发现图实体依赖（GEDs）的高效方法
摘要：图实体依赖（GEDs）是一种新颖的图约束，统一了属性图的键和功能依赖关系。在许多实际的数据质量和数据管理任务中，如社交媒体网络上的事实核查和实体解析，它们被发现非常有用。在本文中，我们研究了GEDs的发现问题-在给定的图数据中找到有效GEDs的最小覆盖。我们正式定义了这个问题，并提出了一种有效而高效的方法来克服GED发现中的主要瓶颈。特别是，我们利用现有的图分区算法来实现快速的GED范围发现，并采用有效的修剪策略来处理候选依赖关系空间的过大问题。此外，我们基于最小描述长度原则定义了一种GED的有趣度度量，用于对挖掘到的GED覆盖集进行评分和排序。最后，我们通过在真实的基准图数据集上进行广泛的实验来证明我们的GED发现方法的可扩展性和有效性，并展示了在不同的下游数据质量管理应用中发现的规则的实用性。
作者：Dehua Liu, Selasi Kwashie, Yidi Zhang, Guangtong Zhou, Michael Bewong, Xiaoying Wu, Xi Guo, Keqing He, Zaiwen Feng
论文ID：2301.06264
分类：Databases
分类简称：cs.DB
提交时间：2023-07-04