تکنیک‌های رتبه‌بندی احتمالی در پایگاه‌های داده رابطه‌ای ۲۰۲۲
Probabilistic Ranking Techniques in Relational Databases 2022

پرسش‌های رتبه‌بندی به‌طور گسترده در کاوش داده، تحلیل داده و سناریوهای تصمیم‌گیری مورد استفاده قرار می‌گیرند. در حالی که بیشتر تکنیک‌های رتبه‌بندی پیشنهادی فعلی بر داده‌های قطعی متمرکز هستند، چندین کاربرد نوظهور شامل داده‌هایی است که مبهم یا نامشخص هستند. رتبه‌بندی داده‌های نامشخص چالش‌های جدیدی را در معناشناسی و پردازش پرسش‌ها ایجاد می‌کند و روش‌های مرسوم را غیرقابل استفاده می‌سازد. افزون بر این، تعامل بین رتبه‌بندی و مدل‌های عدم قطعیت، ابعاد جدیدی را برای مرتب‌سازی نتایج پرسش‌ها معرفی می‌کند که در تنظیمات سنتی وجود ندارند.

این درسگفتار به تشریح فرمول‌بندی‌ها و تکنیک‌های پردازش جدید برای پرسش‌های رتبه‌بندی بر روی داده‌های نامشخص می‌پردازد. این فرمول‌بندی‌ها بر اساس تلفیق معناشناسی رتبه‌بندی سنتی با معناشناسی جهان‌های ممکن تحت مدل‌های عدم قطعیت پذیرفته شده است. به طور خاص، ما بر بحث در مورد تاثیر عدم قطعیت در سطح تاپل و سطح ویژگی بر معناشناسی و تکنیک‌های پردازش پرسش‌های رتبه‌بندی تمرکز می‌کنیم.

تحت مدل عدم قطعیت در سطح تاپل، تکنیک‌های پردازش جدیدی را شرح می‌دهیم که از قابلیت‌های سیستم‌های پایگاه داده رابطه‌ای برای تشخیص و مدیریت عدم قطعیت داده‌ها در رتبه‌بندی مبتنی بر امتیاز استفاده می‌کنند. تحت مدل عدم قطعیت در سطح ویژگی، مدل‌های رتبه‌بندی احتمالی جدید و مجموعه‌ای از الگوریتم‌های ارزیابی پرسش، از جمله تکنیک‌های مبتنی بر نمونه‌برداری را شرح می‌دهیم.

همچنین در مورد پشتیبانی از پرسش‌های پیوند رتبه‌ای بر روی داده‌های نامشخص بحث می‌کنیم و نشان می‌دهیم که چگونه روش‌های پیوند رتبه‌ای فعلی را برای مدیریت عدم قطعیت در ویژگی‌های امتیازدهی گسترش دهیم.

فهرست مطالب: مقدمه / مدل‌های عدم قطعیت / معناشناسی پرسش / روش‌شناسی‌ها / پیوند رتبه‌ای نامشخص / نتیجه‌گیری

Ranking queries are widely used in data exploration, data analysis and decision making scenarios. While most of the currently proposed ranking techniques focus on deterministic data, several emerging applications involve data that are imprecise or uncertain. Ranking uncertain data raises new challenges in query semantics and processing, making conventional methods inapplicable. Furthermore, the interplay between ranking and uncertainty models introduces new dimensions for ordering query results that do not exist in the traditional settings. This lecture describes new formulations and processing techniques for ranking queries on uncertain data. The formulations are based on marriage of traditional ranking semantics with possible worlds semantics under widely-adopted uncertainty models. In particular, we focus on discussing the impact of tuple-level and attribute-level uncertainty on the semantics and processing techniques of ranking queries. Under the tuple-level uncertainty model, we describe new processing techniques leveraging the capabilities of relational database systems to recognize and handle data uncertainty in score-based ranking. Under the attribute-level uncertainty model, we describe new probabilistic ranking models and a set of query evaluation algorithms, including sampling-based techniques. We also discuss supporting rank join queries on uncertain data, and we show how to extend current rank join methods to handle uncertainty in scoring attributes. Table of Contents: Introduction / Uncertainty Models / Query Semantics / Methodologies / Uncertain Rank Join / Conclusion