[论文解读] Tractable vs. Intractable Cases of Matching Dependencies for Query Answering under Entity Resolution

Leopoldo Bertossi, Jaffer Gardezi|arXiv (Cornell University)|Sep 7, 2013

Data Quality and Management参考文献 21被引用 3

一句话总结

本文研究了在实体消歧中匹配依赖（MDs）下查询回答的复杂性，重点关注无环MD集合。它在可解查询回答的可 tractable 与 NP-hard 情况之间建立了二分法，表明某些MD对的句法条件会导致不可解性，而这些条件的缺失则在传递相似性下确保可解性——这是该领域内首个此类二分法结果。

ABSTRACT

Matching Dependencies (MDs) are a relatively recent proposal for declarative entity resolution. They are rules that specify, on the basis of similarities satisfied by values in a database, what values should be considered duplicates, and have to be matched. On the basis of a chase-like procedure for MD enforcement, we can obtain clean (duplicate-free) instances; actually possibly several of them. The resolved answers to queries are those that are invariant under the resulting class of resolved instances. Previous work identified certain classes of queries and sets of MDs for which resolved query answering is tractable. Special emphasis was placed on cyclic sets of MDs. In this work we further investigate the complexity of this problem, identifying intractable cases, and exploring the frontier between tractability and intractability. We concentrate mostly on acyclic sets of MDs. For a special case we obtain a dichotomy result relative to NP-hardness.

研究动机与目标

• 系统分析在匹配依赖（MDs）下，特别是无环MD集合中，已消歧查询回答的复杂性。
• 识别导致已消歧查询回答NP-hard性的MD对的句法准则。
• 在传递相似性操作符下，为无环MD建立可解与不可解情况之间的二分法。
• 将二分法结果从MD对扩展到更大的集合，补充了关于循环MD的先前工作。
• 澄清基于MD的实体消歧中可解性与不可解性的分界线，尤其对比无环与循环依赖。

提出的方法

• 作者为通过强制执行MD来清洗数据库定义了一种基于chase的语义，生成干净（无重复）实例。
• 他们将已消歧查询回答形式化为在所有由chase生成的最小干净实例中保持不变的答案集合。
• 他们引入了MD对的句法条件，当这些条件满足时，意味着查询回答问题的NP-hard性。
• 他们证明，当这些条件不存在且相似性具有传递性时，问题变为可解，从而建立二分法。
• 他们将分析扩展到超过两个MD的集合，保持在无环依赖结构下的二分法。
• 他们将该语义与替代的基于chase的方法进行比较，并讨论了对查询重写和修复语义的影响。

实验结果

研究问题

• RQ1 无环匹配依赖对的哪些句法特性会导致已消歧查询回答的NP-hard性？
• RQ2 在传递相似性下，能否为无环MD建立可解与不可解情况之间的二分法？
• RQ3 与无环集合相比，MD集合中存在环路时，已消歧查询回答的复杂性有何不同？
• RQ4 替代的chase语义（例如一次处理一个MD）在多大程度上改变了已消歧查询回答的复杂性格局？
• RQ5 该二分法结果能否扩展到超过一对的无环MD集合？

主要发现

• 对于无环MD集合，MD对中存在特定句法模式会导致已消歧查询回答的NP-hard性。
• 当这些不可解模式不存在且相似性具有传递性时，已消歧查询回答变为可解，从而为线性MD对建立了二分法。
• 该二分法结果依赖于传递相似性操作符的假设，这对可解性证明至关重要。
• 与先前关于循环MD（如HSC集合）的工作相反，后者是可解的，但无环MD仍可能导致查询回答不可解，挑战了‘环路使问题简化’的直觉。
• 该结果与先前关于循环MD的工作相辅相成，为基于MD的实体消歧提供了更全面的复杂性图景。
• 一次处理一个MD的替代chase语义可使原本不可解的情况变为可解，凸显了复杂性对语义设计的敏感性。