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

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

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

研究了正 Datalog 上添加整数算术函数的扩展语言 Datalog_Z，并提出了两个限制子语言 limit Datalog_Z 和 stable Datalog_Z 以解决其不可判定性，并证明了相应的 NP 完全性和 ExpTime 完全性，最终表明稳定的 Datalog_Z 能够表达许多有用的数据分析任务，为先进信息系统的发展提供了一个坚实的基础。

May, 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

本文介绍了 Vadalog 系统，这是使用 Datalog 进行复杂逻辑推论任务的系统，采用侵略性终止控制策略实现了 Warded Datalog+/-，并提供了全面的实验评估。

Jul, 2018

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

本文介绍了 Datalog 的扩展形式 Disjunctive Datalog，Datalogex 和 Datalogexor，并提供语法和语义的定义，以及解决了语言可决性问题，这些语言都是知识表示和推理方面的有吸引力的，特别是在需要基于本体论的推理的领域中。

Oct, 2012

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