Jul, 2023

JoinBoost: 仅使用 SQL 在规范化数据上增长树

HTML
PDF
TL;DRJoinBoost是一个Python库，它将对于标准数据（normalized databases）的树模型训练算法重写为纯SQL，从而能够提供与专用ML库相竞争的性能，并与底层DBMS功能扩展。
发现论文，激发创造
  • ALEX: 一种可更新的自适应学习索引

    本文讨论了学习索引在DBMS索引中的应用，并介绍了一种新的学习索引ALEX，其结合了学习索引的核心思想和成熟的存储和索引技术，可在动态更新的数据库工作负载中实现高性能和低内存占用。

    May, 2019

  • 图形连接：一种用于关系型数据库管理系统的新物理连接算法

    引入一种新的n-way equi-join处理方法——GJ，大大提高了join算法的性能，解决了资源、时间等限制下现有方法难以应对的问题。

    Jun, 2022

  • DeepJoin：预训练语言模型支持的可连接表格发现

    在数据湖管理中，使用Deepjoin进行精确和高效的可连接表发现，它是一种基于深度学习模型的嵌入式检索解决方案，可服务于等价连接和语义连接，训练数据和数据增强技术的设计有助于其在大数据集上泛化，其精度甚至优于专家标记的语义连接的精确解，并配备GPU时速度可提高两个数量级。

    Dec, 2022

  • Lero: 一种学习排序查询优化器

    本文介绍了 Lero，一种基于传统查询优化器的学习排序查询优化器，该优化器利用数据库的先验知识和机器学习技术，通过比较执行计划的相对优劣来实现查询优化，显著提高了性能，并可用于现有的数据库管理系统中。

    Feb, 2023

  • 高斯数据库对齐和高斯植入匹配

    该研究探讨了数据库对齐问题和插入匹配问题之间的关系，并研究了具有多元高斯特征的数据库对齐问题。结果显示，针对数据库对齐的最大似然算法和插入匹配的最大似然算法存在形式一致的线性规划形式，并通过放宽约束条件来获得不同算法的性能界限。

    Jul, 2023

  • JoinGym: 一种高效的强化学习查询优化环境

    在这篇论文中，我们介绍了一种高效轻量级的强化学习查询优化环境 JoinGym，该环境可用于测试强化学习算法在关于查询的组合优化问题中的泛化能力，并且我们提供了在实际数据管理问题上测试方法的离线跟踪，同时提供了从IMDB数据集生成的3300个SQL查询的所有可能的连接跟踪。

    Jul, 2023

  • MDB：数据集和模型的交互式查询

    MDB是一个与功能编程和关系代数相结合的调试框架，可以构建数据库和模型预测的表达式查询，用于快速排除错误和发现模型行为。

    Aug, 2023

  • RDBench: 关系数据库的机器学习基准测试

    通过引入ML Benchmark For Relational Databases (RDBench)标准化基准测试，旨在促进多表关系数据库上可复现的机器学习研究，RDBench为不同的机器学习领域提供多样的关系数据库数据集，使得从XGBoost到图神经网络等不同领域的ML方法可以进行有意义的比较和评估。

    Oct, 2023

  • 检索、合并、预测：利用数据湖增强表格

    数据湖中的数据发现在表增强中的应用进行了深入分析，研究了检索可连接表、信息合并和使用生成表进行预测的替代方法，并通过对YADL和Open Data US的系统性探索，总结了准确检索连接候选项的重要性和简单合并方法的效率。本研究报道了现有解决方案的优势和局限性，旨在指导未来该领域的研究。

    Feb, 2024

  • 为结构化数据分析提供数据库内动态模型切片的能力

    使用LEADS技术，通过SQL查询定制模型，提高关系数据库上的预测建模能力和推断效率，并通过INDICES系统实现高效的结构化数据分析。

    May, 2024