Answer Sets for Consistent Query Answering in Inconsistent Databases
如果一个关系数据库不满足给定的完整性约束集，那么它就是不一致的。然而，其中的大部分数据很可能符合限制条件。在本文中，我们应用逻辑规划的基础上回答集的问题，从一个可能不一致的数据库检索一致的信息。由于一致的信息持续从原始数据库的每一个最小的维修，该方法是基于一个规范的数据库修复使用析取逻辑程序与异常，其答案集语义可以表示和计算的系统，实现稳定的模型语义。这些程序允许我们通过默认值声明持久性，并通过异常来修复更改。我们主要集中在二进制完整性约束的逻辑程序，其中，我们发现在实践中发现的完整性约束。
2002-07-26 cs.DB
Efficient RDF Graph Storage based on Reinforcement Learning
知识图谱是人工智能的重要基石。各领域大规模知识图谱的构建和发布，对知识图谱数据管理提出了新的挑战。关系数据库由于其成熟性和稳定性，也适合RDF数据存储。然而，RDF图的复杂结构给RDF图在关系数据库中的存储结构设计带来了挑战。针对这一难题，采用强化学习（RL）优化基于关系数据库的RDF图存储分区方法。将图存储转化为马尔可夫决策过程，提出了用于图存储设计的强化学习算法。为了有效的基于RL的存储设计，我们提出了RDF表的数据特征提取方法和模型训练过程中的查询重写优先级策略。大量的实验结果表明，我们的方法优于现有的RDF存储设计方法。
2020-10-22 cs.DB
Querying Inconsistent Prioritized Data with ORBITS: Algorithms, Implementation, and Experiments
CNRS & University of Bordeaux, France（法国国家科学研究中心与波尔多大学）；DI ENS, ENS, CNRS, PSL University & Inria, Paris, France（巴黎高等师范学院（ENS）、法国国家科学研究中心（CNRS）、巴黎-萨克雷大学（PSL University）与国家信息与自动化技术研究院（Inria））
本文研究了在优先级知识库上容忍不一致的查询回答算法，探讨了三种基于最优修复的语义，并提出了针对一般优先级关系的SAT编码，通过不同SAT求解器推理模式计算答案。
2026-04-30 cs.AI cs.DB cs.LO
Unambiguous Prioritized Repairing of Databases
在其传统定义中，不一致数据库的修复是以“最小方式”区别于不一致数据库的一致数据库。通常情况下，修复并不同样合法，因为人们希望选择一个而不是另一个;例如，一个事实被认为比另一个更可靠，或者一个最近的事实应该优先于一个早期的事实。出于这些考虑，研究人员已经介绍和调查的框架，首选的修复，在否认约束和子集修复的背景下。在那里，事实之间的优先级关系被提升到一致数据库之间的优先级关系，并且修复被限制在提升意义上最优的修复。提出了三种提升（和最优修复）的概念：帕累托，全局和完成。在本文中，我们调查的复杂性，决定是否有足够的优先级关系，以明确地清理数据库，或者换句话说，是否正好有一个最佳的修复。我们表明，不同的提升语义带来了高度不同的复杂性。在帕累托最优性下，对于每一组函数依赖（FD），除了（等价于）每个关系一个FD的易处理的情况外，该问题在数据复杂度上是coNP完全的。在全局最优性条件下，每个关系只有一个FD仍然是容易处理的，但是我们建立了具有两个FD的关系的$Π^{p}_{2}$ -完全性。相反，在完备最优性下，对于每一组FD，问题在多项式时间内都是可解的。事实上，我们提出了一个多项式时间算法的任意冲突超图。我们进一步表明，在一般假设的传递性，该算法解决了问题，甚至为全局最优。该算法非常简单，但其正确性的证明是相当复杂的。
2016-03-06 cs.DB
SEMA-SQL: Beyond Traditional Relational Querying with Large Language Models
Alibaba Group（阿里巴巴集团）；University of Michigan（密歇根大学）
SEMA-SQL通过结合关系操作与LLM语义推理，自动回答自然语言问题，提升查询能力。
2026-05-14 cs.DB
An improved method of delta summation for faster current value selection across filtered subsets of interval and temporal relational data
关系数据库中的聚合是通过对区间数据进行散列和排序来实现的，这在计算上是昂贵的，并且随着数据量的增长而扩展性很差。在本文中，我们展示了如何定量的间隔和时间序列数据的关系属性可以表示使用增量汇总值，而不是绝对值。不需要排序来确定与某个最大时间戳相对应的行，从而将时间复杂度从至少O（n log（n））降低到O（n），并改善查询执行时间。我们说明了这种新的方法在关系代数，目前的实现算法，并测试实施在两个领先的RDBMS产品对正常的等价物的使用。我们发现这种增量求和技术对于具有附加值的数字数据的用例最有效，这些数据需要经常获得最新值，并且行基数在10^5的数量级。我们的实验发现，所提出的新增量求和技术可以比等效的标准选择方法快22.4%，在某些情况下将整体查询成本降低24.0%，将I/O负载降低60.6%，但是增加了写操作的查询成本，增加了CPU时间和内存分配，性能不确定，基数很低或很高，不同RDBMS平台上的结果不一致。
2022-11-10 cs.DB
A Fair Benchmarking of Deep Relational Database Learning Models
