究课题。在提出关系数据库和本体结构的概念映射规则/原理的同时，正在开发若干软件模块或插件以使得能够将关系数据库自动转换成本体。然而，所得到的本体之间的相关性与插件从关系数据库和数据库到本体的映射原则自动构建的关注很少。本研究回顾并应用两个Protégé插件，即DataMaster和OntoBase，从关系数据库自动构建本体。由此产生的本体进一步分析，以匹配其结构对数据库到本体映射原则。匹配结果的比较分析表明，OntoBase优于DataMaster在应用数据库到本体的映射原则，自动转换关系数据库到本体。
2016-11-08 cs.DB
The Duck's Brain: Training and Inference of Neural Networks in Modern Database Engines
University of Bamberg（班贝格大学）；TUM（慕尼黑工业大学）
本文提出在SQL中通过关系表示训练神经网络，克服关系模型障碍，并比较数组类型与关系表示的性能，证明现代数据库适用于矩阵运算。
2023-12-28 cs.DB cs.LG
Tackling prediction tasks in relational databases with LLMs
Poznan University of Technology（波兹南理工大学）；Snowflake AI Research（Snowflake人工智能研究院）；Adam Mickiewicz University（亚当密茨凯维奇大学）
本研究针对LLM在关系数据库预测任务中应用不足的问题，利用RelBench基准证明即使直接应用LLM也能取得有竞争力的性能，从而将其确立为关系数据库机器学习的新基线。
2024-11-18 cs.CL cs.DB cs.LG
Scripting Relational Database Engine Using Transducer
我们允许数据库用户使用过程语言编写并行关系数据库引擎的脚本。过程语言代码作为用户定义的关系查询操作符（称为transducer）执行。Transducer与关系引擎紧密集成，包括查询优化器，查询执行器，并可以像其他查询操作器一样并行执行。使用transducer，我们可以有效地执行在SQL中很难表达的查询。作为例子，我们展示了如何在并行关系数据库中运行时间序列和图形查询等。
2018-05-11 cs.DB
Computing Multi-Relational Sufficient Statistics for Large Databases
Simon Fraser University（西蒙弗雷泽大学）
数据库包含有关实体之间存在和不存在哪些关系的信息。为了使这些信息可用于统计分析，需要计算足够的统计数据，这些统计数据将来自不同数据库表的信息组合在一起。这样的统计可以涉及任何数量的{ \em正和负}关系。使用朴素枚举方法，计算足够的负关系统计数据仅适用于小型数据库。我们解决了这个问题，一个新的动态规划算法，执行虚拟连接，计算所需的计数，而不物化连接表。列联表代数是关系代数的一个新的扩展，它有助于有效地实现这种Möbius虚连接操作。Möbius Join可扩展到具有复杂模式的大型数据集（超过1 M元组）。七个基准数据集的实证评估表明，有关链接的存在和不存在的信息可以利用在特征选择，关联规则挖掘，贝叶斯网络学习。
2014-08-22 cs.DB cs.LG
Synthesize, Retrieve, and Propagate: A Unified Predictive Modeling Framework for Relational Databases
AWS Shanghai AI Lab（AWS上海人工智能实验室）
提出统一预测建模框架SRP，通过特征合成、信息检索和图消息传播捕获关系数据库中的一元与复合依赖性，扩大感受野，在五个真实数据集上验证了有效性。
2025-08-10 cs.DB cs.LG
Subset Queries in Relational Databases
在本文中，我们激发了关系数据库系统支持子集查询处理的需求。我们在关系代数中定义了新的操作符，在SQL中定义了新的结构来表达子集查询。我们还通过使用扩展SQL语句和关系代数表达式表示的不同示例说明了子集查询的适用性。我们的目标是显示下一代应用程序的子集查询的效用。
2004-06-17 cs.DB
An Approach for Normalizing Fuzzy Relational Databases Based on Join Dependency
