软件学报

作者：钮泽平，李国良

单位：钮泽平，清华大学 计算机科学与技术系, 北京 10008411,李国良，清华大学 计算机科学与技术系, 北京 10008402

关键词：SQL;数据库;决策树;DB4AI

基金：国家自然科学基金（61925205，61632016）

在大量变化着的数据中，数据分析师常常只关心预测结果为特定值的少量数据.然而，利用机器学习模型进行推理的工作流程中，由于机器学习算法库默认数据以单表方式组织，用户必须先通过SQL语句查询出全部数据，即使随后在模型推理过程中会将大量数据丢弃.指出了在这个过程中，如果可以预先从模型中提取信息，就有望能在数据获取阶段快速排除不需要的数据，从而降低数据获取过程中的多表连接代价、进程间通信代价以及模型预测代价，进而加速整个工作流程.以决策树模型为例，首先提出一种预筛选+验证的执行方法对查询过程进行优化，之后给出了从决策树中提取用于预筛选谓词的离线算法，最后在真实数据集上进行测试.实验结果表明，所提出的方法能够对借助决策树模型推理结果对数据进行筛选的应用场景起到较好的加速效果.

来源：2021年第3期

《软件学报》期刊编辑部

查看软件学报杂志2021年第3期