Department of Computer Science（计算机科学系）；Tennessee State University（田纳西州立大学）；SAP AI Research and Innovation（SAP人工智能研究与创新）；SAP Labs（SAP实验室）
研究针对关系数据库深度学习方法实验协议不一致问题，通过在五个关系数据库上进行系统基准测试，重构模型确保实验一致性，发现关系变压器方法性能最佳，多表学习有优势但高跳数收益递减。
2026-07-07 cs.AI cs.DB
Verifying Text Summaries of Relational Data Sets
我们提出了一种新的自然语言查询接口，Aggestive，旨在文本摘要的关系数据集。该工具专注于将自然语言声明转换为SQL查询和声明的查询结果。与拼写检查器类似，Aggestive标记出似乎与实际数据不一致的文本段落。系统的核心是一个概率模型，它以整体的方式对输入文档进行推理。基于声明关键字和文档结构，它将每个文本声明映射到相关查询翻译的概率分布。通过有效地执行典型输入文档的数万到数十万个候选翻译，系统将文本声明映射到正确性概率。这个过程通过专门的处理后端变得实用，通过查询合并和结果缓存避免了冗余工作。核查是一个互动过程，向用户显示初步结果，使他们能够在必要时采取纠正行动。我们的系统进行了测试，一组53个公共文章，包含392个索赔。我们的测试案例包括来自主要报纸的文章，调查结果的摘要和维基百科的文章。我们的工具在大约三分之一的测试案例中发现了错误的声明。一项详细的用户研究表明，与通用SQL接口相比，使用我们工具的用户在检查文本摘要时平均快六倍。在全自动验证中，我们的工具比自然语言查询界面和事实检查领域的基线实现了更高的召回率和准确率。
2018-08-30 cs.DB cs.IR
Using ASP(Q) to Handle Inconsistent Prioritized Data
Univ. Bordeaux, CNRS, Bordeaux INP, LaBRI, UMR 5800（波尔多大学、国家科学研究中心、波尔多INP、LaBRI、UMR 5800）；DI ENS, ENS, CNRS, PSL University & Inria（ENS DI、巴黎高等师范学校、国家科学研究中心、巴黎综合理工学院与Inria）；University of Calabria, Rende, Italy（卡拉布里亚大学、意大利雷内）
本文探讨了利用ASP及其扩展ASP(Q)处理优先级数据中的不一致性，通过优先关系定义三种最优修复方法，并评估了不同语义和编码的可行性与影响。
2026-04-23 cs.AI cs.DB cs.LO
Database Repairs and Analytic Tableaux
在这篇文章中，我们的特点是在分析tableaux不一致的关系数据库，即不满足一组给定的完整性约束的数据库的修复。为此，我们提供了为数据库实例及其完整性约束构建的表中分支的关闭和打开条件。我们使用基于表格的表征作为一致的查询回答的基础，即从数据库中检索查询的答案是一致的wrt的完整性约束。
2002-11-29 cs.DB cs.LO
Querying and Repairing Inconsistent Prioritized Knowledge Bases: Complexity Analysis and Links with Abstract Argumentation
CNRS & University of Bordeaux, France（法国国家科学研究中心与波尔多大学）；DI ENS, ENS, CNRS, PSL University & Inria, Paris, France（巴黎高等师范学院（ENS）、法国国家科学研究中心（CNRS）、巴黎萨克雷大学（PSL University）与法国国家信息与自动化研究所（Inria））
本文研究优先知识库中不一致性处理问题，定义了全局、帕累托和完成最优修复，分析了基于这些修复的查询蕴含、唯一最优修复存在性及枚举的数据复杂度，并揭示了最优修复与抽象论证框架扩展之间的关系。
2026-07-07 cs.AI cs.DB cs.LO
Computational Complexity of Preferred Subset Repairs on Data-Graphs
University of Sheffield（谢菲尔德大学）；Instituto de Ciencias de la Computación（计算机科学研究所）；Universidad de Buenos Aires（布宜诺斯艾利斯大学）；Artificial Intelligence Research Institute（人工智能研究所）
本文研究图数据库上基于子集修复的偏好标准，提出权重、多重集和优先级方法，证明计算复杂度不变，并给出一致查询回答的紧致上下界。
2024-05-27 cs.AI cs.DB cs.LO
Inconsistency Handling in Prioritized Databases with Universal Constraints: Complexity Analysis and Links with Active Integrity Constraints
CNRS, University of Bordeaux, Bordeaux INP, LaBRI, Talence, France（法国国家科学研究中心、波尔多大学、波尔多INP、LaBRI、塔勒朗）；DI ENS, ENS, CNRS, PSL University & Inria, Paris, France（巴黎高等师范学院DI系、巴黎高等师范学院、法国国家科学研究中心、巴黎文理研究学院及Inria、巴黎法国）
本文研究带通用约束的优先级数据库的不一致性问题，将对称差修复和二元优先级关系扩展至更丰富设定，分析其计算复杂性，并证明其帕累托最优修复与主动完整性约束框架下的修复概念存在对应关系。
2025-09-11 cs.AI cs.DB cs.LO