数据库中的不确定性用于表示不确定或不完整的数据。关系数据库强调数据的性质是确定的。这种基于确定性的数据被用作为传统关系数据库设计的规范化方法的基础。但现实世界的数据可能并不总是确定的，因此有必要设计一种处理模糊数据的归一化方法。研究了基于连接依赖的模糊数据第五范式（5NF）的设计方法。从关系数据库的基本概念出发，导出了模糊关系数据库连接依赖的基础。由于连接依赖通过对称性隐含着多值依赖，因此从模糊关系数据库上基于多值依赖的规范化的角度出发，给出了基于连接依赖的规范化的证明。
2014-03-11 cs.DB
A Systematic Method for On-The-Fly Denormalization of Relational Databases
规范化的关系数据库是存储数据的常用方法，但是提取可用的非规范化数据以供使用通常需要对源数据的直接存取或者由数据库管理员创建适当的视图或表。因此，最终用户探索和使用以这种方式存储的数据的能力受到限制。这里提出了一种用于在运行时执行关系数据库的自动化去规范化的方法，而不需要访问源数据或数据库管理员的持续干预。此外，该方法不需要对数据库本身进行重构，因此可以灵活地应用于现有数据库之上的层。
2020-10-01 cs.DB
IRG: Modular Synthetic Relational Database Generation with Complex Relational Schemas
University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；National University of Singapore（新加坡国立大学）
IRG提出一种模块化框架，通过学习关系连接上下文生成合成关系数据库，有效处理复杂关系模式和数据相关性。
2025-12-14 cs.DB cs.LG
Supervised Learning on Relational Databases with Graph Neural Networks
Amazon Web Services（亚马逊云服务）
大多数数据科学家和机器学习从业者在工作中使用关系数据[State of ML and Data Science 2017，Kaggle，Inc.]。但是在存储在关系数据库中的数据上训练机器学习模型需要大量的数据提取和特征工程工作。这些工作不仅代价高昂，而且还破坏了数据中潜在的重要关系结构。我们介绍了一种方法，使用图神经网络来克服这些挑战。我们提出的方法在三个数据集中的两个数据集上的性能优于最先进的自动特征工程方法。
2020-02-06 cs.AI cs.DB cs.LG
On Directly Mapping Relational Databases to RDF and OWL (Extended Version)
将关系数据库映射到RDF是语义Web开发的一个基本问题。我们提出了一个解决方案，灵感来自W3C定义的关系数据库直接映射到RDF和OWL的草案方法。给定一个关系数据库模式及其完整性约束，这种直接映射产生一个OWL本体，它为生成RDF实例提供了基础。这个映射的语义是使用Datasheet定义的。两个基本属性是信息保存和查询保存。我们证明了我们的映射满足这两个条件，即使是包含空值的关系数据库。我们还考虑了两个理想的属性：单调性和语义保存。我们证明了我们的映射是单调的，也证明了没有单调映射，包括我们的，是语义保持的。我们认识到单调性是语义保持的一个障碍，因此提出了一个保持语义的非单调直接映射。
2012-02-22 cs.DB
Search and Navigation in Relational Databases
我们提出了一个新的应用程序中的关键字搜索关系数据库，它使用了一种新的算法来解决连接发现问题，通过查找Memex样的线索，通过图形的外键依赖关系。它不同于以前的努力，在所使用的算法，在表示机制和在使用主键只有数据库查询在查询时间，以保持快速响应用户。我们提出的例子使用DBLP数据集。
2003-07-31 cs.DB
Serving Deep Learning Models with Deduplication from Relational Databases
