健壮且自适应的学习型近似查询处理方法研究OACSTPCD
Research on Robust and Adaptive Learned Approximate Query-Processing Method
由于在大规模数据集上执行精确查询耗时较长,因此近似查询处理(AQP)技术常被用于在线分析处理,目的是以较短的交互延迟返回查询结果,并尽可能地降低查询误差.现有的学习型AQP方法与底层数据解耦,将I/O密集型计算转化为CPU密集型计算,但是由于计算资源的限制,该类方法通常基于随机的数据样本进行模型训练,此类训练数据会引起稀有群组缺失问题,导致模型预测准确性不高.针对上述问题,提出一种基于分层样本学习的混合型和积网络模型,并基于该模型设计一种AQP框…查看全部>>
Owing to the significant latency of exact queries on large-scale datasets,Approximate Query-Processing(AQP)techniques are typically applied to online analytical processing to return query results within interactive timescales with minimal error.The existing learning-based AQP methods decouple the underlying data and convert I/O-intensive calculations into CPU-intensive calculations.However,because of the limitations of computing resources,model training is t…查看全部>>
乔艺萌;荆一楠;张寒冰
复旦大学软件学院,上海 200441复旦大学计算机科学技术学院,上海 200433复旦大学计算机科学技术学院,上海 200433
计算机与自动化
近似查询处理和积网络分层抽样数据偏移自适应更新
Approximate Query-Processing(AQP)Sum-Product Networks(SPN)stratified samplingdata shiftadaptive update
《计算机工程》 2024 (1)
时空数据复杂查询的近似处理方法研究
30-38,9
国家自然科学基金(62072113).
评论