人工智能赋能的数据管理、分析与系统专刊前言

大数据时代,数据规模庞大,数据管理应用场景复杂,传统数据库和数据管理技术面临很大的挑战.人工智能技术因其强大的学习、推理、规划能力,为数据库系统提供了新的发展机遇.专刊强调数据管理与人工智能的深度融合,研究人工智能赋能的数据库新技术和新型系统,包括两方面:(1)传统数据管理、数据分析技术及系统与人工智能相结合,将会焕发新的生机;(2)大数据管理与分析是新一代人工智能技术发展的基石.因此，围绕传统数据管理的不同技术层面,需要新的理论和系统经验.专刊重点围绕数据库核心技术,探讨数据管理与人工智能的深度融合,探讨在人工智能大潮下,传统数据管理技术、数据分析技术与数据库系统受到的影响、契机与应对策略,通过数据管理与人工智能融合,重点关注人工智能赋能新技术对传统数据采集、数据存储、索引、查询、统计分析以及数据管理系统的促进和提升.

本专刊论文均通过了形式审查,内容涉及人工智能赋能的数据管理、分析与系统.特约编辑先后邀请了 60 多位专家参与审稿工作,最终有18 篇论文入选本专刊.根据主题,这些论文可以分为5 组.

(1)人工智能赋能的数据管理技术
《人工智能赋能的数据管理技术研究》综述人工智能赋能的数据管理新技术的研究进展,总结了现有方法的问题和解决思路,并对未来研究方向进行展望.

《基于中间层的可扩展学习索引技术》提出了基于中间层的可扩展学习型索引模型Dabble,从而解决索引更新引发的模型重训练问题.

《面向关系数据库的智能索引调优方法》提出一种面向关系数据库系统的智能索引调优技术,利用机器学习方法构造索引的量化模型,可以准确地对索引的查询优化效果进行估计,并设计了一种高效的最优索引选择算法,实现了快速的从候选索引空间中选择满足给定大小约束的最优的索引组合.

《基于时空相关属性模型的公交到站时间预测算法》提出一种基于深度神经网络的公交到站时间预测算法,采用时空组件、属性组件和融合组件预测公交车辆从起点站到终点站的总时长.

(2)数据处理与优化技术
《面向数据特征的内存跳表优化技术》给出条件社区搜索问题的形式化定义,使用布尔表达式表示搜索条件,提出解决条件社区搜索问题的通用框架及其优化方法