Notice bibliographique
Résumé
An ever increasing number of organizations store their data using the XML data model. In this respect, the XML data model is used as encoding for information exchange, e-commerce messaging and complex data formats such as genome and protein data. These XML encoded data are stored in XML documents and a collection of XML documents is know as an XML database. In a simplified model, an XML document can be modeled as a tree. A challenge to the current database research is how to query these tree-encoded databases. The de facto XML query language is XQuery and there are many XQuery implementations ranging from simple XQuery prototypes to complex implementations that are part of database systems that provide XML support. The common denominator of these XQuery implementations is the immaturity of the XML query optimizer. The query optimization techniques proved to be the foundation of success for the object/relational database systems. We believe that without a sound query optimization technique querying large XML databases will not be feasible. In this thesis we present query optimization techniques for XML databases. These query optimization techniques are based on an original query optimization paradigm that we call two-level query optimization and in the context of this paradigm we introduce two novel optimization strategies, namely holistic path summary pruning and access-order selection. Furthermore, we propose the usage of path summaries (a concise representation of an XML instance) in the query optimizer as system catalogs. The query optimization techniques that we propose are employed at the access method selection level. An access method is a query operator that accesses a data sources. In this thesis we present three access methods: ToXStream, which works on streamed documents, TwigStackScan and ToXinScan that employ path summaries. The soundness of the optimization techniques that we propose are verified through experiments on XML query benchmarks. The experimental results suggest that, when applicable, these optimization techniques induce performance improvements up to two orders of magnitude over the state-of-the-art.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».