从关系数据库服务深度学习模型有显著的好处。首先，从数据库中提取的特征不需要转移到任何解耦的深度学习系统进行推理，因此可以显著降低系统管理开销。其次，在关系数据库中，沿着存储层次的数据管理与查询处理完全集成，因此即使工作集大小超过可用内存，它也可以继续模型服务。应用模型重复数据删除可以大大减少存储空间、内存占用、缓存未命中和推理延迟。然而，现有的数据去重技术不适用于服务于关系数据库中的应用的深度学习模型。它们没有考虑对模型推理精度的影响以及张量块和数据库页面之间的不一致性。这项工作提出了协同存储优化技术的重复检测，页面打包，缓存，以提高数据库系统的模型服务。我们在netsDB，一个面向对象的关系数据库中实现了所提出的方法。评估结果表明，我们提出的技术显着提高了存储效率和模型推理延迟，并从关系数据库服务模型优于现有的深度学习框架时，工作集大小超过可用内存。
2022-10-21 cs.DB
Graph Analytics using the Vertica Relational Database
图分析正变得越来越流行，在过去的几年中，已经提出了大量用于图分析的新系统。这些系统通常从需要新的存储或查询处理系统的假设开始，尽管图形数据通常首先被收集并存储在关系数据库中。在本文中，我们研究了Vertica关系数据库作为一个平台的图形分析。我们表明，以顶点为中心的图分析可以转换为SQL查询，通常涉及表扫描和连接，现代的列导向的数据库非常适合运行这样的查询。具体来说，我们提出了一个实验评估的Vertica关系数据库系统上的各种图形分析，包括迭代分析，图形和关系分析的组合，更复杂的1跳邻域图分析，显示它是有竞争力的两个流行的顶点为中心的图形分析系统，即GitHub和GraphLab。
2014-12-17 cs.DB
Relational Database Distillation: From Structured Tables to Condensed Graph Data
The University of Queensland（昆士兰大学）；Shandong University（山东大学）
本研究提出关系数据库蒸馏方法，将大规模结构化数据库压缩为紧凑图数据，保留预测能力，通过异质图结构和核岭回归引导目标实现高效学习。
2026-01-20 cs.DB cs.LG
Property Graph Techniques in Relational Databases
University of the West of Scotland（西苏格兰大学）；Reutlingen University（雷特林根大学）
本文研究将SQL外键建模为引用键，实现关系型数据库与属性图数据库的统一，支持PGDMS的图操作及多类型图模型构建。
2026-08-12 cs.DB
Translating database mathematical schemes into relational database software applications with MatBase
Ovidius University at Constanta（康斯坦察奥维迪乌斯大学）
本文提出将MatBase中的数学数据模型方案转换为关系模型及非关系约束的伪代码算法，并展示了其高效性与完整性，通过基因谱系子宇宙的数学方案应用，提供SQL和VBA代码示例及开发指南。
2026-05-11 cs.DB
Relational Deep Learning: Graph Representation Learning on Relational Databases
Stanford University（斯坦福大学）；Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；Yale University（耶鲁大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出 Relational Deep Learning，将关系数据库建模为主外键连接的时序异构图，并用消息传递 GNN 端到端学习，配合 RelBench 基准实现多表数据的直接建模。
2023-12-07 cs.DB cs.LG
The Relational Database Aspects of Argonne's ATLAS Control System
阿贡ATLAS控制系统的关系数据库方面阿贡ATLAS（阿贡串列直线加速器系统）控制系统包括两个独立的数据库概念。第一种是商业产品Vsystem [1]提供的分布式实时数据库结构。第二个是ATLAS人员使用Oracle Rdb [2]和Partial [3]软件设计的更静态的关系数据库归档系统。ATLAS设施的配置提供了一个独特的机会来构建一个控制系统关系数据库，该数据库能够存储和检索整个加速器的完整存档的调整配置。这一能力是使该设施能够遵守严格的作业时间表的一个主要因素。最近，安装了一个基于Web的操作员界面，用于控制系统Oracle Rdb数据库。本文介绍了ATLAS数据库系统的历史，它们如何相互作用，新的基于Web的操作界面的设计，以及未来的计划。
