May, 2023

使用超树分解增强 Datalog 推理

PDF
TL;DR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。
datalog reasoningseminal evaluation strategyhypertree decompositionsmaterialisationincremental evaluation
发现论文，激发创造
  • 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

  • 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

  • 基于层次问题分解树的可解释性问答推理

    本文提出了一种新的两阶段可解释问答框架 RoHT，该框架借助问题分解进行异构知识的集成，从而有效地回答复杂问题，并在 KQA Pro 和 Musique 等数据集上显著优于现有技术，证明了问题分解对知识集成和 RoHT 框架的有效性。

    May, 2023

  • 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

  • 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

  • 通过自我评估引导解码的分解增强推理

    该研究提出了一种有效的提示方法，通过随机波束搜索融合自我评估指导，可以平衡生成链的质量 - 多样性权衡，并在少次学习的情况下，分别在 GSM8K、AQUA 和 StrategyQA 基准测试中比相应的 Codex-backboned 基线高出 6.34％、9.56％和 5.46％的准确度，同时通过细粒度推理又找到并解决了逻辑失误的问题，提高了一致性和鲁棒性。

    May, 2023

  • 高血压和全序向前分解优化

    通过三阶段编译器设计优化预处理，构建基于 Hierarchical Task Networks 的 HTN planner，提高运行效率。

    Jul, 2022

  • 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

  • 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

  • 扩展内存中的 Datalog 处理：观察和技术

    本文提出了一种名为 RecStep 的通用 Datalog 引擎，该引擎基于并行单节点关系型系统，通过对多种技术的运用，在大规模数据处理方面表现非常出色，相较于现有并行 Datalog 引擎有 4-6 倍的性能提升，同时证明了过去的质疑，表明在关系引擎之上可以构建高性能的 Datalog 系统。

    Dec, 2018