Effective information disclosure in the context of databases with a large conceptual schema is known to be a non-trivial problem. In particular the formulation of ad-hoc queries is a major problem in such contexts. Existing approaches for tackling this problem include graphical query interfaces, query by navigation, query by construction, and point to point queries. In this report we propose an adoption of the query by navigation mechanism that is especially geared towards the InfoAssistant product. Query by navigation is based on ideas from the information retrieval world, in particular on the stratified hypermedia architecture. When using our approach to the formulations of queries, a user will first formulate a number of simple queries corresponding to linear paths through the information structure. The formulation of the linear paths is the result of the {\em explorative phase} of the query formulation. Once users have specified a number of these linear paths, they may combine them to form more complex queries. Examples of such combinations are: concatenation, union, intersection and selection. This last process is referred to as {\em query by construction}, and is the {\em constructive phase} of the query formulation process.


翻译:在具有大量概念性模型的数据库中有效披露信息已知是一个非三重问题。 特别是在这种情况下, 特别地, 特别地, 拟定特别询问是一个主要问题。 解决这一问题的现有方法包括图形查询界面、 导航查询、 建筑查询、 点点查询。 在本报告中, 我们提议采用特别针对InfoA助理产品的导航机制查询。 导航查询是基于信息检索世界的想法, 特别是分层超级媒体结构。 使用我们的方法进行查询时, 用户将首先提出一些与信息结构线性路径相对应的简单查询。 线性路径的拟订是查询公式的 ~ Explortical 阶段的结果 。 一旦用户指定了这些线性路径中的若干条, 他们可以将它们合并成更复杂的查询。 这种组合的例子有: 配置、 组合、 连接、 交叉和选择。 最后一个过程被称为“ 建筑查询 ”,, 并且是查询拟订过程的建设性阶段 。

0
下载
关闭预览

相关内容

《计算机信息》杂志发表高质量的论文,扩大了运筹学和计算的范围,寻求有关理论、方法、实验、系统和应用方面的原创研究论文、新颖的调查和教程论文,以及描述新的和有用的软件工具的论文。官网链接:https://pubsonline.informs.org/journal/ijoc
专知会员服务
50+阅读 · 2021年6月30日
最新《自监督表示学习》报告,70页ppt
专知会员服务
85+阅读 · 2020年12月22日
最新《Transformers模型》教程,64页ppt
专知会员服务
306+阅读 · 2020年11月26日
Python计算导论,560页pdf,Introduction to Computing Using Python
专知会员服务
72+阅读 · 2020年5月5日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】直接未来预测:增强学习监督学习
机器学习研究会
6+阅读 · 2017年11月24日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Arxiv
6+阅读 · 2018年3月28日
VIP会员
相关资讯
Top
微信扫码咨询专知VIP会员