2001-11-01 cs.DB
Priority-Based Conflict Resolution in Inconsistent Relational Databases
我们在这里研究的影响，优先级冲突解决不一致的关系数据库。我们扩展了维修和一致的查询答案的框架。我们提出了一组假设，一个扩展的框架应该满足并考虑两个实例的框架：（本地首选）l-维修和（全球首选）g-维修。我们研究了它们之间的关系和修复的计算复杂性的修复检查和一致的查询答案的每一个概念的影响。
2005-06-14 cs.DB
Implementing the Typed Graph Data Model Using Relational Database Technology
针对类型化图模型（TGM）通常仅用于设计早期、未落地到底层物理数据库的问题，本研究在支持基于角色结构的关系数据库管理系统中实现TGM，打造兼具图与关系数据库技术优势的新型数据库实现。
2024-07-06 cs.DB
FDB: A Query Engine for Factorised Relational Databases
因子分解数据库是关系数据库，它在物理层使用紧凑的因子分解表示来减少数据冗余并提高查询性能。本文介绍了FDB，一个内存中的查询引擎选择项目连接查询因子分解数据库。FDB的关键组件是用于查询优化和评估的新算法，这些算法利用了数据分解带来的简洁性。实验表明，对于具有多对多关系的数据集，FDB可以在数量级上超过关系引擎。
2012-03-12 cs.DB cs.DS
Relational Playground: Teaching the Duality of Relational Algebra and SQL
针对学生在SQL与关系代数之间缺乏联系理解的问题，开发了Relational Playground工具，帮助数据库学生探索两者之间的对应关系。
2023-06-23 cs.DB
SQL Queries for Declarative Process Mining on Event Logs of Relational Databases
灵活的业务流程通常可以更容易地使用声明式建模方法而不是过程式建模方法进行建模。流程挖掘旨在自动发现业务流程模型。现有的声明式流程挖掘方法要么遭受现实生活中的事件日志的性能问题，要么将其表达能力限制在一组特定的constaint类型。最近，通过JavaXES引入了一种用于存储事件日志数据的关系数据库体系结构。在本技术报告中，我们介绍了一种挖掘方法，该方法通过使用常规SQL查询日志来直接处理关系事件数据。我们提供了一个SQL查询列表，用于发现一组常用和挖掘的流程约束。
2015-12-03 cs.DB
Database Semantics
这篇文章是将关系数据库与系统结果连接起来的第一步（Kent：“System Consequence”2009），关注关系数据库的语义。目的是研究关系数据库逻辑/语义系统中的系统推论。这篇论文的灵感来自于最近的一组关于关系数据库系统理论的论文（Spivak：“Functional Data Migration”2012），并扩展了这些论文，这篇论文与关于信息流框架（IFF）[http：//suo.ieee.org/IFF/]的工作相关联，该工作与本体标准工作（SUO）相关联，因为关系数据库自然地嵌入到一阶逻辑中。这里讨论的数据库语义与数据库体系结构的概念级有关。我们提供直观和技术讨论。对应于主键和外键的概念，关系数据库语义有两种形式：实体与关系相区别的区别形式，以及关系和实体一致的统一形式。区别形式对应于（Spivak：“Simplicial databases”2009）[arXiv：0904.2012]中提出的理论。统一形式是区分形式的特殊情况，对应于（Spivak：“Functional Data Migration”2012）中提出的理论。后面的文章将讨论关系数据库的各种形式，如关系代数和一阶逻辑，并将完成对关系数据库逻辑环境的描述。
2012-09-13 cs.DB math.CT
Rel2Graph: Automated Mapping From Relational Databases to a Unified Property Knowledge Graph
