[論文レビュー] Tractable vs. Intractable Cases of Matching Dependencies for Query Answering under Entity Resolution

Leopoldo Bertossi, Jaffer Gardezi|arXiv (Cornell University)|Sep 7, 2013

Data Quality and Management参考文献 21被引用数 3

ひとこと要約

本稿は、エンティティレゾリューションにおけるマッチング依存（MDs）の下でのクエリ回答の複雑さを調査し、非巡回MD集合に焦点を当てる。解決済みクエリ回答における tractable と NP-hard なケースの二分法を確立し、MDペアの特定の句法学的条件が非 tractability を引き起こすことを示している。一方、そのような条件が存在しない場合には、推移的類似性のもとで tractable であることが保証され、この文脈で初めての二分法結果を提示している。

ABSTRACT

Matching Dependencies (MDs) are a relatively recent proposal for declarative entity resolution. They are rules that specify, on the basis of similarities satisfied by values in a database, what values should be considered duplicates, and have to be matched. On the basis of a chase-like procedure for MD enforcement, we can obtain clean (duplicate-free) instances; actually possibly several of them. The resolved answers to queries are those that are invariant under the resulting class of resolved instances. Previous work identified certain classes of queries and sets of MDs for which resolved query answering is tractable. Special emphasis was placed on cyclic sets of MDs. In this work we further investigate the complexity of this problem, identifying intractable cases, and exploring the frontier between tractability and intractability. We concentrate mostly on acyclic sets of MDs. For a special case we obtain a dichotomy result relative to NP-hardness.

研究の動機と目的

• マッチング依存（MDs）の下での解決済みクエリ回答の複雑さを体系的に分析すること、特に非巡回MD集合について。
• 解決済みクエリ回答におけるNP-hardさを引き起こすMDペアの句法学的基準を同定すること。
• 推移的類似性演算子のもとで非巡回MDのための tractable と intractable なケースの二分法を確立すること。
• 従来の循環的MDに関する研究を補完する形で、二分法結果を2つ以上のMDの集合へと拡張すること。
• 特に非巡回と循環的依存の対比を通じて、MDベースのエンティティレゾリューションにおける tractability と intractability の境界を明確にすること。

提案手法

• 著者は、MDを強制することでデータベースをクリーニングするためのチェイスに基づく意味論を定義し、クリーン（重複なし）なインスタンスを生成する。
• 解決済みクエリ回答を、チェイスから得られるすべての最小クリーンインスタンスに対して不変である答えの集合として形式化する。
• MDペアに課される句法学的条件を導入し、それがクエリ回答問題のNP-hardさを示唆することを示す。
• これらの条件が存在せず、類似性が推移的である場合、問題は tractable になることが証明され、二分法が成立する。
• 2つ以上のMDの集合に対しても分析を拡張し、非巡回依存構造のもとで二分法を維持する。
• 他のチェイスに基づくアプローチと意味論を比較し、クエリリライトおよびレパア意味論への影響を議論する。

実験結果

リサーチクエスチョン

• RQ1 非巡回マッチング依存ペアのどのような句法学的性質が、解決済みクエリ回答におけるNP-hardさを引き起こすか？
• RQ2 推移的類似性のもとで、非巡回MDのための tractable と intractable なケースの二分法を確立できるか？
• RQ3 MD集合にサイクルが存在する場合と非巡回の場合とを比較して、解決済みクエリ回答の複雑さはどのように異なるか？
• RQ4 代替のチェイス意味論（例：1つのMDずつ処理するもの）は、解決済みクエリ回答の複雑さの地図をどの程度変化させるか？
• RQ5 二分法の結果をペアを越えたより大きな非巡回MD集合へと拡張できるか？

主な発見

• 非巡回MD集合において、MDペアに特定の句法学的パターンが存在する場合、解決済みクエリ回答はNP-hardになる。
• これらの非 tractable パatters が存在せず、類似性が推移的である場合、解決済みクエリ回答は tractable になる。これは、線形MDペアについての二分法を確立する。
• 二分法の結果は、推移的類似性演算子の仮定に基づいており、これは tractable な証明にとって不可欠である。
• 従来の循環的MD（例：HSC集合）とは対照的に、これらは tractable であるが、非巡回MDは依然として非 tractable なクエリ回答を引き起こす可能性があり、サイクルが問題を単純化するという直観に反する。
• 従来の循環的MDに関する研究とは補完的であり、MDベースのエンティティレゾリューションのより広範な複雑さの地図を提供する。
• MDを1つずつ処理する代替チェイス意味論は、もともとは非 tractable であったケースを tractable にすることがある。これは、複雑さが意味論設計に極めて敏感であることを示している。