圖書信息

內容簡介

對 arXiv cs.DB 分類的年度綜述，涵蓋 2025 年 9 月至 2026 年 8 月期間發表的研究。本卷基於對 100 篇論文 的細讀整理，組織為 36 章，按該領域的研究子方向描繪這一年的全貌。

全書框架（年度產出佔比）：

數據依賴發現與表挖掘 (63.3%) — 聚焦發現各種數據依賴（函數依賴、包含依賴、條件依賴）的高效算法，以及在結構化表中挖掘模式。
大語言模型增強的文本轉 SQL 與圖 RAG (27.5%) — 處理自然語言轉 SQL 翻譯、模式演化魯棒性，以及利用大語言模型在結構化與半結構化數據上進行檢索增強生成。
近似最近鄰與向量檢索 (5.3%) — 優化大規模數據庫中相似性檢索的高維向量索引、過濾與搜索效率。
查詢優化與執行引擎設計 (2.4%) — 通過學習型估計器、動態調度與面向分析與時序工作負載的新穎執行結構，提升查詢處理性能。
關係深度學習與圖整合 (0.9%) — 將深度學習模型與關係數據庫結構及屬性圖整合，以增強查詢與表示學習。
基準測試與評估框架 (0.3%) — 發展評估數據庫系統性能、公平性與查詢翻譯準確性的綜合基準與評估方法。
數據庫理論與算法基礎 (0.3%) — 探索數據庫修復、線性化與 Yannakakis 算法等理論模型的基本算法。
理論枚舉與排序分析 (0.1%) — 研究列舉投影樹、排序穩定性與解釋數據模型中群體偏見的基本問題。