使用深度生成模型的近似查询处理
数据库
2019-11-20 v3 机器学习
摘要
数据的产生速度前所未有，超越了我们的分析能力。数据库社区开创了许多用于近似查询处理的新颖技术，这些技术能在计算精确结果所需时间的一小部分内给出近似结果。在这项工作中，我们探索了使用深度学习来回答聚合查询，特别是针对数据探索和可视化等交互式应用。我们使用深度生成模型这一基于无监督学习的方法，忠实地学习数据分布，从而可以通过从学习到的模型中生成样本来近似回答聚合查询。该模型通常是紧凑的——仅几百 KB——因此无需联系数据库服务器即可在客户端回答任意 AQP 查询。我们的其他贡献包括识别模型偏差并通过基于拒绝采样的方法将其最小化，以及一种为 AQP 构建模型集成以提高准确性的算法。我们的大量实验表明，我们提出的方法能以高准确率和低延迟提供答案。
引用
@article{arxiv.1903.10000,
title = {Approximate Query Processing using Deep Generative Models},
author = {Saravanan Thirumuruganathan and Shohedul Hasan and Nick Koudas and Gautam Das},
journal= {arXiv preprint arXiv:1903.10000},
year = {2019}
}
备注
Accepted to ICDE 2020 as "Approximate Query Processing for Data Exploration using Deep Generative Models"