[论文解读] Resolution and Datalog Rewriting Under Value Invention and Equality Constraints

Bruno Marnette|arXiv (Cornell University)|Dec 2, 2012

Semantic Web and Ontologies参考文献 25被引用 6

一句话总结

本文提出了一种基于归约的算法，在存在值生成和等式约束的 Datalog ± 框架下实现了完全的查询回答，推广了现有的可 tractable 类别，如粘性 tgds、终止性 tgds 和受保护的 tgds。它证明了所有这些类别均可进行有限的 Datalog 重写，将它们统一于单一范式之下，同时通过标准 Datalog 技术实现优化。

ABSTRACT

This paper present several refinements of the Datalog +/- framework based on resolution and Datalog-rewriting. We first present a resolution algorithm which is complete for arbitrary sets of tgds and egds. We then show that a technique of saturation can be used to achieve completeness with respect to First-Order (FO) query rewriting. We then investigate the class of guarded tgds (with a loose definition of guardedness), and show that every set of tgds in this class can be rewritten into an equivalent set of standard Datalog rules. On the negative side, this implies that Datalog +/- has (only) the same expressive power as standard Datalog in terms of query answering. On the positive side however, this mean that known results and existing optimization techniques (such as Magic-Set) may be applied in the context of Datalog +/- despite its richer syntax.

研究动机与目标

• 为克服 Datalog ± 中 chase 过程的局限性，引入一种更通用的基于归约的方法。
• 建立任意 tgd 和 egd 集合的归约完备性，不局限于特定子类。
• 通过证明这些类别可进行有限 Datalog 重写，推广现有的可 tractable 类别（如粘性、终止性、受保护的 tgds）。
• 在 Datalog 重写框架下，将 Datalog ± 可 tractable 性的三大范式（粘性、终止性、受保护性）统一起来。
• 通过证明 Datalog ± 规则可重写为标准 Datalog 规则，使标准 Datalog 引擎能够实现实际优化。

提出的方法

• 为任意 tgd 和 egd 集合引入一种完备的归约过程，超越子类特定的方法。
• 应用饱和技术，实现对一阶查询重写的完备性。
• 通过左核心投影和受保护性定义平坦 chase 性质，以确保有限推导。
• 从受保护 tgd 集合的平坦化构造出一组有限的 k-tgd，确保在固定深度内的完备性。
• 使用 Datalog 重写概念，将 Datalog ± 规则转换为等价的标准 Datalog 规则。
• 通过利用 Datalog 重写技术，采用如 Magic-Set 优化等技术，实现性能提升。

实验结果

研究问题

• RQ1 基于归约的算法能否在任意 tgd 和 egd 集合下实现 Datalog ± 查询回答的完备性？
• RQ2 Datalog 重写范式能否统一 Datalog ± 中的三大可 tractable 类别：粘性、终止性和受保护的 tgds？
• RQ3 是否可以将 (S)、(T) 或 (G) 类中的任意规则集重写为等价的标准 Datalog 程序？
• RQ4 与 chase 过程相比，基于归约的方法在查询回答效率上表现如何？
• RQ5 Datalog 重写能否用于启用如 Magic-Set 这类优化技术在 Datalog ± 中的应用？

主要发现

• 基于归约的算法对任意 tgd 和 egd 集合的查询回答是完备的，超越了子类特定方法的限制。
• 饱和技术实现了完备的一阶查询重写，推广了现有的可 tractability 判据。
• 所有 (S)、(T) 和 (G) 类规则均可重写为等价的标准 Datalog 程序，统一于单一范式之下。
• 平坦 chase 性质在左核心投影和有界深度推导下保持不变，确保受保护 tgd 的完备性。
• 有限 Datalog 重写的存在的事实表明，Datalog ± 并未扩展 Datalog 在查询回答方面的表达能力，但可通过标准 Datalog 引擎实现优化。
• Datalog 重写为利用现有优化技术（如 Magic-Set）实现实际性能提升打开了大门。