[論文レビュー] Search and Navigation in Relational Databases

Richard Wheeldon, Mark Levene+1 more|ArXiv.org|Jul 31, 2003

Advanced Database Systems and Queries参考文献 29被引用数 6

ひとこと要約

本稿では、外部キー関係を通じてMemex風のトレースを自動的に構築することにより、リレーショナルデータベースにおけるキーワード検索とナビゲーション的発見を可能にするDbSurferというシステムを提示する。新しいジョイン発見アルゴリズムを用いてスキーマグラフを走査し、主キーのみを用いたクエリで関連データを取得することで、SQLの専門知識が不要なまま高速な応答時間を達成する。

ABSTRACT

We present a new application for keyword search within relational databases, which uses a novel algorithm to solve the join discovery problem by finding Memex-like trails through the graph of foreign key dependencies. It differs from previous efforts in the algorithms used, in the presentation mechanism and in the use of primary-key only database queries at query-time to maintain a fast response for users. We present examples using the DBLP data set.

研究の動機と目的

• SQLの専門知識を持たないエンドユーザーがリレーショナルデータベースのコンテンツにアクセスできるようにすること。
• 従来の検索エンジンの限界を克服し、リレーショナルデータベースに格納された「ディープウェブ」コンテンツをインデックス化すること。
• ハイパーテキストシステムに類似した、キーワード検索とナビゲーショントレースを統合したユーザーフレンドリーなインターフェースを提供すること。
• クエリ実行時に完全なSQL実行の代わりに主キーのみのクエリを使用することで、効率的で高速な応答時間を実現すること。

提案手法

• 各レコードを一時的なドキュメントとみなして、フルテキストインデックス化の対象とする、データベースの行から仮想ドキュメントインデックスを構築すること。
• リレーショナルスキーマの論理的構造をモデル化するため、外部キー関係のグラフを構築すること。
• キーワードクエリに基づいて、スキーマグラフ内を走査する新しいジョイン発見アルゴリズムを適用し、パス（トレース）を特定・走査すること。
• 複数のテーブルにまたがる関連データのトレースを示すツリー型のナビゲーションインターフェースとして結果を提示すること。
• 効率的なフルテキスト検索を可能にするために、tf.idf重み付きポストングを用いた逆インデックスを実装すること。
• 既存のデータベースと統合可能な軽量でステートレスなインターフェースを、サーブレットおよびRPC（例：SOAP）を用いて実装すること。

実験結果

リサーチクエスチョン

• RQ1 SQLやテーブル構造を知らなくても、リレーショナルデータベースにおけるキーワード検索を効果的にサポートする方法は何か？
• RQ2 Memex風のトレースを自動的に発見し、リレーショナルデータベースに提示することで、ナビゲーションと情報発見を向上させることができるか？
• RQ3 高速な応答時間と意味的関連性を両立させるために、インデックス化とクエリ技法にどのようなものが必要か？
• RQ4 外部キー関係を活用することで、複数のテーブルにまたがる意味のある、ユーザーが理解しやすいデータトレースを構築する方法は何か？
• RQ5 大規模なリレーショナルデータベースを非構造化検索用にインデックス化する場合の、パフォーマンスとスケーラビリティへの影響は何か？

主な発見

• システムは、外部キー関係を通じてMemex風のトレースを効果的に構築でき、ユーザーが主にキーワードクエリのみで複雑なデータベーススキーマをナビゲートできるようになった。
• 実行時における主キーのみのクエリに依存することで、DbSurferは完全なSQL実行のパフォーマンスオーバーヘッドを回避し、高速な応答時間を達成した。
• UCLのウェブサイトを対象としたユーザースタディーでは、Google や Compass と比較して、情報発見までの時間とクリック数が減少し、ユーザー満足度が向上した。
• テキスト抽出により、PDF、Office、Flashなど多様なデータ形式を統一された逆インデックスに変換することで、効率的なインデキシングが可能になった。
• ストアドプロシージャーやSOAPなどのRPCプロトコルを介した、既存データベースとの統合の可能性が実証された。
• セキュリティは依然として課題であり、1つのユーザーアカウントを通じたインデキシングにより、細粒度アクセス制御が回避され、機微なデータが漏洩するリスクがある。