We study the question of when we can provide logarithmic-time direct access to the k-th answer to a Conjunctive Query (CQ) with a specified ordering over the answers, following a preprocessing step that constructs a data structure in time quasilinear in the size of the database. Specifically, we embark on the challenge of identifying the tractable answer orderings that allow for ranked direct access with such complexity guarantees. We begin with lexicographic orderings and give a decidable characterization (under conventional complexity assumptions) of the class of tractable lexicographic orderings for every CQ without self-joins. We then continue to the more general orderings by the sum of attribute weights and show for it that ranked direct access is tractable only in trivial cases. Hence, to better understand the computational challenge at hand, we consider the more modest task of providing access to only a single answer (i.e., finding the answer at a given position) - a task that we refer to as the selection problem. We indeed achieve a quasilinear-time algorithm for a subset of the class of full CQs without self-joins, by adopting a solution of Frederickson and Johnson to the classic problem of selection over sorted matrices. We further prove that none of the other queries in this class admit such an algorithm.


翻译:我们研究一个问题,即我们何时可以提供连接查询(CQ)的 K- 答案的对数直接访问 k- 答案的对数直接访问, 并给答案定顺序, 之前的处理步骤是在数据库大小的准线性时构建一个数据结构。 具体地说, 我们开始挑战, 确定能够以如此复杂保证的方式进行排位直接访问的可移植回答命令。 我们从地名录订单开始, 并且( 在常规复杂假设下) 给每个 CQ 的可移植索引订单类别作出可分解的定性( 在常规复杂假设下) 。 然后, 我们继续以属性加权总和来进行更笼统的排序, 并显示只有在微不足道的情况下才能进行直接访问的排序。 因此, 为了更好地理解手头的计算挑战, 我们考虑更小的任务, 只能提供单一的答案( 即找到一个特定位置的答案), 这是一项我们称之为选择问题。 我们确实在完全 CQ 类中实现一个准线性算算法的子子子子序列, 而不是一个普通算法 。

0
下载
关闭预览

相关内容

专知会员服务
91+阅读 · 2021年6月3日
ICML 2021论文收录
专知会员服务
122+阅读 · 2021年5月8日
【WWW2021】挖掘双重情感的假新闻检测
专知会员服务
36+阅读 · 2021年1月18日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Jointly Improving Summarization and Sentiment Classification
黑龙江大学自然语言处理实验室
3+阅读 · 2018年6月12日
笔记 | Sentiment Analysis
黑龙江大学自然语言处理实验室
10+阅读 · 2018年5月6日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Arxiv
0+阅读 · 2021年6月4日
VIP会员
Top
微信扫码咨询专知VIP会员