Estimação de cardinalidade de consultas aproximadas de substrings usando aprendizado profundo

A estimação de cardinalidade de uma consulta aproximada de substring é um problema importante em sistemas de banco de dados. Abordagens tradicionais constroem um resumo a partir dos dados textuais e estimam a cardinalidade utilizando o resumo com algumas suposições estatísticas. Como os modelos de aprendizado profundo podem aprender padrões de dados complexos subjacentes de forma eficaz, eles foram aplicados com sucesso e mostraram superar métodos tradicionais para estimativas de cardinalidade de consultas em sistemas de banco de dados. No entanto, como ainda não foram aplicados a consultas aproximadas de substrings, investigamos uma abordagem de aprendizado profundo para a estimação de cardinalidade dessas consultas. Embora a precisão dos modelos de aprendizado profundo tenha tendência a melhorar à medida que o tamanho dos dados de treinamento aumenta, produzir um grande conjunto de dados de treinamento é computacionalmente caro para a estimação de cardinalidade de consultas aproximadas de substrings. Assim, desenvolvemos algoritmos eficientes de geração de dados de treinamento evitando cálculos desnecessários e compartilhando cálculos comuns. Também propomos um modelo de aprendizado profundo, bem como um novo método de aprendizado para obter rapidamente um estimador preciso baseado em aprendizado profundo. Extensos experimentos confirmam a superioridade de nossos algoritmos de geração de dados e do modelo de aprendizado profundo com o novo método de aprendizado.