Responsibility Measures for Conjunctive Queries with Negation
Univ. Bordeaux, CNRS, Bordeaux INP（波尔多大学、法国国家科学研究中心、波尔多理工学院）
本文研究了如何为带有否定原子的联合 conjunctive 查询定义责任度量，提出两种方法并扩展了已有的单调查询度量。
2026-03-27 cs.DB
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
The Impact of Negation on the Complexity of the Shapley Value in Conjunctive Queries
Shapley值是一个传统的和充分研究的函数，用于确定合作博弈中参与者对联盟的贡献。在众多领域的应用中，最近有人提出使用Shapley值来量化元组对数据库查询结果的贡献。特别是，我们有一个透彻的理解的易处理边界的类的合取函数（CQ）和聚合函数在CQ。它也已经建立了一个易于处理的（随机）乘法近似存在于每个联盟的CQ。然而，所有这些结果都是基于CQ的单调性。在这项工作中，我们调查的含义否定的复杂性Shapley计算，在精确和近似的意义。我们推广了一个已知的二分法来解释否定的原子。我们还表明，否定从根本上改变了近似的复杂性。我们这样做是通过绘制一个连接到决定一个元组是否与查询“相关”的问题，并通过分析其复杂性。
2019-12-29 cs.DB
Boolean Tensor Decomposition for Conjunctive Queries with Negation
我们提出了一个算法，回答与否定的连接查询，其中否定关系有界度。它的数据复杂性匹配的最知名的算法的积极的子查询的输入查询，并表示在分数超树宽度和子模块宽度。查询的复杂性取决于否定子查询的结构;一般来说，它在否定关系中出现的连接变量的数量上是指数级的，但对于几类查询，它会变成多项式。该算法依赖于几个贡献。我们将展示如何重写查询否定的有界度关系到等价的合取查询与不全相等（NAE）的谓词，这是一个多维的模拟不平等（不平等）。然后，我们将已知的颜色编码技术推广到NAE谓词的连词，并通过NAE谓词的连词的布尔张量分解来解释它。这种分解可以通过一个可以有效去随机化的概率构造来实现。
2019-01-28 cs.DB cs.DM math.CO
Conjunctive Queries with Negation: Beyond Signed-Acyclicity
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
本文提出符号分数超树宽度度量，并设计变量消元算法，实现带否定合取查询的常数延迟枚举，推广了符号无环性。
2026-10-06 cs.DB cs.DS
A Common Ancestor of PDL, Conjunctive Queries, and Unary Negation First-order Logic
Univ. Bordeaux, CNRS, Bordeaux INP, LaBRI, UMR5800（波尔多大学）；Universidad de Buenos Aires, FCEN, DC & CONICET-UBA, ICC（布宜诺斯艾利斯大学）
本文研究了UCPDL+逻辑，其包含PDL扩展、连接查询和单目否定一阶逻辑，探讨了其表达能力、可满足性和模型检查问题。
2026-10-20 cs.DB cs.LO
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
Direct Access for Conjunctive Queries with Negations
Université d’Artois（阿图瓦大学）；Université de Lille（里尔大学）
本文研究了带有否定原子的联合查询的直接访问问题，通过电路类表示关系数据，证明了大规模联合查询的可处理性，统一了正负联合查询的可处理结果。
2026-03-10 cs.DB
Approximately Counting Answers to Conjunctive Queries with Disequalities and Negations
本研究对带不等式和否定的合取查询的答案计数近似问题进行了复杂性分类，给出了 FPTRAS 存在的充要条件（基于树宽或自适应宽度），并证明了在一般情形下无法达到 FPRAS，但无不等式和否定时对有界分数超树宽查询存在 FPRAS。
2024-03-04 cs.CC cs.DB cs.DM
Aggregate Queries on Sparse Databases
我们提出了一个代数框架，研究有效的算法查询评估，聚集，枚举，并在更新下，稀疏数据库的维护。我们的框架允许以统一的方式处理这些问题，通过考虑各种半环，这取决于所考虑的问题。作为一个具体的应用，我们提出了一个强大的查询语言扩展一阶逻辑的聚合在多个半环。我们得到一个最佳的算法计算稀疏数据库上的查询的答案。更准确地说，给定一个数据库从一个固定的类与有界的扩展，算法计算在线性时间的数据结构，它允许枚举的一组答案的查询，两个输出之间的恒定延迟。
2019-12-27 cs.DB cs.LO
