Orion：在面向超异构图的可视化查询构建器中提供建议
数据库
2016-08-19 v2
摘要
数据库界早已认识到图形查询界面对于数据管理系统可用性的重要性。然而，相关的工作相对较少。我们提出Orion，一个用于查询超异构图的可视化界面。它通过机器学习方法提出建议，迭代地辅助用户构建查询图。在其主动模式中，Orion自动建议要添加到查询图中的前k条边。在其被动模式中，用户手动添加新边，Orion建议该边的排序标签列表。Orion的边排序算法随机决策路径（RDP）利用查询日志，根据候选边匹配用户查询意图的可能性对其进行排序。使用Freebase进行的广泛用户研究表明，Orion用户在构建复杂查询图时的成功率为70%，相比类似于现有可视化查询构建器的基线系统用户的58%成功率有显著提升。此外，仅使用主动模式，将RDP算法与采用其他机器学习算法（如随机森林和朴素贝叶斯分类器）的几种方法，以及类关联规则和基于奇异值分解的推荐系统进行了比较。平均而言，RDP需要40条建议才能正确达到目标查询图（仅使用其主动建议模式），而其他方法需要的建议数量是其1.5至4倍。
引用
@article{arxiv.1605.06856,
title = {Orion: Enabling Suggestions in a Visual Query Builder for Ultra-Heterogeneous Graphs},
author = {Nandish Jayaram and Rohit Bhoopalam and Chengkai Li and Vassilis Athitsos},
journal= {arXiv preprint arXiv:1605.06856},
year = {2016}
}
备注
This version is just to correct the title with a missing space