一种从数据与查询联合学习的基数估计统一深度模型
数据库
2021-07-28 v1 机器学习
摘要
基数估计是数据库系统中的一个基本问题。为捕捉关系表的丰富联合数据分布，现有工作大多或将数据作为无监督信息，或将查询负载作为监督信息。极少有工作同时使用这两类信息，且无法充分利用两类信息来学习联合数据分布。本文旨在通过提出一种新的统一深度自回归模型UAE，从数据和查询负载中学习联合数据分布，从而弥合数据驱动与查询驱动方法之间的差距。首先，为使深度自回归模型能使用监督查询信息，我们基于Gumbel-Softmax技巧开发了可微分渐进采样。其次，UAE能够在单一模型中利用两类信息学习联合数据分布。综合实验结果表明，UAE在尾部达到个位数乘法误差，较SOTA方法具有更高精度，且在空间和时间上均高效。
引用
@article{arxiv.2107.12295,
title = {A Unified Deep Model of Learning from both Data and Queries for Cardinality Estimation},
author = {Peizhi Wu and Gao Cong},
journal= {arXiv preprint arXiv:2107.12295},
year = {2021}
}
备注
14 pages, SIGMOD 2021