Evaluating Datalog via Tree Automata and Cycluits
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。我们发现，cuber-frontier-guarded datastrine与分层否定（CFG-datastrine）享有双线性时间评估的结构有界树宽度的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。我们的结果是通过翻译交替双向自动机，其语义是通过循环起源电路（cycluits），可以追溯评估定义。
2019-05-29 cs.DB
Monotonic Properties of Completed Aggregates in Recursive Queries
在递归中使用聚合可以有效和可扩展地支持广泛的BigData算法，包括在图形应用程序，KDD应用程序和ML应用程序中使用的算法，这些算法在支持Datasheet或SQL的BigData系统中难以有效表达和支持。这些语言和系统的问题在于，为了避免递归中的非单调结构所产生的语义和计算问题，它们只允许相对于否定和聚合分层的程序。现在，虽然这种削弱限制对于否定是合理的，但对于聚合来说，它经常是不合理的，因为（i）聚合在集合包含的标准格中通常是单调的，（ii）PreM性质保证了递归中具有极值的程序等价于分层程序，其中极值用作后约束，以及（iii）计算可预测基数的事实集合上的任何聚集的任何程序都相当于分层程序，其中集合的基数的预先计算之后是递归规则仅使用单调构造的层。与（i）和（ii）在以前的文件中，本文侧重于（iii）使用的例子，具有很大的实际意义。对于这样的例子，我们提供了一个正式的语义，这是有利于通过众所周知的技术，如目前支持的大多数数据库和SQL3系统的半天真的定点的高效和可扩展的实现。
2019-10-20 cs.DB
PolyFit: Polynomial-based Indexing Approach for Fast Approximate Range Aggregate Queries
范围聚合查询在数据分析中有着广泛的应用。在某些用例中，如果近似结果可以快速计算并满足近似保证，则近似结果优于精确结果。受最近的索引方法的启发，我们提供了表示离散点数据集的连续函数，然后可以作为紧凑的索引结构的手段。更具体地说，我们开发了一种基于多项式的索引方法，称为PolyFit，用于处理近似范围聚合查询。PolyFit能够支持多种类型的范围聚合查询，包括范围、总和、最小和最大聚合，并保证绝对和相对误差范围。实验结果表明，PolyFit比现有的学习索引结构更快，更准确，更紧凑。
2021-02-10 cs.DB
Project-connex Decompositions and Tractability of Aggregate Group-by Conjunctive Queries
本文提出投影连接树宽作为半环聚合分组连接查询可处理性的统一度量，统一解释计数、枚举与聚合求值的可处理性结果，并证明其分解可由经典树分解算法得到。
2025-07-18 cs.DB
Aggregate Queries on Knowledge Graphs: Fast Approximation with Semantic-aware Sampling
知识图谱（KG）以模式灵活的方式将大规模和真实世界的事实作为大图来管理。聚合查询是对KG的基本查询，例如，“德国生产的汽车平均价格是多少？".尽管它的重要性，回答汇总查询幼儿园在文献中很少受到关注。聚合查询可以基于仿真查询来支持，例如，“查找德国生产的所有汽车”，通过对仿真查询的答案应用额外的聚合操作。然而，这种直接的方法是具有挑战性的，因为事实模拟查询处理的准确性和效率将严重影响聚合查询的性能。在本文中，我们提出了一个“抽样估计”模型来回答聚集查询KG，这是第一个工作，提供一个近似的聚集结果，有效的准确性保证，而不依赖于事实的查询。具体来说，我们首先提出了一个语义感知的采样收集高质量的随机样本，通过随机游走的基础上知识图谱嵌入。然后，我们提出了无偏估计量的平均值，SUM，和一致的估计AVG计算近似的聚合结果的基础上的随机样本，以置信区间的形式的准确性保证。我们扩展了我们的方法，以支持精度的迭代改进，以及使用过滤器，GROUP-BY和不同图形形状的更复杂的查询，例如，链条，循环，星星，花朵在真实世界的KG上进行的大量实验证明了我们方法的有效性和效率。
2022-03-09 cs.DB
Aggregate Skyline Join Queries: Skylines with Aggregate Operations over Multiple Relations
随着天际线查询的出现，多准则决策成为可能，并已在许多领域得到应用。虽然大多数现有的研究只关注一个关系，一些现实世界的应用需要找到多个关系的天际线记录集。因此，已经提出了在偏好对于每个关系是局部的天际线上的连接操作。然而，在许多情况下，连接通常涉及在来自不同关系的一些属性之间执行聚合操作。在本文中，我们介绍了这样的查询“聚合天际线连接查询”。由于天真的算法是不切实际的，我们提出了三种算法来有效地处理这样的查询。该算法利用天际线集的某些属性，并在计算连接之前尽可能多地在本地处理天际线。真实数据集和合成数据集的实验表明，相对于基数和维数的关系的算法的实用性和可扩展性。