本文提出Rel2Graph方法，实现从关系数据库到统一属性知识图的自动化映射，支持SQL到NoSQL查询转换，并在Spider和KaggleDBQA基准上验证了高执行准确率与数据完整性。
2023-10-26 cs.DB
The Hybrid Multimodal Graph Index (HMGI): A Comprehensive Framework for Integrated Relational and Vector Search
BNRIST, Tsinghua University（北京理工大学，清华大学）
本文提出混合多模态图索引（HMGI）框架，通过结合近似最近邻搜索与图遍历查询，在原生图数据库上实现高效的多模态混合查询，以在关系密集场景中超越纯向量数据库并实现亚线性查询时间。
2025-10-11 cs.DB cs.LG
A novel ER model to relational model transformation algorithm for semantically clear high quality database design
使用实体关系（ER）模型的概念建模已被广泛用于数据库设计很长一段时间。然而，研究表明，创建一个令人满意的关系模型表示从ER模型是不确定的，由于在所使用的转换方法和关系模型本身的不一致性。为了解决这一问题，对原有的ER表示法进行了修改，并相应地开发了一种新的转换算法。本文提出了建议的转换算法。使用一个真实世界的例子，它显示了该算法可以在实践中应用。本文还讨论了如何验证结果数据库和回收它所代表的信息。
2013-06-28 cs.DB
Scalable Continual Top-k Keyword Search in Relational Databases
关系数据库中的关键字搜索由于不要求用户既不掌握某种结构化查询语言，也不需要知道复杂的底层数据库模式，近年来得到了广泛的研究。现有的大多数方法都是针对静态数据库中的快照关键字查询。但实际上，数据库经常更新，用户可能对特定主题有长期兴趣。为了应对这种情况，有必要在数据库系统中建立有效和高效的设施，以支持连续的关键字查询。在本文中，我们提出了一个有效的方法来回答连续的顶部- $k$关键字查询关系数据库。该方法建立在现有的关系数据流关键字搜索方案的基础上，但将排序机制融入到查询处理方法中，并对关系数据库中的前$k$关键字搜索进行了两点改进。与现有的方法相比，该方法在静态数据库中计算top- $k$结果和在数据库不断更新时维护top- $k$结果方面都有更高的效率.实验结果验证了该方法的有效性和效率。
2011-08-23 cs.DB cs.IR
Compiling Relational Database Schemata into Probabilistic Graphical Models
University of Massachusetts（马萨诸塞大学）；Microsoft Research（微软研究院）
在这项工作中，我们提出了一种方法，使用关系数据库模式自动构建贝叶斯图形模型的数据库，而不是需要一个领域的专家来指定的数据的概率依赖关系。此生成的模型包含列的自定义分布、对数据进行聚类的潜在变量以及反映和表示外键链接的因子。实验证明了该模型的准确性和推理的可扩展性的合成和真实世界的数据。
2012-12-05 cs.AI cs.DB cs.LG
Relational Semantics for Databases and Predicate Calculus
关系数据模型需要一种关系理论，其中元组不仅是多排序的，而且还可以具有不一定是数值的索引。在本文中，我们开发了这样一个理论，并定义了足够的数据库使用的关系操作。这些操作类似于Codd的关系代数，但不同之处在于基于数学上足够的关系理论。谓词演算的语义是面向可满足性的，不适用于关系数据库。我们开发了一种替代语义，分配关系的意义公式与自由变量。这种语义使得经典的谓词演算适合作为关系数据库的查询语言。
2012-02-07 cs.DB cs.LO
Using Grid Files for a Relational Database Management System
本文描述了我们使用网格文件作为关系数据库管理系统的主存储器组织的经验。我们主要关注以下两个方面。(i)有效实现网格文件的策略。(ii)用于对向使用网格文件组织的数据库提出的查询进行效率评估的方法。
2010-06-07 cs.DB
Relational Algebra for In-Database Process Mining
