[论文解读] Entropy bounds for conjunctive queries with functional dependencies

Tomasz Gogacz, Szymon Toruńczyk|arXiv (Cornell University)|Dec 6, 2015

Complexity and Algorithms in Graphs参考文献 8被引用 4

一句话总结

本文精確描述了在函數依存關係下對合取查詢的最壞情況大小界限，證明了Gottlob等人（2012年）提出的基於熵的上界是緊緻的。研究確立了可透過熵向量與有限群構造精確捕捉該界限，解決了一個開放問題，並連結查詢大小界限與資訊理論中的深層問題。

ABSTRACT

We study the problem of finding the worst-case bound for the size of the result $Q(\mathbb{ D})$ of a fixed conjunctive query $Q$ applied to a database $\mathbb{ D}$ satisfying given functional dependencies. We provide a precise characterization of this bound in terms of entropy vectors, and in terms of finite groups. In particular, we show that an upper bound provided by Gottlob, Lee, Valiant and Valiant is tight, answering a question from their paper. Our result generalizes the bound due to Atserias, Grohe and Marx, who consider the case without functional dependencies. Our result shows that the problem of computing the worst-case size bound, in the general case, is closely related to difficult problems from information theory.

研究动机与目标

• 對在函數依存關係下的合取查詢結果的最壞情況大小進行特徵描述。
• 確定Gottlob等人（2012年）提出的基於熵的上界在存在函數依存關係時是否緊緻。
• 建立查詢大小界限與資訊理論中的熵錐及有限群構造之間的聯繫。
• 將AGM界限（Atserias, Grohé, Marx）推廣至存在函數依存關係的情況。
• 探討在函數依存關係下評估合取查詢的演算法複雜度。

提出的方法

• 本文使用以查詢變數子集為索引的熵向量，來表示資料庫實例中變數群組的聯合熵。
• 證明最壞情況查詢大小指數 α(Q) 等於所有滿足函數依存關係與查詢約束的熵向量中最小熵值。
• 利用有限群構造實現匹配的下界，證明熵邊界之緊緻性。
• 該方法依賴於將函數依存關係轉化為熵約束，並利用熵錐來描述可行的熵向量。
• 分析中定義了函數依存關係的「迭代寬度」概念，用以控制查詢評估演算法的複雜度。
• 本文應用資訊理論的成果，特別是熵錐結構與非香農不等式，來分析該問題。

实验结果

研究问题

• RQ1 當存在函數依存關係時，合取查詢結果大小的基於熵的上界是否緊緻？
• RQ2 在函數依存關係下，最壞情況查詢大小指數 α(Q) 是否能透過熵向量精確特徵描述？
• RQ3 有限群構造與合取查詢的基於熵的界限之間存在何種關係？
• RQ4 函數依存關係的存在如何影響AGM界限（分數邊緣覆蓋）的適用性？
• RQ5 計算 α(Q) 的問題是否可簡化為在熵錐上的優化問題？其中涉及的計算挑戰為何？

主要发现

• 先前由Gottlob等人（2012年）提出的基於熵的查詢結果大小上界被證明是緊緻的，正面回答了他們的開放問題。
• 最壞情況大小指數 α(Q) 恰好等於所有滿足函數依存關係與查詢結構的熵向量中最小熵值。
• 有限群構造達到了熵下界，證明熵特徵描述不僅是上界，而且是緊緻的。
• 計算 α(Q) 的問題被證明與資訊理論中的困難問題密切相關，特別是熵錐上的優化問題。
• 本文將AGM界限推廣至存在函數依存關係的情況，顯示AGM界限僅在無函數依存關係時仍有效。
• 提出了一種演算法，可在 O(|D|^α(Q) + m) 時間內計算查詢結果，其中 m 為函數依存關係的迭代寬度，此結果推廣了Atserias等人（2013年）的成果。