Reti di Omomorfismi Profondi Migliorano l'Apprendimento su Grafi da Database Relazionali
Un recente articolo pubblicato su arXiv propone un nuovo framework noto come Reti di Omomorfismi Profondi (DHN) per migliorare l'interpretazione dei dati dei database relazionali. Lo studio evidenzia le forti correlazioni tra le DHN e gli elementi chiave di SQL, in particolare nel contesto delle query congiuntive. I ricercatori analizzano le capacità espressive delle DHN, collegandole a vari frammenti naturali ed estensioni logiche all'interno della logica del primo ordine. Inoltre, stabiliscono connessioni tra le DHN che impiegano aggregazioni come max, sum e mean, e specifici frammenti di negazione unaria e quantificatori, approfondendo così la comprensione della relazione tra le DHN e le strutture delle query SQL.
Fatti principali
- Le DHN sono proposte per l'apprendimento su database relazionali.
- Le DHN si collegano a frammenti di SQL come le query congiuntive.
- Il potere espressivo è studiato tramite frammenti della logica del primo ordine.
- Le aggregazioni max, sum, mean sono collegate a UNFO e sue estensioni.
- Le DHN con aggregazione sum sono correlate al frammento di alternanza di quantificatori unari.
- I risultati chiariscono la relazione tra DHN e SQL.
- L'articolo è su arXiv con ID 2605.22852v1.
- Le DHN superano le limitazioni delle GNN basate su message-passing.
Entità
Istituzioni
- arXiv