实践中用于流程挖掘的执行日志通常是通过查询操作数据库并将结果存储在平面文件中来获得的。因此，数据库系统的数据处理能力不能再用于这些信息，导致挖掘模式定义的灵活性受限，以及挖掘大型日志的执行性能受限。因此，直接在数据库上启用流程挖掘（而不是通过平面文件中的中间存储）提供了额外的灵活性和效率。为了帮助促进这一理想的数据库中的过程挖掘，本文正式定义了一个数据库操作符，提取“直接遵循”的关系，从操作数据库。该操作符既可用于进行数据库内流程挖掘，也可用于灵活评估流程挖掘相关查询，例如：“哪个员工最频繁地将案例的'amount'属性从一个任务更改为下一个任务”。我们使用著名的关系代数来定义运算符，关系代数形成了关系数据库的形式基础。我们正式证明等价的操作，是有用的查询优化和目前的时间复杂度的操作属性。通过这样做，本文正式定义了必要的关系代数元素的“直接如下”操作，这是需要这样的操作在DBMS中的实现。
2017-06-26 cs.DB
Modeling and In-Database Management of Relational, Data-Aware Processes (Extended Version)
在过去的二十年里，人们越来越认识到，信息系统的工程通常需要在集成主数据和业务流程方面付出巨大的努力。这导致了来自学术界和工业界的大量建议。然而，这样的方法通常带有特定的抽象来表示数据组件并与之交互。这有两个缺点。一方面，它们不能用于轻松地用动态来丰富现有的关系数据库。另一方面，它们一般不允许综合建模、验证和颁布。我们攻击这两个挑战，提出了一个声明性的方法，完全基于SQL，支持直接在关系数据库上的关系数据感知过程的敏捷建模。我们展示了这种方法如何自动转换为具体的过程化SQL方言，可以在任何关系数据库引擎内直接执行。该转换利用了过程状态的数据库内表示，该过程状态又用于在记录或不记录执行实例的情况下立即处理过程制定以及过程验证。该方法已在一个工作原型中实现。
2019-07-08 cs.DB
Towards a Complete Direct Mapping From Relational Databases To Property Graphs
通过图模型表示的复杂数据越来越常见。与关系模型相反，图提供了对复杂数据执行分析任务的高容量。由于大量的数据仍然以关系表的形式呈现，因此有必要了解如何将这些数据转换为图形。本文提出了一个完整的映射过程，允许转换任何关系数据库（模式和实例）到一个属性图数据库（模式和实例）。与现有的映射相反，我们的解决方案保留了三个基本的映射属性，即：信息保存，语义保存和查询保存。此外，我们研究映射任何SQL查询到一个等价的Cypher查询，这使得我们的解决方案的实用。现有的解决方案要么是不完整的，要么是基于不实用的查询语言。因此，这项工作是第一个完整的和实用的解决方案映射关系图。
2022-10-02 cs.DB
Graph Data Models and Relational Database Technology
本文研究如何利用关系数据库管理系统中的元数据实现类型化图数据模型，以支持图形数据库与关系数据库等不同模型系统之间的企业集成。
2023-03-22 cs.DB
Generating Query Context for Relational Databases
Tursio
针对关系数据库自然语言查询中查询上下文构建耗时且存在冷启动的问题，提出自动生成查询上下文的方法，通过查询流生成数据模型并用加权采样实例化，已在50多个真实数据库上部署。
2026-09-23 cs.DB
Graph or Relational Databases: A Speed Comparison for Process Mining Algorithm
流程感知信息系统（PAIS）是管理、支持业务流程并从业务流程的执行中生成大型事件日志的IT系统。事件日志表示为一个元组，其形式为CaseID、TimeStamp、Activity和Actor。流程挖掘是一个新兴的研究领域，它处理基于事件日志的业务流程的研究和分析。流程挖掘旨在分析事件日志，发现业务流程模型，增强它们或检查与先验模型的一致性。生成的大量事件日志存储在数据库中。关系数据库对于某些类型的应用程序表现良好。然而，对于某些类别的应用程序，关系数据库不能扩展。许多NoSQL数据库已经出现，遇到了可扩展性的挑战。从事件日志中发现社会网络是流程挖掘中最具挑战性和重要的任务之一。相似任务和分包算法是组织挖掘中应用最广泛的算法之一。我们的目标是调查的数据库（关系或图）执行更好的组织挖掘下的过程挖掘。流程挖掘和图数据库的交叉可以通过使用图数据库对这些组织挖掘指标进行建模来实现。我们只使用查询语言结构在关系数据库和NoSQL（面向图）数据库上实现相似任务和分包算法。我们进行了实证分析，在一个大的现实世界的数据集，比较面向行的数据库和NoSQL面向图的数据库的性能。我们基准性能因素，如查询执行时间，CPU使用率和磁盘/内存空间使用的NoSQL面向图的数据库对面向行的数据库。
