Nov, 2015

大规模知识图谱的基于列的 Datalog 实体化 (扩展技术报告)

PDF
TL;DR本文介绍了一种新的 Datalog 推理物化方法，将基于列的内存布局与避免运行时冗余推理的新型优化方法相结合，进一步提高了效率，并通过有预测性的缓存某些子查询，实现了在受限资源下甚至可以与最先进的系统的性能相匹配的结果。
发现论文，激发创造
  • 大规模场景中预计算 Datalog 评估计划

    本文介绍一种用于优化 Datalog 查询的索引技术，通过确定最佳索引方案及 Datalog 规则的适当排列来降低内存消耗并优化查询效率，结果表明在不损失效率的情况下，内存使用显著减少。

    Jul, 2019

  • 数据逻辑推理的优化存储

    这篇论文提出了一个通用框架，将优化的存储方案与标准物质化算法集成，针对常见的转换规则和联合规则，通过优化的存储方案显著改进了内存消耗，有时候提升几个数量级，同时在查询响应时间方面保持竞争力。

    Dec, 2023

  • 大数据推理和高级分析的扩展

    BigDatalog 是 Datalog 的扩展，旨在实现在 Apache Spark 和多核系统上的性能和可扩展性，其图分析性能优于 GraphX，通过实现技术（例如半朴素极限和魔术集）解决了在递归中使用数量、总和和极值等问题。

    Jul, 2018

  • 将知识图谱创建扩展到大规模和异构数据源

    本研究提出了一种自动生成 RDF 知识图谱的方法，使用 RDF Mapping Language 制定映射断言并实现优化的部署计划，以提高 RML 兼容引擎的性能。

    Jan, 2022

  • DatalogMTL 中的半朴素材料化

    本文提出了一种优化的 semianive DatalogMTL 策略，通过确保每个时态规则实例在算法执行期间最多只被考虑一次，从而在 DatalogMTL 中减少了冗余计算，显著缩短了材料化时间。

    Aug, 2022

  • 使用大型语言模型在知识图谱上进行复杂的逻辑推理

    本研究提出一种基于图形提取算法和大型语言模型的解耦合语言引导抽象推理方法，将复杂的知识图推理作为上下文知识图搜索和抽象逻辑查询推理的组合，显著提高了复杂查询的性能。

    May, 2023

  • 使用超树分解增强 Datalog 推理

    本文提供了应用超树分解来优化和简化 Datalog 程序的算法，并与标准 Datalog 和增量规则评估方法相结合。经过实验证明，当程序包含复杂规则时，这种方法通常比基线方法快得多。

    May, 2023

  • Datalog 程序的模块化实现

    本文提出一种基于模块化框架的材料化计算和维护的方法，该方法使用半朴素算法处理少数规则，同时可使用两种算法计算关系的传递闭包，实验表明，与现有的方法相比，本方法可以处理任意的 datalog 程序，而且性能也要高得多。

    Nov, 2018

  • Datalog 材料化的优化维护

    本研究提出了两种将 Delete/Rederive 算法和 Backward/Forward 算法与 Counting 算法相结合的混合算法，以减少甚至消除对于逆向规则评估的瓶颈，从而有效优化对于非递归 datalog 程序的更新速度。

    Nov, 2017

  • 一种差分 Datalog 解释器

    研究表明，对于 datalog 引擎来说，材料化是核心推理任务，本文通过比较不同实现方法的性能，尤其是基于轻量级关系型引擎的一种方法和基于 Differential Dataflow 的两种方法，探讨了材料化的性能问题。

    Aug, 2023