GraphQueryML – Verwendung von maschinellem Lernen zur Optimierung von Abfragen in Graphdatenbanken (SNF/DFG)
Beschreibung
Mit maschinellem Lernen das "Gehirn" von Datenbanken verbessern: Die Abfrageoptimierung (Query Optimization) ist eines der schwierigsten Probleme der Datenbankforschung. Ein Abfrageoptimierer kann als das "Gehirn" des Systems betrachtet werden, das dafür sorgt, dass Abfragen effizient ausgeführt werden. Auch nach mehreren Jahrzehnten der Forschung sind viele Teilprobleme der Abfrageoptimierung noch ungelöst. Das Ziel dieses Projekts ist es, mit Hilfe von maschinellem Lernen das "Gehirn" von relationalen Datenbanksystemen sowie von Graphdatenbanksystemen zu verbessern.
Eckdaten
Projektleitung
Stellv. Projektleitung
Prof. Dr. Michael Grossniklaus
Projektteam
Dennis Gehrig, Claude Lehmann, Dr. Pavel Sulimov, Prof. Dr. Ce Zhang
Projektpartner
Universität Konstanz; Eidgenössische Technische Hochschule Zürich ETH
Projektstatus
laufend, gestartet 07/2021
Institut/Zentrum
Institut für Informatik (InIT)
Drittmittelgeber
SNF-Projektförderung / Projekt Nr. 192105; Deutsche Forschungsgemeinschaft DFG / Projekt Nr. 441617860
Projektvolumen
539'000 EUR