2016-12-31 cs.DB
An Improved Algorithm for Generating Database Transactions from Relational Algebra Specifications
Alloy是一种基于关系代数的轻量级建模形式。在之前与Fisler、Giannakopoulos、Krishnamurthi和Yoo的合作中，我们提出了一个工具Alchemy，该工具将Alloy规范编译为针对持久性数据库执行的实现。Alchemy的基础是一种将关系代数公式重写为数据库事务代码的算法。在本文中，我们报告了最近的进展，提高这种转换的鲁棒性和效率。
2010-03-28 cs.DB cs.LO cs.PL
DB-Nets: on The Marriage of Colored Petri Nets and Relational Databases
无论是学术界还是工业界，业务流程和大量数据的集成管理都越来越被认为是一个基本问题。在这份立场文件中，我们专注于问题的基础，认为当代的方法很难在数据和过程相关的方面之间找到合适的平衡。然后，我们提出了数据库网，一个新的正式模型，平衡这两个支柱，通过婚姻的有色Petri网和关系数据库。我们邀请研究团体在此模型的基础上，讨论其在建模，形式化验证和仿真的潜力。
2016-11-11 cs.DB
Empowering In-Memory Relational Database Engines with Native Graph Processing
过多的图和关系数据在各个领域中产生了许多有趣的图-关系查询，例如，在生物网络中找到满足关系谓词的相关蛋白质。RDBMS的成熟促使学术界和工业界致力于利用RDBMS进行图形处理，其中效率已被证明适用于重要的图形查询。然而，这些努力都没有在RDBMS内部原生地处理图，这是特别具有挑战性的，因为关系模型和图模型之间的阻抗不匹配。在本文中，我们建议将图视为关系引擎中的一等公民，以便在RDBMS中本地执行对图的操作。我们在VoltDB（一个开源的内存中关系数据库）中实现了我们的方法，并将此实现命名为GRFusion。GRFusion的SQL和查询引擎被授权以声明方式定义图形并执行由图形和关系运算符形成的跨数据模型查询计划，从而在查询时加速w.r.t.最先进的方法。
2017-10-12 cs.DB
Resolution-based Query Answering for Semantic Access to Relational Databases: A Research Note
我们解决的问题，语义查询的关系数据库（RDB）模知识库使用非常有表现力的知识表示形式主义，如完整的一阶逻辑或其各种片段。我们建议使用一阶逻辑（FOL）推理计算示意性的答案演绎查询，这些示意性的答案使用传统的关系DBMS的后续实例化。在这篇研究报告中，我们概述了这种技术的主要思想--使用数据库的抽象和约束子句来获得示意性答案。所提出的方法可以直接用于常规RDB，包括遗留数据库。此外，我们提出它作为一个有效的Web规模的语义搜索技术的潜在基础。
2009-05-03 cs.DB cs.LO
HISTEX (HISTory EXerciser) : A tool for testing the implementation of Isolation Levels of Relational Database Management Systems
我们提出了一个多进程的应用程序，称为HISTEX（历史EXerciser），它执行输入历史在商业DBMS平台上的通用事务符号。HISTEX可用于发现关系数据库管理系统在执行隔离级别时可能出现的错误，或发现系统过度限制的情况。它还可以用于与在真实数据库系统（而不是模拟环境）上执行的数据库工作负载相关的性能测量。HISTEX已通过使用嵌入式SQL在C中实现。然而，它的许多想法可以在新的实现中重生，这些实现可以依赖于其他数据库连接范例，如JDBC，JPA等。我们希望通过介绍其开发背后的一些想法，我们可以重新激发研究社区对这些工具的新兴趣和参与。
2019-03-02 cs.DB