2012-06-28 cs.DB
Learning Aggregate Queries Defined by First-Order Logic with Counting
本文研究超越布尔分类的多类整数分类问题，提出在拟线性时间内构建索引结构，实现FOC1可定义整数值分类器的高效学习。
2024-11-06 cs.DB cs.LO
Decidability of Equivalence of Aggregate Count-Distinct Queries
我们解决了计数不同的聚集查询的等价性问题，证明了该问题是可判定的，并且可以在多项式层次的第三层中判定。我们引入了带比较的合取查询的核心概念作为经典关系查询概念的扩展，证明了查询核心之间同构的存在是带比较的合取查询等价于经典关系设置的充分必要条件.然而，它不是计数不同查询等价的必要条件。我们引入了一个新的概念，这是一个潜在的新的查询等价于初始查询，引入捕获计数不同的操作符的行为的基础上放松这个条件。
2015-09-01 cs.DB
Avoiding Materialisation for Guarded Aggregate Queries
针对含多连接的聚合查询中间结果爆炸问题，提出基于受保护概念的逻辑与物理层优化技术避免连接结果物化，并在Spark SQL实现且经标准基准验证有效性。
2024-11-30 cs.DB
Efficient Lineage for SUM Aggregate Queries
人工智能系统通常基于对数据属性的聚合和特别是求和函数的计算（表示为查询）来做出决策并找到数据中的模式。当这些查询涉及整个数据或大部分数据时，这种计算可能会变得昂贵甚至低效，特别是当我们处理大数据时。新型的智能分析还需要解释为什么会发生某些事情。在本文中，我们提出了一种随机算法，构建了一个小的数据摘要，称为聚合血统，它可以很好地近似和解释所有的总和与大值的时间，只取决于它的大小。聚合世系的大小实际上与原始数据的大小无关。我们的算法不假设任何知识的总和查询集近似。
2014-06-09 cs.DB
Algorithms for Rewriting Aggregate Queries Using Views
在数据库应用程序中，涉及聚合的查询是典型的。优化聚合查询执行的主要思想之一是重用以前回答的查询结果。这导致了使用视图重写聚合查询的问题。由于缺乏理论，这个问题的算法相当特别。他们是健全的，但没有被证明是完整的。最近，我们给出了语法特征的等价性的聚合查询，并应用它们来决定是否存在重写。然而，这些决策程序并不适合于立即实施。在本文中，我们提出了实用的算法重写查询与$\COUNT$和$\SUM$。我们的算法是合理的。对于重要案件也是如此。我们的技术可以用来改善众所周知的程序重写非聚合查询。然后，这些过程可以适于获得用于用$\MIN$和$\MAX$重写查询的算法。提出的算法是实现优化器的基础，重写查询使用视图。
2000-11-17 cs.DB
Advancing Fact Attribution for Query Answering: Aggregate Queries and Novel Algorithms
本文提出基于Banzhaf和Shapley值的聚合查询事实归因方法，通过等价贡献分组和血统梯度优化，实现比现有技术快三个数量级的运行时性能。
2025-06-20 cs.DB
Provenance for Aggregate Queries
本文研究了聚合查询的起源信息。起源信息进行了研究，在各种查询语言的上下文中，不允许聚合，最近的工作建议捕捉起源注释不同的数据库元组的元素交换半环和传播的注释通过查询评估。我们发现，聚合查询带来了新的挑战，使这种方法不适用。因此，我们提出了一种新的方法，在那里我们不仅用元组而且用元组内的个体值来标注出处信息，使用出处来描述值计算。我们实现这种方法在一个具体的建设，首先是“简单”的查询，其中聚合运算符是最后一个应用，然后为任意（正）关系代数查询与聚合，后者的查询被证明是更具挑战性的，在这种情况下。最后，我们使用聚合编码查询的差异，并研究这种查询的出处注释数据库的语义。
2011-01-05 cs.DB
EAGr: Supporting Continuous Ego-centric Aggregate Queries over Large Dynamic Graphs
在这项工作中，我们提出了EAGr，一个系统，用于支持大量的连续邻域为基础的（“自我为中心”）聚合查询大，高度动态，快速发展的图形。这样的查询的示例包括社交网络中的个性化定制趋势的计算、金融交易网络中的异常/事件检测、时空网络中的本地搜索和警报，仅举几例。支持这种连续查询的关键挑战包括在这些情况下通常会看到的高更新率，需要同时执行的大量查询以及严格的低延迟要求。我们提出了一个灵活的，通用的，可扩展的内存框架，用于执行不同类型的以自我为中心的聚合查询在大型动态图与低延迟。我们的框架是围绕聚合覆盖图的概念构建的，聚合覆盖图是一种预编译的数据结构，它对接收到更新/查询时要执行的计算进行编码。覆盖图使得能够跨多个以自我为中心的查询（对应于图中的节点）共享部分聚合，并且还允许聚合的部分预计算以最小化查询延迟。我们提出了几个高度可扩展的技术，用于构建一个覆盖图的聚合功能，并设计增量算法处理底层图形的结构变化。我们还提出了一个最佳的，多项式时间的算法，使预先计算的决策覆盖图，并评估一种方法，以逐步适应这些决定的工作量的变化。虽然我们的方法是自然并行化，我们专注于一个单机部署，并表明我们的技术可以很容易地处理图形的大小高达3.2亿个节点和边缘，并实现更新/查询吞吐量超过500 K/s使用一个单一的，功能强大的机器。
