[论文解读] Research Directions for Principles of Data Management (Dagstuhl Perspectives Workshop 16151)

Serge Abiteboul, Marcelo Arenas+19 more|arXiv (Cornell University)|Jan 31, 2017

Advanced Database Systems and Queries参考文献 36被引用 13

一句话总结

本文识别出七个核心研究主题——大规模数据管理、多模型数据、不确定信息、知识增强数据、数据管理与机器学习、流程与数据，以及伦理与数据管理——提出基于原则、数学基础扎实的方法，以应对大数据、网络规模系统和伦理数据使用中的演进式数据管理挑战。强调跨学科整合与实际应用，以推动基础数据管理研究的发展。

ABSTRACT

In April 2016, a community of researchers working in the area of Principles of Data Management (PDM) joined in a workshop at the Dagstuhl Castle in Germany. The workshop was organized jointly by the Executive Committee of the ACM Symposium on Principles of Database Systems (PODS) and the Council of the International Conference on Database Theory (ICDT). The mission of this workshop was to identify and explore some of the most important research directions that have high relevance to society and to Computer Science today, and where the PDM community has the potential to make significant contributions. This report describes the family of research directions that the workshop focused on from three perspectives: potential practical relevance, results already obtained, and research questions that appear surmountable in the short and medium term.

研究动机与目标

• 识别并阐明原则性数据管理（PDM）中最具影响力的研究方向，具有对社会和计算机科学的高相关性。
• 通过原则化、形式化的方法，应对大数据时代、网络规模数据以及伦理关切带来的日益复杂的数据管理挑战。
• 加强PDM与机器学习、统计学、形式化验证以及社会科学等领域的跨学科合作。
• 通过突出具有实际与社会影响的及时性、基础性研究挑战，为资助机构、高校和研究人员提供指导。
• 通过将认知科学、社会学和哲学的洞见整合到数据管理系统与实践中，推动伦理数据管理。

提出的方法

• 围绕由顶尖PDM研究人员参加的Dagstuhl Perspectives研讨会所提炼出的七个核心主题组织研究挑战。
• 基于逻辑、复杂性理论和知识表示等现有理论基础，应对现代数据挑战。
• 提出正式框架，利用查询语言、本体和完整性约束，以形式化方式管理数据多样性、不确定性和血统信息。
• 通过原则化的查询优化、数据交换和事务模型，实现机器学习与数据感知流程的整合。
• 倡导采用密码学和去中心化访问控制机制（包括区块链），以支持网络上的隐私与信任。
• 设计‘按设计’的负责任数据分析工具，从一开始就嵌入公平性、偏差检测和数据质量评估。

实验结果

研究问题

• RQ1 如何通过原则化数据管理方法提升在处理大规模、分布式数据工作负载时的可扩展性与效率？
• RQ2 需要哪些形式化模型与查询语言，才能有效管理多模型和异构数据源？
• RQ3 如何以可扩展的方式，形式化表示并推理数据中的不确定性（如概率性或不完整信息）？
• RQ4 知识图谱与语义增强在多系统间提升数据理解与互操作性方面有哪些作用？
• RQ5 如何将数据管理原则与机器学习整合，以确保分析管道在鲁棒性、公平性和可解释性方面的表现？

主要发现

• PDM社区通过形式化框架（包括基于代数和演算的查询语言、完整性约束和事务模型）在基础数据管理方面做出了重要贡献。
• 在并行系统中，$n$-路连接处理的最新进展已优于传统二元连接方法，表明在处理数据量与数据速度方面已取得进展。
• 关于不确定信息与数据质量的研究，使我们能够更好地推理人类相关数据中的信任、偏差与血统信息，尤其是在网络环境中。
• 个人信息系统（PIMS）为将数据控制权重新平衡至个人提供了有前景的路径，有助于提升隐私与伦理一致性。
• 伦理数据管理需要跨学科研究，将计算机科学与社会学、心理学和政治学相结合，以应对公平性、偏差与社会影响问题。
• 将形式化方法与机器学习及系统研究整合，是构建可信、可扩展且可验证的数据管理解决方案的关键。