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
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
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
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
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
我们介绍了一个能够构建表达式描述逻辑 ALC 扩展的序列系统的框架。我们的框架不仅涵盖了各种常见的描述逻辑，而且还允许获取具有特殊公式的扩展描述逻辑的序列系统，我们称之为 “角色关系公理”。所有的序列系统都是声音和完整性，并具有高度保持常见结构规则的可容许性和高度保持规则的可逆性。
Jun, 2022
本文介绍了一种新的模块抽取方法，将模块抽取的问题转化为 Datalog 推理问题，该方法不仅可以优雅地概括现有的近似方法，而且可以根据需要保留特定类型的导出结果，从而提取更小的模块。
Nov, 2014
提出了一种用于计算逻辑程序稳定模型语义的算法，强调使用有效的实现技术，特别地，提出了一种展望的实现和一种通过最小化搜索空间来产生良好的启发式方法。结果表明，稳定模型语义的逻辑程序具有更紧凑的逻辑程序表示，因此在某些问题上比命题逻辑优越。
May, 2000
本文提出了一种称为 Difflog 的技术，可以将逻辑规则从离散变量扩展到连续变量，该技术通过为 Datalog 程序的各个规则附加实值权重，自然地将数值与程序的各个结论相关联，在知识发现、形式验证和数据库查询等问题上实现学习复杂程序的显着提高。
Jun, 2019
本文介绍了一种增强的魔法集技术来优化使用数据日志的查询答案，并通过消除子 sumed 规则和有效处理绑定传播丢失的情况进一步优化了重写的程序。
Jul, 2019