2014-04-25 cs.DB
Multiresolution Cube Estimators for Sensor Network Aggregate Queries
在这项工作中，我们提出了在网络技术，以提高空间聚合查询的效率。这样的查询在sensornet环境中非常常见，需要更有针对性的处理技术。我们的方法构造和维护多分辨率立方体层次结构的网络，它可以构造在一个分布式的方式。如果发生故障，也可以通过网络内决策进行恢复。在本文中，我们演示了如何在网络立方体层次结构可以用来总结传感器数据，以及如何利用它们来提高空间聚合查询的效率。我们表明，我们的立方体摘要的查询计划，可以在多项式时间计算，我们提出了一个PTIME算法，选择的数据请求的最小数量，可以计算的答案空间查询。我们进一步扩展我们的算法来处理多个查询的优化，这也可以在多项式时间内完成。我们讨论了丰富的多维数据集层次结构与额外的摘要信息，并提出了一个算法的分布式多维数据集的建设。最后，我们调查节点和区域故障，和算法来恢复查询结果。
2010-07-22 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
NeuroDB: A Neural Network Framework for Answering Range Aggregate Queries and Beyond
范围聚集查询（RAQs）是许多实际应用中不可或缺的一部分，在这些应用中，通常需要查询的快速和近似答案。最近的工作已经研究了使用机器学习模型来回答RAQ，其中学习数据的模型来回答查询。然而，这样的建模选择未能利用任何查询特定信息。为了捕获这样的信息，我们观察到，可以由查询函数来表示RQ，查询函数是采用查询实例的函数（即，特定的RAQ）作为输入并输出其相应的答案。使用这种表示，我们制定了学习的问题，以近似的查询功能，并提出NeuroDB，查询专用的神经网络框架，有效地回答RAQs。NeuroDB是查询类型不可知的（即，它不对底层查询类型做出任何假设），并且我们关于查询可以由函数表示的观察结果并不特定于RQ。因此，我们研究NeuroDB是否可以用于其他查询类型，通过将其应用于最近邻查询的距离。我们的实验表明，NeuroDB优于国家的最先进的这种查询类型，往往由数量级。此外，使用了与用于RQ相同的神经网络架构，从而揭示了使用通用框架来有效地回答任何查询类型的可能性。
2021-07-10 cs.DB
Output-Optimal Algorithms for Join-Aggregate Queries
本文首次用自由连接分数超树宽度刻画无环连接-聚合查询的输出最优复杂度，证明半环算法的匹配上下界，实现了40年来对Yannakakis算法的首次多项式改进。
2025-03-12 cs.DB
Estimating Range Queries using Aggregate Data with Integrity Constraints: a Probabilistic Approach
只有在这种数据上的聚合信息的基础上恢复（计数和求和）多维数据范围查询的问题得到解决。这个问题可以形式化如下。假设使用从多维数据集产生汇总的变换T。现在，给定数据集D、摘要S=T（D）和D上的范围查询r，问题包括通过将r建模为在所有数据集D'的样本空间上定义的随机变量来研究r，使得T（D）= S。通过定义随机变量的概率分布并计算其均值和方差，对这种随机变量进行研究，代表了一种有理有据的理论概率方法，该方法仅基于可用信息（即汇总S）来估计查询，而无需对原始数据进行假设。
2005-01-14 cs.DB
Skew Handling in Aggregate Streaming Queries on GPUs
如今，数据库系统要处理的数据已经变得如此之大，以至于任何传统的集中式技术都是不够的。与此同时，基于GPU的通用计算（GPGPU）最近成功地引起了数据管理社区的关注，因为它能够以较小的成本实现显著的速度提升。高效的偏斜处理是并行查询中的一个众所周知的问题，与执行环境无关。在这项工作中，我们调查的问题，在GPU上的并行聚合查询的负载不平衡的解决方案是由偏斜的数据。我们提出了一个通用的负载平衡框架，以及几个实例，我们的实验评估。据我们所知，这是第一次尝试在GPU上为数据库操作提供运行时负载平衡技术。
2013-09-03 cs.DB cs.DC
NeuroSketch: Fast and Approximate Evaluation of Range Aggregate Queries with Neural Networks
针对范围聚合查询，提出NeuroSketch框架，通过建模查询而非数据训练神经网络，提供了依赖分布和查询的误差界限，并在速度和精度上显著优于现有技术。
2023-04-07 cs.DB
Quantifying Uncertainty in Aggregate Queries over Integrated Datasets
本文针对双表一对多数据集成工作流，提出一种基于二分图匹配的多项式时间算法，用于量化聚合查询结果的最大和最小不确定性范围，帮助用户在缺乏真实数据时指导匹配参数搜索。
