[논문 리뷰] Characterizing and Computing Causes for Query Answers in Databases from Database Repairs and Repair Programs

Leopoldo Bertossi|arXiv (Cornell University)|2017. 12. 04.

Logic, Reasoning, and Knowledge참고 문헌 23인용 수 3

한 줄 요약

이 논문은 부정 제약 조건 하에서 관계형 데이터베이스의 쿼리 결과에 대한 원인을 계산하기 위한 새로운 프레임워크를 제안한다. 이 프레임워크는 해답 집합 프로그래밍(Answer-Set Programming)을 활용하여 튜플 수준과 속성 수준의 복구를 모델링한다. 원인 설명과 데이터베이스 복구 사이의 형식적 대응 관계를 수립함으로써, 복구 프로그램을 통해 체계적으로 원인을 계산하고 추론할 수 있도록 한다.

ABSTRACT

A correspondence between database tuples as causes for query answers in databases and tuple-based repairs of inconsistent databases with respect to denial constraints has already been established. In this work, answer-set programs that specify repairs of databases are used as a basis for solving computational and reasoning problems about causes. Here, causes are also introduced at the attribute level by appealing to a both null-based and attribute-based repair semantics. The corresponding repair programs are presented, and they are used as a basis for computation and reasoning about attribute-level causes.

연구 동기 및 목표

• 쿼리 결과에 대한 원인과 데이터베이스 복구 간의 관계를 형식화하여 기존 연구를 확장, 속성 수준의 원인까지 포함한다.
• 기존 원인 추론이 데이터 위반으로 인해 복잡해지는 비일관성 있는 데이터베이스에서 원인을 계산하는 데 도전한다.
• 부정 제약 조건에 기반한 복구 의미론을 활용하여 튜플 기반 및 속성 기반 원인을 모두 지원하는 통합 프레임워크를 개발한다.
• 복구 프로세스를 해답 집합 프로그램으로 인코딩하여 원인에 대한 실용적인 계산과 추론을 가능하게 한다.
• 튜플을 초월해 개별 속성까지 원인 분석의 범위를 확장함으로써 쿼리 결과 설명의 정밀도를 향상시킨다.

제안 방법

• 부정 제약 조건을 사용하여 데이터베이스의 비일관성을 모델링하고, 일관성을 회복하기 위한 최소 튜플 또는 속성 업데이트 집합을 복구로 정의한다.
• Null 기반 및 속성 기반 복구 의미론을 조합하여 속성 수준의 원인을 정의함으로써, 속성 수준의 정밀한 원인 설명을 가능하게 한다.
• 복구 프로세스를 인코딩한 해답 집합 프로그램(ASPs)을 구축하여 가능한 복구에 대한 자동 추론을 가능하게 한다.
• ASP 솔버를 사용하여 주어진 쿼리 결과가 성립하는 데 기여하는 최소 변경 집합(복구)을 계산한다.
• 튜플 및 속성 업데이트를 하나의 복구 프로그램에 통합하여 서로 다른 데이터 수준에서의 원인에 대한 동시 추론을 가능하게 한다.
• ASP의 안정 모델 의미론을 활용하여 논리적 추론을 통해 원인의 타당하고 완전한 계산을 보장한다.

실험 결과

연구 질문

• RQ1 비일관성 있는 데이터베이스에서 쿼리 결과에 대한 원인을 속성 수준에서 어떻게 형식적으로 기술할 수 있는가?
• RQ2 데이터베이스 복구와 쿼리 결과에 대한 원인 설명 간의 관계는 무엇인가?
• RQ3 해답 집합 프로그래밍은 부정 제약 조건이 존재하는 상황에서 원인을 계산하고 추론하는 데 어떻게 활용될 수 있는가?
• RQ4 Null 기반 및 속성 기반 복구 의미론을 조합할 경우 원인 정밀도에 어떤 영향을 미치는가?
• RQ5 복구 프로그램은 실질적으로 쿼리 결과에 대한 최소 원인을 효과적으로 계산하는 데 사용될 수 있는가?

주요 결과

• 부정 제약 조건 하에서 쿼리 결과에 대한 원인과 비일관성 있는 데이터베이스의 복구 사이에 형식적 대응 관계가 확립되었다.
• 복구 의미론과 함께 속성 수준의 원인을 통합함으로써, 튜플 수준의 원인 설명만으로는 달성할 수 없는 보다 세분화된 설명이 가능해졌다.
• 복구 프로세스를 논리 규칙으로 인코딩함으로써, 해답 집합 프로그램은 원인 계산에 대해 확장 가능하고 타당한 기반을 제공한다.
• 제안된 프레임워크는 ASP 솔버를 통해 최소 및 완전한 원인 계산을 지원하여 실용적 구현이 가능해졌다.
• Null 기반 및 속성 기반 복구 의미론의 조합은 더 표현력 있고 정확한 원인 추론을 가능하게 하였다.
• 수동 애너테이션이나 히우리스틱 가정 없이도 체계적인 원인 추론이 가능해졌다.