ترجمه فارسی مقاله CardBench: معیاری برای تخمین کاردینالیتی آموخته شده در پایگاه های داده رابطه ای
| عنوان مقاله به انگلیسی | CardBench: A Benchmark for Learned Cardinality Estimation in Relational Databases |
| عنوان مقاله به فارسی | CardBench: معیاری برای تخمین کاردینالیتی آموخته شده در پایگاه های داده رابطه ای |
| نویسندگان | Yannis Chronis, Yawen Wang, Yu Gan, Sami Abu-El-Haija, Chelsea Lin, Carsten Binnig, Fatma Özcan |
| فرمت مقاله انگلیسی | |
| زبان مقاله تحویلی | |
| فرمت مقاله ترجمه شده | |
| نحوه تحویل ترجمه | |
| تعداد صفحات | 12 |
| لینک دانلود رایگان مقاله انگلیسی | دانلود مقاله |
| دسته بندی موضوعات | Databases,Machine Learning,بانکهای اطلاعاتی , یادگیری ماشین , |
| توضیحات | Submitted 28 August, 2024; originally announced August 2024. |
| توضیحات به فارسی | ارسال شده 28 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. |
| اطلاعات بیشتر از این مقاله در پایگاه های علمی | INSPIRE HEP NASA ADS Google Scholar Semantic Scholar arXiv |
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
چکیده
Cardinality estimation is crucial for enabling high query performance in relational databases. Recently learned cardinality estimation models have been proposed to improve accuracy but there is no systematic benchmark or datasets which allows researchers to evaluate the progress made by new learned approaches and even systematically develop new learned approaches. In this paper, we are releasing a benchmark, containing thousands of queries over 20 distinct real-world databases for learned cardinality estimation. In contrast to other initial benchmarks, our benchmark is much more diverse and can be used for training and testing learned models systematically. Using this benchmark, we explored whether learned cardinality estimation can be transferred to an unseen dataset in a zero-shot manner. We trained GNN-based and transformer-based models to study the problem in three setups: 1-) instance-based, 2-) zero-shot, and 3-) fine-tuned. Our results show that while we get promising results for zero-shot cardinality estimation on simple single table queries; as soon as we add joins, the accuracy drops. However, we show that with fine-tuning, we can still utilize pre-trained models for cardinality estimation, significantly reducing training overheads compared to instance specific models. We are open sourcing our scripts to collect statistics, generate queries and training datasets to foster more extensive research, also from the ML community on the important problem of cardinality estimation and in particular improve on recent directions such as pre-trained cardinality estimation.
چکیده به فارسی (ترجمه ماشینی)
برآورد کاردینالیت برای فعال کردن عملکرد پرس و جو بالا در پایگاه داده های رابطه بسیار مهم است.مدلهای تخمین کاردینال که اخیراً آموخته شده اند برای بهبود دقت پیشنهاد شده اند ، اما هیچ معیار یا مجموعه داده های سیستماتیک وجود ندارد که به محققان امکان می دهد پیشرفت های حاصل از رویکردهای جدید آموخته شده را ارزیابی کنند و حتی به طور سیستماتیک رویکردهای جدید آموخته شده را نیز توسعه دهند.در این مقاله ، ما یک معیار را منتشر می کنیم ، که شامل هزاران نمایش داده شده بیش از 20 پایگاه داده مجزا در دنیای واقعی برای برآورد کاردینالیت آموخته شده است.بر خلاف سایر معیارهای اولیه ، معیار ما بسیار متنوع تر است و می تواند برای آموزش و آزمایش مدل های آموخته شده به طور سیستماتیک استفاده شود.با استفاده از این معیار ، ما بررسی کردیم که آیا برآورد کاردینالیت آموخته شده می تواند به روشی صفر به یک مجموعه داده غیب منتقل شود.ما مدلهای مبتنی بر GNN و ترانسفورماتور را آموزش دادیم تا مشکل را در سه تنظیم مطالعه کنیم: 1-) مبتنی بر نمونه ، 2-) صفر-شات و 3-) تنظیم دقیق.نتایج ما نشان می دهد که در حالی که ما برای برآورد کاردینالیت صفر در نمایش داده های ساده جدول ، نتایج امیدوار کننده ای کسب می کنیم.به محض اینکه پیوستیم ، دقت کاهش می یابد.با این حال ، ما نشان می دهیم که با تنظیم دقیق ، ما هنوز هم می توانیم از مدل های از پیش آموزش داده شده برای برآورد کاردینالیت استفاده کنیم ، و به طور قابل توجهی از سربارهای آموزش در مقایسه با مدلهای خاص نمونه کاهش می یابد.ما برای جمع آوری آمار ، تهیه اسکریپت های خود را برای جمع آوری آمار ، تولید پرس و جو و مجموعه داده های آموزشی برای تقویت تحقیقات گسترده تر ، همچنین از جامعه ML در مورد مشکل مهم تخمین کاردینالیت و به ویژه در جهت های اخیر مانند تخمین کاردینالیت از پیش آموزش داده شده ، باز می کنیم.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.