2023-09-11 cs.DB
Overlay Indexes: Efficiently Supporting Aggregate Range Queries and Authenticated Data Structures in Off-the-Shelf Databases
商业现成的数据库管理系统（DBMS）经过高度优化，可以通过精心设计的索引和查询规划来处理各种查询。然而，许多聚合范围查询通常由DBMS使用顺序扫描来执行，并且根本不支持某些需求，例如存储认证的数据结构（ADS）。从理论上讲，这些需求可以有效地满足采用特定类型的索引，但通常排除在DBMS的设计。我们介绍了覆盖索引的概念：一个索引，这是要存储在一个标准的数据库中，与常规数据和常规软件管理，以补充DBMS的功能。我们展示了一个数据结构，我们称之为DB树，它实现了一个覆盖索引，以支持广泛的自定义聚合范围查询以及ADS，有效。所有DB树操作都可以通过对DBMS执行少量查询来执行，这些查询可以在一个或两个查询轮中并行发出，并且涉及对数数量的数据。我们实验评估DB树的效率表明，我们的方法是有效的，特别是如果数据更新是有限的。
2019-10-25 cs.CR cs.DB cs.DS
Approximate Aggregate Queries Under Additive Inequalities
Relational AI；University of California, Merced（加州大学默塞德分校）；Carnegie Mellon University（卡内基梅隆大学）；University of Pittsburgh（匹兹堡大学）
我们考虑的问题，评估某些类型的功能聚集查询的关系数据的加法不等式。这样的聚合查询，具有少量的加法不等式，在许多应用中，特别是在学习应用中自然/常见地出现。我们给出了一个相对完整的分类的计算复杂性这样的问题。我们首先证明了这个问题是NP-困难的，即使在一个加法不等式的情况下。因此，我们转向近似查询。我们的主要结果是一个有效的算法近似，任意小的相对误差，许多自然的聚集查询与一个加法不等式。我们给出的自然查询，可以有效地解决使用该算法的例子。相比之下，我们表明，两个加法不等式的情况是完全不同的，通过显示，它是NP-难的简单的聚合查询，两个加法不等式，任何有界的相对误差进行评估。
2020-04-30 cs.DB cs.DS cs.LG
Explaining Aggregates for Exploratory Analytics
University of Glasgow（格拉斯哥大学）；University of Warwick（华威大学）
希望探索多变量数据空间的分析师通常提出涉及选择运算符的查询，即，范围或半径查询，定义可能感兴趣的数据子空间，然后使用聚合函数，其结果确定其探索性分析兴趣。然而，这样的聚合查询（AQ）结果是简单的标量，因此，传达有限的信息查询的子空间进行探索性分析。我们解决这个缺点，帮助分析师探索和理解数据子空间，通过贡献一个新的解释机制创造XAXA：eXplaining聚合eXploratory分析。XAXA的新AQ解释表示使用三重联合优化问题获得的功能。假设通过统计学习模型获得的一组参数分段线性函数的形式。所提出的解决方案的一个关键特征是，模型训练只通过在线监视AQ及其答案来执行。在XAXA中，可以在没有任何数据库（DB）访问的情况下计算对未来AQ的解释，并且可以用于进一步探索查询的数据子空间，而无需向DB发出任何更多的查询。我们通过对真实世界和合成数据集和查询工作负载的理论基础指标来评估XAXA的解释准确性和效率。
2020-03-12 cs.DB cs.LG
Controlling the Correctness of Aggregation Operations During Sessions of Interactive Analytic Queries
我们提出了一套全面的条件和规则，以控制聚合查询的正确性在一个交互式的数据分析会话。目标是扩展自助服务数据准备和BI工具，以自动检测对分析表和视图的语义不正确的聚合查询，这些分析表和视图是使用常见的分析操作（包括筛选、投影、连接、聚合、合并、差异和透视）构建的。我们引入可聚合属性来描述分析表的任何属性，其中聚合函数正确地聚合属性沿着哪些维度属性集。这些属性也可以用来正式地标识属性，这些属性可以根据一组给定的维度属性中的某个聚合函数进行汇总。这对于检测通过使用非分布聚合函数（如average和count）获得的测量值的不正确聚合特别有用。我们通过引入一个新的广义可概括性条件来控制任何分析操作后的属性聚合，从而扩展了可概括性的概念。最后，我们定义传播规则，将查询输入表的可聚合属性转换为结果表的新的可聚合属性，保持概括性和广义概括性。
2021-12-06 cs.DB
ProvQML: Efficient Provenance Capture for Machine Learning as Recursive Aggregate SQL [Extended Version]
University of Cincinnati（辛辛那提大学）
针对现有系统无法支持机器学习溯源捕获的问题，提出ProvQML引擎，可在将ML算法评估为递归聚合SQL时高效捕获局部与全局两类溯源，经实验验证其有效性。
