.png){kind=icon}
返回
Machine Learning for Graph Data Management and Query Processing
.png){kind=icon}
PRE
AI
DOI：10.14778/3750601.3750702.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，已提出机器学习技术以优化图数据库的性能。由于图数据库任务的NP难度及图数据的复杂性，传统精确解法通常面临效率问题，而近似解法的性能可能受到采样失败和局部最优等问题的制约。凭借机器学习的固有优势，基于学习的图数据库技术展现出泛化能力和更优性能，在图数据管理和图查询处理等多个场景中表现突出。尽管机器学习技术带来了效率和准确性的提升，但面向图数据库模型的机器学习仍面临若干关键挑战，包括可扩展性和适应性。在本教程中，我们首先对近期数据库和数据挖掘会议中发表的基于学习的图数据管理和查询处理技术进行了深度综述，以勾勒机器学习在图数据库研究领域的最新进展。同时，我们讨论了该领域存在的开放性挑战，并提出了未来研究方向。
Keyword:
EFFICIENT
期刊
P
IF:
3.3
论文数:
563
被引数:
1.2W
机构
引用论文
.png){kind=icon}
Join Order Selection with Deep Reinforcement Learning: Fundamentals, Techniques, and Challenges基于深度强化学习的连接顺序选择：基础、技术与挑战
PREAI
分享收藏分享收藏
分享收藏
查看更多内容