Компьютерные науки > Базы данных [представлены 6 октября 2026 (v1), последний пересмотренный вариант от 8 октября 20-26 года (эта версия v2)) Название: Когда планы меняются ответы: официальное оформление оптимизации затрат и точности для Semantic Queries View PDF HTML (экспериментальный) резюме: В семантических двигателях запросов основные параметры оцениваются машинными моделями, а выбор плана запроса влияет не только на стоимость запроса, но также на его результат. Существующие системы либо применяют фиксированный пороговый уровень к каждому семантику, либо точность регулировки на оператора без учета того, как ошибки распространяются через соединения. Мы приводим официальное определение проблемы оптимизации затрат и точности таких запросов. Нашей отправной точкой является калиброванная уверенность в том, что модели решений, такие как Ев, прикрепляют к каждому решению. Она позволяет получить ожидаемую ошибку для каждого решения; взвешивание этих ошибок по вкладу каждого решения в выпуск (в самом простом случае, его фан-выпуск) дает ожидаемое качество выпуска плана без каких бы то ни было обозначенных данных и тот же расчет наоборот превращает целевой показатель точности выпуска в цену на каждую основу или промежуточный тюль. На основе этого мы определим семантику реляционной алгебры с семантическими операторами, физические планы как пары логического плана и политики принятия решений, декларативные цели уровня выпуска и иерархию эквивалентности планов. Мы показываем, что…
Когда планы изменяют ответы: официальное оформление оптимизации затрат и точности для семантических запросов
arXiv: 2610,08089v2 Annuales Type: заменить перекрестное резюме: В семантических поисковых двигателях основные параметры оцениваются с помощью моделей машинного обучения, и выбор плана запроса влияет не только на стоимость запроса, но и его результат. Существующие системы либо применяют фиксированный пороговый уровень к каждому семантику, либо точность регулировки на оператора без учета того, как ошибки распространяются через соединения. Мы приводим официальное определение проблемы оптимизации затрат и точности таких запросов. Нашей отправной точкой является калиброванная уверенность в том, что модели решений, такие как Ев, прикрепляют к каждому решению. Она позволяет получить ожидаемую ошибку для каждого решения; взвешивание этих ошибок по вкладу каждого решения в выпуск (в самом простом случае, его фан-выпуск) дает ожидаемое качество выпуска плана без каких бы то ни было обозначенных данных и тот же расчет наоборот превращает целевой показатель точности выпуска в цену на каждую основу или промежуточный тюль. Основываясь на этом, мы определим семантику оракула для реляционной алгебры.