2026-10-12 cs.DB
Tractability Frontiers of the Shapley Value for Aggregate Conjunctive Queries
研究聚合合取查询中元组Shapley值的计算复杂度，为min、max、average等聚合函数识别出最大可处理分层CQ类，揭示各聚合函数对应分层CQ从布尔到非布尔查询的不同推广。
2025-09-16 cs.DB
Provenance of HAVING Queries in Semirings with Monus
Univ. Grenoble Alpes, CNRS, Grenoble INP, LIG, France（格勒诺布尔阿尔卑斯大学）；National University of Singapore, Singapore（新加坡国立大学）；DI ENS, ENS, CNRS, PSL University, Inria, Paris, France（巴黎高等师范学院）；IPAL, Singapore（国际先进研究院）
本研究在带 monus 的交换 semiring 中为含聚合条件（如 HAVING COUNT(*)）的查询定义了溯源语义，无需额外算子，并证明其与无聚合重写的标准溯源一致，且在 ProvSQL 中实现，性能可行。
2026-09-28 cs.DB
Direct Access for Answers to Conjunctive Queries with Aggregation
Technion – Israel Institute of Technology（以色列理工学院）；Inria, LIRMM, University of Montpellier, CNRS（法国国家信息与自动化研究所，拉格朗日数学与计算实验室，蒙彼利埃大学，法国国家科学研究中心）
研究了带有分组和聚合的联接查询的细粒度复杂性，提出在对数线性时间内构造数据结构，实现按字典序快速访问答案，并分析了聚合函数对查询复杂性的影响。
2026-04-19 cs.DB cs.DS cs.LO
Query Evaluation in P2P Systems of Taxonomy-based Sources: Algorithms, Complexity, and Optimizations
在这项研究中，我们解决的问题，回答查询的对等系统的分类为基础的来源。分类法陈述了项的无负DNF公式和项的无负合取之间的包容关系。为了奠定我们研究的基础，我们首先考虑集中的情况下，得出的决策问题和查询评估的复杂性。最后，我们提出了一个算法，是有效的数据的复杂性，是基于超图。更多的表现形式的分类也进行了研究，但导致棘手。然后，我们转移到分布式的情况下，并介绍了一个基于分类的源网络的逻辑模型。在这样的网络上，集中式算法的分布式版本，然后提出的消息传递范式的基础上，并证明其正确性。最后，我们讨论优化问题，并与我们的工作的文献。
2007-09-19 cs.DB cs.DC cs.DS
Consistent query answers on numerical databases under aggregate constraints
研究了从违反数值型数据完整性约束的关系数据库中提取一致性信息的问题。特别是，聚合约束定义为线性不等式聚合和查询输入数据被认为是。利用的概念，在属性值水平的一致的更新集的修复，并提供了几个复杂的问题，修复数据和计算一致的查询答案的表征。
2005-05-23 cs.DB
Spatial Aggregation: Data Model and Implementation
地理信息系统（GIS）中的数据聚合在当今的商业系统中仅少量存在，主要是通过临时解决方案。在本文中，我们首先提出了一个正式的模型表示空间数据。该模型将地理数据和GIS外部数据仓库中包含的信息集成在一起。我们定义的几何聚合的概念，在GIS设置聚合查询的一般框架。我们还确定了类的可求和查询，这可以有效地评估通过预先计算覆盖的两个或两个以上的主题层中涉及的查询。我们还勾画了一个语言，表示GISOLAP-QL，表达查询，涉及GIS和OLAP功能。此外，我们介绍了Piet，我们的建议的实现，利用覆盖预计算回答空间查询（聚合或不）。我们的实验评估表明，对于某一类几何查询有或没有聚集，覆盖预计算优于R-树为基础的技术。最后，作为我们的建议的一个特定的应用，我们研究拓扑查询。
2007-07-29 cs.DB
On Efficient Approximate Aggregate Nearest Neighbor Queries over Learned Representations
The University of Hong Kong（香港大学）；CNRS, Univ. Grenoble Alpes（法国国家科学研究中心，格勒诺布尔阿尔卑斯大学）；The University of British Columbia（不列颠哥伦比亚大学）
本文提出SPRinT框架，通过结合高质量和低成本表示，高效近似聚合最近邻查询，实现低误差和低计算成本。
2026-01-05 cs.DB cs.DS cs.IR
Equivalence of SQL Queries in Presence of Embedded Dependencies
