arXiv cs.AI· Kyoungmin Kim·· 10 天前AI 评分22
当查询计划改变答案：语义查询的成本-精度优化形式化
When Plans Change Answers: Formalizing Cost-Accuracy Optimization for Semantic Queries
AI 导读
针对语义查询引擎中查询计划同时影响成本与结果的问题，研究者给出了成本-精度优化的形式化问题定义，基于决策模型（如 Jev）的校准置信度计算每个决策的期望误差，并按其对输出的贡献加权，从而无需标注数据即可估计计划的期望输出质量。
正文 · AI 翻译
摘要：在语义查询引擎中，谓词由机器学习模型求值，查询计划的选择不仅影响查询成本，还影响查询结果。现有系统要么对每个语义算子应用固定阈值，要么针对每个算子调整准确率，而没有考虑错误如何通过连接传播。我们给出了此类查询成本-准确率优化的形式化问题定义。我们的出发点是决策模型（如 Jev）为每个决策赋予的校准置信度。它为每个决策产生一个期望误差；按每个决策对输出的贡献（最简单情况下为其扇出）对这些误差加权，即可在没有任何标注数据的情况下得到计划的期望输出质量，而同样的计算反向进行，可将输出级准确率目标转化为对每个基础或中间元组的价格。在此基础上，我们定义了带语义算子的关系代数的 oracle 语义、作为逻辑计划与决策策略对的物理计划、声明式输出级目标，以及计划等价性的层级结构。我们证明，在逐点确定性策略下准确率是计划不变的，并且当升级带基于计划自身的候选进行校准时，选择下推在质量上不健全。在包语义下，期望质量可在多项式时间内计算；在集合语义下，当每个关系都带有语义谓词时，它遵循元组独立概率数据库的二分法。选择丢弃哪些元组是 NP 难的，而优化问题通过两个拉格朗日乘子分解为逐元组决策。在合成工作负载上的模拟说明了这些效应；在真实引擎上的评估留待未来工作。
| 主题： | 数据库（cs.DB）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.08089 [cs.DB] |
| （或 arXiv:2610.08089v1 [cs.DB] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.08089 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Kyoungmin Kim [查看电子邮件]
[v1]
2026年10月6日星期二 10:19:43 UTC（53 KB）
来源：arXiv cs.AI · arxiv.org