New semantic structures in relational databases and their application to query processing

Abstract

관계형 데이터베이스에서 의미구조는 의미적으로 연관되어 있는 릴레이션들의 구조이다. 의미구조는 질의를 해석하는데 사용되어 왔다. 본 학위논문에서는 유니버설 릴레이션에서의 질의와 관계형 데이터베이스에서 키워드 질의를 사용자의 의도에 따라 해석하기 위해 새로운 의미구조를 제안한다. 본 학위논문의 첫 번째 파트에서는 유니버설 릴레이션에서 순환(cycle)을 완전히 제거한 새로운 의미구조인 maximal object+를 제안하고, 이를 사용자 의도에 따라 질의를 해석하는데 사용한다. 유니버설 릴레이션 모델에서 유니버설 릴레이션이라고 불리는 의미구조는 관계형 데이터베이스에서 모든 릴레이션을 조인한 가상의 릴레이션으로 정의된다. 유니버설 릴레이션 모델은 우리가 실렉션 및 프로젝션 조건만을 명시했을 때 유니버설 릴레이션에서 결과를 찾을 수 있게 한다. 유니버설 릴레이션 모델은 실렉션과 프로젝션이 수행되는 실제 릴레이션들과 그 릴레이션들 사이의 가능한 조인 경로를 데이터베이스 스키마를 사용하여 자동으로 찾는다. 데이터베이스 스키마에 순환이 있을 경우, 유니버설 릴레이션 모델은 질의의 해석에 의도하지 않은 조건을 추가하기 때문에 질의의 일부 결과들을 잃어버릴 수 있다. 여기서, 의도하지 않은 조건은 서로 다른 조인 경로에 의해 여러 질의 해석들을 교집합하는 동등(equality) 조건이므로, 유니버설 릴레이션 모델은 사용자가 원하는 결과의 일부만을 반환하게 된다. Maximal object+는 속한 릴레이션들의 집합이 무손실 조인 속성(lossless join property)를 가지면서 데이터베이스 스키마 그래프에서 순환을 가지지 않는 가장 큰 연결된 부분이다. 여기서, 중요한 점은 maximal object+가 다치 종속성(multivalued dependency)에 의한 무손실 조인 속성을 제외하고 함수적 종속성(functional dependency)에 의한 무손실 조인 속성만을 허용한다는 점이다. 본 학위논문에서는 maximal object+의 효과를 보이기 위해 실제 및 합성 데이터 집합에 대한 실험을 수행하여 maximal object+에 기반한 질의 처리 방법의 성능을 maximal object에 기반한 질의 처리 방법의 성능과 비교하였다. 실험 결과, 제안한 방법이 maximal object에 기반한 방법과 비슷한 효율성을 보이면서, recall 측면에서 크게 앞선다는 것을 보였다. 특히, 제안한 방법은 스키마가 순환을 포함하는 데이터 집합에 대해 mean recall을 최대 8.15배까지 증가시켰다. 본 학위논문의 두 번째 파트에서는 새로운 의미구조인 Strongly Related Tree (SRT)를 제안하고 이를 관계형 데이터베이스에서 top-k 키워드 질의 처리의 랭킹 품질을 향상시키는데 사용하였다. 관계형 데이터베이스에서 top-k 키워드 질의는 질의 키워드들을 포함하는 투플들이 주 키-외부 키 관계로 연결된 투플들의 트리 k개를 질의와의 연관성이 있는 순서로 반환한다...