Optimised Storage for Datalog Reasoning

要約

マテリアライゼーションは、ファクトとルールのすべての結果を事前計算することで Datalog 推論を容易にし、マテリアライズされたファクトに対してクエリに直接答えることができます。
ただし、具体化されたファクトをすべて保存することは、特にルールが複雑で、指定されたファクトのセットが大きい場合には、実際には実行不可能な場合があります。
ルールの特定の組み合わせについては、推論結果をコンパクトに表現し、必要に応じて効率的にクエリできるデータ構造が存在することがわかります。
このホワイトペーパーでは、このような最適化されたストレージスキームと標準の具体化アルゴリズムの統合を可能にする一般的なフレームワークを紹介します。
さらに、実際に一般的に発生する 2 種類のルール (の組み合わせ) である推移ルールと和集合ルールを対象とした、最適化されたストレージ スキームを考案します。
実験による評価では、このアプローチにより、クエリ応答時間の点で競争力を維持しながら、メモリ消費量が大幅に (場合によっては桁違いに) 改善されることがわかりました。

要約(オリジナル)

Materialisation facilitates Datalog reasoning by precomputing all consequences of the facts and the rules so that queries can be directly answered over the materialised facts. However, storing all materialised facts may be infeasible in practice, especially when the rules are complex and the given set of facts is large. We observe that for certain combinations of rules, there exist data structures that compactly represent the reasoning result and can be efficiently queried when necessary. In this paper, we present a general framework that allows for the integration of such optimised storage schemes with standard materialisation algorithms. Moreover, we devise optimised storage schemes targeting at transitive rules and union rules, two types of (combination of) rules that commonly occur in practice. Our experimental evaluation shows that our approach significantly improves memory consumption, sometimes by orders of magnitude, while remaining competitive in terms of query answering time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google