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
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
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。
Nov, 2015
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
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
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。
本文研究了本体查询中的查询重写和查询优化问题,其中查询重写包括将本体查询编译为与底层关系型数据库等效的查询,查询优化旨在改善此过程以生成成本效益高的 UCQ 重写,提出了一种有效的新方法以支持基于线性 Datalog+/- 的规则。
Dec, 2011
提出了一种名为权重系统的统一框架,该框架消除了自动推理和知识表示中的语法差异,并解释了不同范例所提供的优化语句之间的异同,从而方便了翻译程序的开发和证明了不同框架的形式属性。
Jun, 2022
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