Βελτιστοποίηση χωρικών ερωτημάτων με χρήση μαθημένων ευρετηρίων

Τα ευρετήρια στην γενική περίπτωση δεν είναι παρά μοντέλα: ένα B-Tree μπορεί να θεωρηθεί ως μοντέλο για τη χαρτογράφηση ενός κλειδιού στη θέση μιας εγγραφής μέσα σε έναν ταξινομημένο πίνακα, ένα Hash-Index ως μοντέλο για τη χαρτογράφηση ενός κλειδιού σε μια θέση μιας εγγραφής μέσα σε ένα μη ταξι...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Ευδοκίδης, Ιωάννης
Άλλοι συγγραφείς: Evdokidis, Ioannis
Γλώσσα:Greek
Έκδοση: 2021
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/15656
Περιγραφή
Περίληψη:Τα ευρετήρια στην γενική περίπτωση δεν είναι παρά μοντέλα: ένα B-Tree μπορεί να θεωρηθεί ως μοντέλο για τη χαρτογράφηση ενός κλειδιού στη θέση μιας εγγραφής μέσα σε έναν ταξινομημένο πίνακα, ένα Hash-Index ως μοντέλο για τη χαρτογράφηση ενός κλειδιού σε μια θέση μιας εγγραφής μέσα σε ένα μη ταξινομημένο πίνακα και ένα BitMap-Index ως μοντέλο για να υποδείξει εάν υπάρχει ή όχι μια εγγραφή δεδομένων. Σε αυτή τη διπλωματική εργασία θα ερευνηθεί η δυνατότητα να βελτιωθεί η απόκριση σε χωρικά ερωτήματα αντικαθιστώντας τα κλασικά ευρετήρια (R-Tree, Range Tree, kd Tree κτλ.) με άλλους τύπους μοντέλων, όπως μοντέλα μηχανικής μάθησης συμπεριλαμβανομένων και μοντέλων βαθιάς μάθησης. Αρχικά, θα εκπονηθεί μια βιβλιογραφική μελέτη σχετικά με τις συνθήκες υπό τις οποίες τα learned indices μπορούν θεωρητικά να ξεπεράσουν τις παραδοσιακές δομές ευρετηρίου και τις κύριες προκλήσεις στον σχεδιασμό τέτοιων μοντέλων. Τέλος, θα επιχειρηθεί η κατασκευή ενός learned index το οποίο θα υποβληθεί σε πειραματική αξιολόγηση και σύγκριση με παραδοσιακά χωρικά ευρετήρια