基于Seq2Seq模型的SparQL查询预测
作者:
作者单位:

作者简介:

杨东华(1976-),男,博士,副教授,博士生导师,主要研究领域为数据库系统,大数据管理与分析.
邹开发(1996-),男,硕士,主要研究领域为大数据分析与管理.
王宏志(1978-),男,博士,教授,博士生导师,CCF杰出会员,主要研究领域为数据库系统,大数据管理与分析.
王金宝(1983-),男,博士,副教授,CCF专业会员,主要研究领域为大数据分析.

通讯作者:

王金宝,E-mail:wangjinbao@hit.edu.cn

中图分类号:

基金项目:

国家自然科学基金(61772157,61832003,U1866602,61602129)


SparQL Query Prediction Based on Seq2Seq Model
Author:
Affiliation:

Fund Project:

National Natural Science Foundation of China (61772157, 61832003, U1866602, 61602129)

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    近年来,随着以数据为中心的应用大量增加,图数据模型逐渐被人们所关注,图数据库的发展也非常迅速,对于用户而言,往往更关心其在使用数据库过程中的效率问题.主要研究如何利用已有的信息进行图数据库的查询预测,从而进行数据的预加载与缓存,提高系统的响应效率.为了使得方法具有跨数据移植性,并深入挖掘数据间的联系,将SparQL查询提取为序列的形式,使用Seq2Seq模型对其进行数据分析和预测,并使用真实的数据集对方法进行测试,实验结果表明,本方案具有良好的效果.

    Abstract:

    In recent years, with the large increase in data-centric applications, graph data models have gradually attracted people's attention, and the development of graph databases is also very rapid. Users are often more concerned about their efficiency in using databases. This work mainly studies how to use the existing information to query and predict the graph database, so as to preload and cache the data, and improve the response efficiency of the system. In order to make the method cross-data portable and dig deep into the connections between the data, this study extracted SparQL queries into the form of sequences, used the Seq2Seq model to analyze and predict its data, and tested the method using real data sets. Experiments show that the proposed scheme in this study has a sound effect.

    参考文献
    相似文献
    引证文献
引用本文

杨东华,邹开发,王宏志,王金宝.基于Seq2Seq模型的SparQL查询预测.软件学报,2021,32(3):805-817

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2020-06-10
  • 最后修改日期:2020-09-03
  • 录用日期:
  • 在线发布日期: 2021-01-21
  • 出版日期: 2021-03-06
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号