基于标准关系数据库管理系统的近似提升推理中的解离与传播
摘要
大规模数据集上的概率推理是一个具有挑战性的数据管理问题，因为精确推理通常是#P-难的，目前大多采用基于采样的方法进行近似求解。本文提出了一种利用标准关系数据库近似评估合取查询的替代方法：在我们的方法中，每个查询完全在数据库引擎内通过评估固定数量的查询计划来进行评估，每个计划提供真实概率的一个上界，然后取这些上界的最小值。我们提供了一种算法，该算法利用重要的模式信息，仅枚举所有可能计划中必要的最小计划集。重要的是，该算法是所有已知 PTIME 无自连接合取查询的严格推广：当且仅当我们的算法返回单个计划时，该查询属于 PTIME。此外，我们的方法是将一类高效的图排序方法推广到超图。我们还调整了三种关系查询优化技术，以非常快速地评估所有必要的计划。我们对我们的方法进行了详细的实验评估，并在此过程中提供了一种思考概率方法相对于非概率方法在查询答案排序中价值的新视角。我们还指出，本文开发的技术可直接应用于统计关系模型的提升推理，因为提升推理对应于概率数据库中的 PTIME 计划。
引用
@article{arxiv.1310.6257,
title = {Dissociation and Propagation for Approximate Lifted Inference with Standard Relational Database Management Systems},
author = {Wolfgang Gatterbauer and Dan Suciu},
journal= {arXiv preprint arXiv:1310.6257},
year = {2016}
}
备注
33 pages, 27 figures, pre-print for VLDBJ full version of arXiv:1412.1069 [PVLDB 8(5):629-640, 2015: "Approximate lifted inference with probabilistic databases", http://www.vldb.org/pvldb/vol8/p629-gatterbauer.pdf ]. Former working title: "Dissociation and Propagation for Efficient Query Evaluation over Probabilistic Databases"