類似性選択の単調基数推定:深層学習アプローチ【JST・京大機械翻訳】

Wang Yaoshu; Xiao Chuan; Qin Jianbin; Cao Xin; Sun Yifang; Wang Wei; Onizuka Makoto

プレプリント

J-GLOBAL ID：202202210083960069 整理番号：21P0024496

類似性選択の単調基数推定:深層学習アプローチ【JST・京大機械翻訳】

Monotonic Cardinality Estimation of Similarity Selection: A Deep Learning Approach

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2020年02月15日プレプリントサーバーでの情報更新日： 2021年09月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

基礎となるデータ分布を捕捉する優れた能力のために,深い学習技術が,一連の伝統的データベース問題のために最近利用されてきた。本論文では,類似性選択の基数推定のための深層学習を利用する可能性を調べた。この問題は,特に問い合わせ最適化のために,多くのデータ管理アプリケーションにとって,正確に,そして,効率的に,必須である。さらに,いくつかの応用において,推定基数は一貫性があり解釈可能であると想定した。したがって,単調推定w.r.t.クエリ閾値が好ましい。任意のデータタイプと距離関数に適用できる新しい一般的方法を提案した。この方法は特徴抽出モデルと回帰モデルから成る。特徴抽出モデルは,元のデータと閾値をHamming空間に変換し,その中で,深層学習ベースの回帰モデルを利用して,精度と単調性の両方に対する閾値の増分特性を利用した。著者らは,著者らのモデルおよび高速推定のための技術に合わせた訓練戦略を開発した。また,更新を扱う方法を論じた。実験により本手法の精度と効率を実証し,質問最適化器の性能を改善する方法を示した。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る