[论文解读] Query-Answer Causality in Databases: Abductive Diagnosis and View-Updates

Babak Salimi, Leopoldo Bertossi|arXiv (Cornell University)|Jun 13, 2015

Logic, Reasoning, and Knowledge参考文献 29被引用 9

一句话总结

本文建立了数据库中查询-答案因果关系、归结诊断与视图更新问题之间的正式联系，使Datalog和递归查询中的因果关系复杂度分析获得新结果。通过利用归结诊断框架，将因果关系扩展至一阶单调查询之外的更丰富查询类别，证明了弱线性查询的可解性，以及视图条件因果关系的NP完全性。

ABSTRACT

Causality has been recently introduced in databases, to model, characterize and possibly compute causes for query results (answers). Connections between query causality and consistency-based diagnosis and database repairs (wrt. integrity constrain violations) have been established in the literature. In this work we establish connections between query causality and abductive diagnosis and the view-update problem. The unveiled relationships allow us to obtain new complexity results for query causality -the main focus of our work- and also for the two other areas.

研究动机与目标

• 正式建立关系数据库中查询-答案因果关系与归结诊断之间的联系。
• 通过归结推理，将因果关系分析从一阶单调查询扩展至Datalog和递归查询。
• 通过将因果关系问题与视图更新及诊断问题关联，推导出因果关系问题的新复杂度结果。
• 为弱线性查询中的最小源副作用问题建立可解性，推广先前结果。
• 在统一的理论框架下整合因果关系、诊断与视图更新，以提升不确定与不一致数据中的推理能力。

提出的方法

• 基于Halpern-Pearl模型，使用反事实依赖形式化数据库中的实际因果关系。
• 通过将原因视为查询结果的归结解释，将查询因果关系映射至归结诊断。
• 将因果关系问题归约为逻辑编程中的归结诊断问题，从而扩展至Datalog和递归查询。
• 以视图更新问题为桥梁：通过推断解释视图内容的基关系，借助副作用最小化与因果关系建立联系。
• 应用复杂性理论归约：证明视图条件因果关系决策问题为NP完全，且责任计算为FP^NP(log n)-难。
• 利用先前工作的最大流归约，证明弱线性查询的可解性，推广链连接结果。

实验结果

研究问题

• RQ1 如何利用归结诊断来形式化并扩展Datalog和递归查询中的因果关系？
• RQ2 对于元合查询（conjunctive queries, CQs），视图条件因果关系决策问题的复杂度如何？
• RQ3 弱线性查询中的最小源副作用问题是否可高效求解，其结果如何推广先前工作？
• RQ4 数据库系统中查询因果关系、归结诊断与视图更新问题之间存在何种联系？
• RQ5 现有的一致性基诊断与修复的复杂度结果如何迁移至因果关系与视图更新问题？

主要发现

• 视图条件因果关系决策问题（VC-causality）对于元合查询（CQs）为NP完全，可扩展至元合查询的并集（UCQs）。
• 计算最小源副作用问题解的大小为FP^NP(log n)-难，表明其具有高度计算复杂度。
• 弱线性查询的最小源副作用决策问题具有可解性，推广了先前对线性及链连接查询的可解性结果。
• 弱线性查询的可解性结果将线性查询中的最大流方法扩展至更广泛类别，包括非链连接查询。
• 本文正式建立了因果关系、归结诊断与视图更新之间的联系，促进了这些领域间复杂度结果的交叉应用。
• Datalog查询的因果关系可通过归结诊断进行形式化与分析，将因果关系的适用范围扩展至一阶单调查询之外。