Differentially Private Synthetic Data Generation for Relational Databases
MIT（麻省理工学院）；RedHat AI Innovation（红帽人工智能创新部）；MIT-IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室）
针对现有差分隐私合成数据生成仅适用于单表的问题，提出首个可与任意DP机制结合的算法，迭代优化表间关系以生成保持参照完整性的合成关系数据库，兼具空间与时间效率，并具备DP与理论效用保证。
2025-01-18 cs.CR cs.DB cs.LG
Symbolic Querying of Vector Spaces: Probabilistic Databases Meets Relational Embeddings
University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
我们提出了统一的技术，从概率数据库和关系嵌入模型的目标执行复杂的查询不完整和不确定的数据。我们形式化的概率数据库模型，所有的查询。这使我们能够利用来自概率数据库的丰富的理论和算法文献来解决问题。虽然这种形式化可以与任何关系嵌入模型一起使用，但缺乏定义良好的联合概率分布会导致简单的查询问题变得难以证明。考虑到这一点，我们引入\TO，一个关系嵌入模型，旨在成为一个易于处理的概率数据库，利用典型的嵌入假设的概率框架。使用一个原则，高效的推理算法，可以从它的定义，我们经验证明，\TOs是一个有效的和一般的模型，这些查询任务。
2020-06-27 cs.AI cs.DB
Bag-of-Features Image Indexing and Classification in Microsoft SQL Server Relational Database
Institute of Computational Intelligence Cz e stochowa University of Technology al. Armii Krajowej 36, 42-200 Cz e stochowa, Poland Email
本文提出了一种新的关系数据库体系结构，旨在视觉对象的分类和检索。该框架是基于袋的特征图像表示模型结合支持向量机分类，并集成在Microsoft SQL Server数据库。
2015-06-26 cs.CV cs.DB
Relational Division in Rank-Aware Databases
我们提出了一个调查现有的方法，关系部门在排名感知数据库，讨论目前的方法的问题，并概述了几种类型的经典除法运算的概括。我们的工作在一个模型，概括了Codd模型的数据，考虑元组的关系注释的行列，表明度元组的关系匹配查询。该方法利用完全剩余格作为度的基本结构。我们认为，与经典模型不同，关系部门的基本操作，不能在一般情况下表示通过其他操作。此外，我们比较现有的和建议的操作，并确定那些是忠实的同行制定的关系演算普遍量化查询。我们引入伪元组演算的排名模型，这是进一步用来显示相互定义的各种形式的部门的文件。
2015-07-02 cs.DB
Fuzzy Relational Databases via Associative Arrays
针对AI程序中不精确语言使用增多的问题，本文结合模糊数据与关系代数，用线性代数和多重集运算描述相关运算并证明关键恒等式，为模糊数据库查询语言提供数学基础。
2023-11-06 cs.DB
PluRel: Synthetic Data unlocks Scaling Laws for Relational Foundation Models
Stanford University（斯坦福大学）；SAP Labs LLC（SAP实验室）
PluRel通过合成多表关系数据库，实现了关系基础模型在扩展定律上的突破，展示了合成数据在提升模型泛化能力方面的潜力。
2026-07-15 cs.AI cs.DB cs.LG
An Introduction to Functional dependency in Relational Databases
这篇文章是为计算机科学硕士研究生提供的关于数据库系统高级主题的第二层次课程的建议讲义。需要有算法方面的先决条件和对数据库系统的了解。额外的阅读可能需要接触数学逻辑。这些笔记的出发点是从M.Y. Vardi的调查在此列出作为参考-一些证据是这样提出的。尽管现在提出了全新的设计方法，但对功能依赖性的选择重写旨在提供一些澄清。
2016-03-01 cs.DB
