规模化概率推理：拯救触发图
摘要：不确定性在数据管理中的作用变得比以往任何时候都更加突出，尤其是由于机器学习驱动的应用程序产生了大型不确定性数据库的重要性的增长。一个众所周知的查询这种数据库的方法是将基于规则的推理与不确定性相结合。然而，迄今为止提出的技术在处理大型数据库时存在困难。在本文中，我们通过介绍一种利用触发图（TGs）的新技术来解决这个问题，TGs是最近在非概率设置中引入的一个概念。直观的想法是，TGs可以通过避免显式材料化血统并将相似的推导聚集在一起来有效地存储概率模型。首先，我们展示了如何将TGs调整为支持可能的世界语义。然后，我们描述了有效计算概率模型的技术，并正式建立了我们方法的正确性。我们还使用一个名为LTGs的原型进行了广泛的实证评估。与其他主要引擎进行比较，我们发现LTGs不仅更快，即使是对于近似推理技术，而且还可以处理现有引擎无法扩展到的概率数据库。
作者：Efthymia Tsamoura and Jaehun Lee and Jacopo Urbani
论文ID：2304.05459
分类：Databases
分类简称：cs.DB
提交时间：2023-04-13