Weakly-sticky (WS) Datalog+/- is an expressive member of the family of Datalog+/- programs that is based on the syntactic notions of stickiness and weak-acyclicity. Query answering over the WS programs has been investigated, but there is still much work to do on the design and implementation of practical query answering (QA) algorithms and their optimizations. Here, we study sticky and WS programs from the point of view of the behavior of the chase procedure, extending the stickiness property of the chase to that of generalized stickiness of the chase (gsch-property). With this property we specify the semantic class of GSCh programs, which includes sticky and WS programs, and other syntactic subclasses that we identify. In particular, we introduce joint-weakly-sticky (JWS) programs, that include WS programs. We also propose a bottom-up QA algorithm for a range of subclasses of GSCh. The algorithm runs in polynomial time (in data) for JWS programs. Unlike the WS class, JWS is closed under a general magic-sets rewriting procedure for the optimization of programs with existential rules. We apply the magic-sets rewriting in combination with the proposed QA algorithm for the optimization of QA over JWS programs.


翻译:数据粘性 (WS) 数据粘性 (Datalog+/-) 是基于粘性和周期性弱的合成概念的Datalog+/- 家庭的一个表达成员。 已经调查了对 WS 程序的答复, 但是在设计和实施实用的答答( QA) 算法及其优化方面仍有大量工作要做。 在这里, 我们从追逐程序的行为的角度研究粘性和WS 程序, 将追逐的粘性属性扩展至追逐的普遍粘性( Qsch- operty) 。 有了这个属性, 我们指定了GSCH 程序的语义类, 其中包括粘性和WS 程序, 以及我们确定的其他语义子类。 我们特别引入了联合的粘性答答调( JWS) 算法程序, 包括WS 程序。 我们还为一系列GSCH 的子类提议了自下而起的QA 算法。 JWSAS 程序在混合时间( 数据中) 在 JWSWS 程序中, 与MIS 规则 封闭式程序 。

0
下载
关闭预览

相关内容

《Web语义学期刊》是一门跨学科的期刊,它基于对各个学科领域的研究和应用,为知识密集型和智能服务Web的发展做出了贡献。这些领域包括:知识技术、本体、代理、数据库和语义网格。显然,诸如信息检索、语言技术、人机交互和知识发现等学科也具有重要意义。涵盖了语义Web开发的所有方面。还鼓励发布大规模实验及其分析,以清楚地说明将语义引入现有Web界面,内容和服务中的方案和方法。该期刊强调发表论文,这些论文结合了不同学科领域的理论、方法和实验,以提供创新的语义方法和应用。《Web语义学期刊》涵盖了各种重要的应用领域,包括:电子商务、电子社区、知识管理、电子学习、数字图书馆和电子科学。官网地址:http://dblp.uni-trier.de/db/journals/ws/
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
RL 真经
CreateAMind
5+阅读 · 2018年12月28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
【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
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
Neural Module Networks for Reasoning over Text
Arxiv
9+阅读 · 2019年12月10日
Arxiv
4+阅读 · 2018年5月14日
Arxiv
8+阅读 · 2018年3月17日
VIP会员
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
RL 真经
CreateAMind
5+阅读 · 2018年12月28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
【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
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
Top
微信扫码咨询专知VIP会员