我们考虑的问题，找到等价的最小尺寸的SQL查询中存在嵌入的依赖关系的重构[1]。我们的重点是选择项目连接（SPJ）查询与平等的比较，也被称为安全的合取（CQ）查询，可能与分组和聚合。对于SPJ查询，SQL标准的语义将查询答案视为多集（也称为bags），而所存储的关系可以被视为集合，这被称为用于查询评估的bag-set语义，或者被视为bags，这被称为bag语义。（在集合语义下，查询答案和存储的关系都被视为集合。在上述查询重构问题的背景下，我们开发了一个全面的框架，用于在包和包集语义下存在嵌入式依赖关系的CQ查询的等价性，并做出了一些概念和技术上的贡献。具体来说，我们在包和包集语义下存在任意嵌入依赖集的CQ查询的等价性测试，条件是输入上的集语义（set-chase）下的chase [9]终止。我们还提出了等价性测试的聚合CQ查询存在嵌入式依赖关系。我们使用我们的等价性测试开发健全和完整的（每当集追逐的输入终止）的算法，用于解决的实例的查询重构问题的CQ查询下的每个袋和袋集语义，以及聚合查询的问题的实例。
2009-06-26 cs.DB
Memory-Efficient Group-by Aggregates over Multi-Way Joins
关系数据库中的聚合计算一直使用标准的一元聚合和二元连接运算符来完成。这些实现了经典的模型，每次计算两个关系之间的连接，具体化中间结果，然后继续进行基于排序或基于哈希的聚合计算以获得最终结果。然而，这种方法在低选择性连接的情况下可能是非常次优的，并且通常最终生成大量的中间结果，即使所涉及的关系以及最终结果集本身非常小。此外，许多计算的中间结果可能永远不会成为最终结果的一部分。在本文中，我们提出了一种新的聚合查询处理技术，利用图数据结构对有效地回答聚合查询连接，而不物化中间连接结果。我们将此技术包装在一个名为JOIN-AGG的多路复合数据库操作符中，该操作符结合了Join和Aggregation。我们提供了一个通用的框架，用于执行聚合查询任意非循环连接，涉及任何数量的组的属性从任何关系。我们还对真实世界和合成数据集进行了全面的实验评估。我们的实验表明，我们的运营商可以实现数量级较低的查询时间和内存需求相比，传统的方法，即使在数据库系统之外实现。
2019-06-17 cs.DB
Functional Aggregate Queries with Additive Inequalities
relational AI（关系人工智能公司）；Carnegie Mellon University（卡内基梅隆大学）；University of Michigan（密歇根大学）；University of Zurich（苏黎世大学）；University of Washington（华盛顿大学）
受数据库和关系机器学习中的基本应用的启发，我们制定和研究回答功能性聚集查询（FAQ）的问题，其中一些输入因素定义的变量之间的加法不等式的集合。我们将这些查询简称为FAQ-AI。为了在布尔半环中回答FAQ-AI问题，我们定义了松弛树分解和松弛子模超树宽度参数以及分数超树宽度参数。我们表明，扩展的InsideOut算法使用Chazelle的几何数据结构解决半群范围搜索问题，可以回答布尔FAQ-AI在这些新的宽度参数的时间。这种新算法比FAQ-AI的已知解决方案实现了更低的复杂度。它还恢复了一些已知的数据库查询回答的结果。我们的第二个贡献是一个放松的集合的polymatroids，从而产生了计数版本的子模的宽度，表示为#subw。这个新的宽度夹在子模超树宽度和分数超树宽度之间。一个半环上的任何FAQ和FAQ-AI都可以在与#subw和分别与#subw的松弛版本成比例的时间内回答。我们提出了FAQ-AI框架在关系机器学习中的三个应用：k均值聚类，训练线性支持向量机，以及使用非多项式损失训练模型。这些优化问题可以在数据库上渐近地比计算数据库关系的连接更快地解决。
2020-09-15 cs.DB cs.DS cs.IT
The Dichotomy of Evaluating Homomorphism-Closed Queries on Probabilistic Graphs
本文针对概率图上的同态封闭查询，证明了无界查询的评估是#P难的，并结合有界查询的已有分类，给出了完整的数据复杂度二分类，涵盖多种查询片段。
2022-01-06 cs.CC cs.DB cs.DS
On Top-$k$ Weighted SUM Aggregate Nearest and Farthest Neighbors in the $L_1$ Plane
本文研究了在平面$L_1$度量下，使用加权SUM算子的top-$k$聚集（或组）最近邻查询。给定$n$点的集合$P$，对于由$m$加权点的集合$Q$和整数$k$组成的任何查询，$ 1 \le k \le n$，顶部$k$聚合最近邻查询要求$P$的$k$点，其到$Q$的聚合距离最小，其中$P$的每个点$p$到$Q$的聚合距离是从$p$到$Q$的所有点的加权距离之和。我们在$O(n\log n \log\log n)$时间内构建了一个$O(n\log n\log\log n)$大小的数据结构，这样每个top-$k$查询都可以在$O(m\log m+(k+m)\log^2 n)$时间内得到回答.我们也得到了其他的结果与预处理和查询之间的权衡。即使对于$k=1$的特殊情况，我们的结果也优于以前最好的方法（在PODS 2012中），它需要$O(n\log^2 n)$预处理时间，$O(n\log^2 n)$空间和$O(m^2\log^3 n)$查询时间。此外，对于这个问题的一维版本，我们的方法可以建立一个$O(n)$大小的数据结构，在$O(n\log n)$时间，可以支持$O(\min\{k,\log m\}\cdot m+k+\log n)$时间查询。此外，我们将我们的技术扩展到顶部- $k$聚合最远邻居查询，具有相同的界限。
