计算机工程

作者：房俊, 薛晓东, 周云亮

单位：1. 北方工业大学 信息学院, 北京 1001442. 大规模流数据集成与分析技术北京市重点实验室, 北京 100144

关键词：近似查询,生成模型,并行计算,区间估计,抽样

基金：国家自然科学基金国际(地区)合作与交流项目(62061136006)

目前大多数近似查询方法都是用一个估计值来回答查询，这种点估计的方法虽然简单但是会存在误差。区间估计方法需要在大量样本上完成计算，会造成较高的查询时延，导致在实际中难以广泛应用。以模型驱动的近似查询技术虽在效率上有一定优势，但其查询结果缺乏可靠性保障。为此，提出一种融合数据抽样和机器学习算法的近似查询方法，通过深度生成模型提高查询效率，用区间估计代替点估计来回答查询，即通过多个样本的查询结果来生成一个相对可靠的区间结果。首先利用改进的生成对抗网络模型学习数据分布，在不访问数据集的情况下快速生成多个样本，然后利用大规模并行处理架构来分配计算任务，完成样本生成和查询执行的过程，最后将查询结果返回给用户。实验结果表明，该方法得出的聚合查询区间估计结果的归一化置信区间覆盖率(NCIC)达到85%以上，在聚合函数为COUNT且选择性低于0.03的查询实验中，针对ROAD、PM2.5这2个数据集，该方法的NCIC较随机抽样方法分别提高了13.9%和14.8%，虽然其查询时延相较基准方法有所增加，但是也可满足常规应用要求。

来源：2023年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第11期