面向演化的属性图模式的变换方法
Transformations for Evolving Property Graph Schemas
- University of Mons（蒙斯大学）
- ENSIIE, INRIA, IRIF, SAMOVAR（法国国家信息与自动化研究所、信息研究与综合实验室、SAMOVAR实验室）
- Lyon 1 University, CNRS Liris, IUF（里昂第一大学、法国国家科学研究中心LIRIS实验室、法国高等教育与研究学院）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
针对属性图模式演化缺乏系统化支持、人工定义变换难复用的问题，提出基于逻辑的GRAFT框架，将模式演化建模为原子编辑派生的可复用元变换，结合相似性搜索与剪枝保证可处理性，实验验证其能高效生成高质量、鲁棒的变换序列。
AI中文摘要：
属性图数据库被广泛用于表示复杂且不断演化的数据，但针对属性图模式演化的系统化支持仍然有限。在实际应用中，模式变换通常由人工定义，与特定应用场景耦合，难以在不同模式或演化场景间复用。我们提出GRAFT，这是一个基于逻辑的框架，将属性图模式演化建模为可复用、受顺序约束的元变换，这些元变换源自原子编辑操作。模式演化被表述为对有限元图的探索，其中节点为模式，边为实例化的元变换。为保证可处理性，GRAFT结合了相似性引导的搜索与剪枝策略，可确保无重复性、终止性和正确性。在4个基准及真实属性图模式演化场景上的实验评估表明，GRAFT能高效计算出高质量的模式变换序列。采用贪心探索策略时，GRAFT在大多数数据集上可精准到达目标模式，生成稳定的变换序列，同时保持较低的运行时间。针对真实数据集与合成大规模数据集的定性研究进一步证明，所得到的可复用元变换具备良好的质量与鲁棒性。
英文摘要：
Property graph databases are widely used to represent complex and evolving data, yet systematic support for property graph schema evolution remains limited. In practice, schema transformations are typically defined manually, coupled to specific application contexts, and difficult to reuse across schemas or evolution scenarios. We present GRAFT, a logic-based framework that models property graph schema evolution as reusable, order-constrained meta-transformations derived from atomic edits. Schema evolution is formulated as the exploration of a finite meta-graph with schemas as nodes and grounded meta-transformations as edges. To ensure tractability, GRAFT combines similarity-guided search and pruning, guaranteeing duplication-freeness, termination, and correctness. An experimental evaluation on four benchmark and real-world property graph schema evolution scenarios shows that GRAFT efficiently computes high-quality schema transformation sequences. Using greedy exploration, GRAFT reaches the exact target schema on most datasets, producing stable transformation sequences while keeping runtimes low. A qualitative study on both real-world and synthetic large-scale datasets further shows the quality and robustness of the obtained reusable meta-transformations.