2014-11-29 cs.CG cs.DB cs.DS
Adaptive Learning of Aggregate Analytics under Dynamic Workloads
University of Glasgow（格拉斯哥大学）；University of Warwick（华威大学）
大型组织已经将数据驱动的决策无缝地纳入其运营中。然而，随着数据量的增加，昂贵的大数据基础设施需要拯救。在这种情况下，分析任务在云部署中的查询响应时间、资源消耗和金钱方面变得非常昂贵，特别是当基础数据存储在地理上分布式的数据中心时。因此，我们引入了一种自适应机器学习机制，该机制是轻量级的，存储在客户端，可以估计各种聚合查询的答案，并且可以避免大数据后端。在毫秒内执行的估计是廉价和准确的，因为该机制从过去的分析查询模式中学习。然而，由于分析查询是临时的，分析师的兴趣随着时间的推移而变化，我们开发的解决方案可以快速准确地检测到这种变化，并适应新的查询模式。使用真实和合成数据集进行广泛评估，证明了我们方法的能力。
2020-03-14 cs.DB cs.LG
Combining Aggregation and Sampling (Nearly) Optimally for Approximate Query Processing
基于样本的近似查询处理（AQP）有许多缺陷，如无法回答非常有选择性的查询和不可靠的置信区间时，样本量很小。最近的研究提出了一种有趣的解决方案，将物化的，预先计算的聚合物与采样相结合，以获得准确和更可靠的AQP。我们在这项工作中详细探索了这个解决方案，并提出了一个AQP物理设计，称为PASS，或预计算辅助分层采样。PASS构建一个部分聚合树，覆盖数据集的不同分区。该树的叶节点形成分层样本的层。其谓词与分区（或分区的并集）对齐的聚合查询用深度优先搜索精确地回答，并且任何部分重叠用分层样本近似。我们提出了一种算法，用于最佳地划分到这样的数据结构与各种实用的近似技术的数据。
2021-03-29 cs.DB
Aggregation Languages for Moving Object and Places of Interest Data
我们解决聚集查询GIS数据和移动对象数据，其中非空间数据存储在一个数据仓库。我们提出了一个形式化的数据模型和查询语言来表达复杂的聚集查询。接下来，我们研究压缩的轨迹数据，产生的移动对象，使用停止和移动的概念。我们表明，停止和移动是可表达的，在我们的查询语言，我们认为这种语言的一个片段，由正则表达式来谈论时间顺序的停止和移动的序列。该片段可用于有效地表达轨迹数据上的数据采掘和模式匹配任务。
2007-08-20 cs.DB
GeoBlocks: A Query-Cache Accelerated Data Structure for Spatial Aggregation over Polygons
由于城市中的个人交通和公共交通正在发生变化，城市当局需要分析城市地理空间数据，以改善交通和基础设施。为此，它们高度依赖于从点数据提取汇总信息的空间聚合查询（例如，Uber乘车）包含在给定多边形区域中（例如，一个城市附近）。为了支持这样的查询，当前的分析工具要么只允许在预定义的区域上进行预定义的聚合，因此不适合探索性分析，要么访问原始数据以实时计算聚合结果，这严重限制了交互性。与此同时，现有的预聚合技术是不够的，因为它们保持在矩形区域的聚合。因此，当应用于任意多边形区域时，它们会引起无法有界的近似误差。在本文中，我们介绍了GeoBlocks，这是一种新型的预聚合数据结构，支持任意多边形的空间聚合。GeoBlocks使用一组细粒度的网格单元来近似多边形，与之前的工作相比，它允许通过调整单元大小来限制近似误差。此外，GeoBlocks采用类似trie的缓存，缓存频繁查询区域的聚合结果，从而动态适应查询工作负载中固有的偏斜，并随着时间的推移提高性能。总之，GeoBlocks的性能比动态聚合高出三个数量级，实现了交互式探索性分析所需的亚秒级查询延迟。
2021-03-16 cs.DB
Consensus Answers for Queries over Probabilistic Databases
我们解决的问题，找到一个“最好的”确定性查询答案的查询概率数据库。为此，我们提出了共识世界（或共识答案）的概念，这是一个确定性世界（答案），它最小化了到可能世界（答案）的预期距离。这个问题可以看作是一个推广的研究不一致的信息聚合问题（如排名聚合）的概率数据库。我们认为这个问题的各种类型的查询，包括SPJ查询，\Topk查询，分组聚合查询，聚类。对于不同的距离度量，我们得到多项式时间最优或近似算法计算的共识答案（或证明NP-硬度）。我们的大部分结果是一个一般的概率数据库模型，称为{ \em和/XOR树模型}，显着推广以前的概率数据库模型，如x-元组和块独立的不相交模型，是独立的兴趣。
2008-12-10 cs.DB
