论文笔记——Making Database Systems Usable

Making Database Systems Usable

   H. V. Jagadish Adriane Chapman Aaron Elkiss

Magesh Jayapandian Yunyao Li Arnab Nandi Cong Yu

 

Introduction

数据库得到了很大的发展，但还远远不够：比如很多数据存在数据库外，维护数据库的成本高，普通用户无法直接使用数据库。

原因：数据库的usability不够（schema过于复杂，SQL语句编写query不容易等等）。本文讨论的是基于用户角色的usability。

 

用户对database与web的usability预期是不同的：

	Databae	Web
Query	sophisticated专业/复杂	输入keywords
Result	准确、完整 不准确、丢失的信息-》向用户解释	可以容忍imperfect和irrelevant， 因为不知道web数据量的范围
Result structure	Table，network，在map上的空间展示，多维空间上的点集 （result组成一个结构）	一些links
Modify	可以Create、update	Only search

 

 

Related work

Human error是导致很多复杂系统失败的主要原因，所以最近软件行业开始研究user（做得更加人性化）。

Database以前在usability方面主要有2个方向：新颖的查询界面、个性化数据库

 

界面：

1） 可视化的界面Visual Interface

a)帮助用户递增式地构造query（build queries incrementally）

代表：XQBE,MIX,Xing,VISIONARY,Kaleidoquery,QBT

b)基于表单的界面forms-based

                                                       

2） 文本界面Text Interface

a)关键词检索界面（像搜索引擎）: Relational database and xml database

b)自然语言界面：Microsoft English Query

c)介于keyword和structural search之间：用户知道部分data的结构

d)trend：分析keyword query，自动发现隐藏的语义结构semantic structures

  思考：用NLP的方法？

 

个性化：

在web中已经开始（推荐广告？）

使用用户的上下文，分析用户的个性，对查询结构进行排序 

Mining：是否需要machine training(记录用户的习惯)

 

Db中的training data：

Query log,cluster results, previous queries（a session）用markov model？

 

其他

   HCI研究人机交换界面，交互式系统interactive system

 

 

Case study/Background

作者做的项目MiML是一个与生物教授合作的项目，帮助他们integrate 数据（多个数据库的整合）和query。为了方便biologist使用，MiML提供了5中query interface：

1） XQuery：最专业，要求对schema非常熟悉

2） MQuery

3） Forms

4） Keyword：即时反馈机制，自动补全拼写（word->phrase->query）

5） Natural language:迭代改进query，当系统无法理解用户query时

 

但在MiML的使用中，还是有以下问题：

1） 各种界面返回的结果不一样

2） 无法图形化表示复杂关系的data

3） 存储data难

 

 

Pain/Trends

db在usability方面遇到的问题，也就是值得研究的topic：

1） Painful Relation

Schema过于复杂：

a)  Entity命名没有实际意义

b)  计算join复杂

c)  涉及多表的Query很复杂

部分是Normalization导致的

User view:为schema提供多种visual view（类似于MiMI里的Meaningful Summary Query）

 

2） Painful Options

多种interface option增加用户的负担（分析的代价，心理regret）

Query的多种表达方式：优化

 

要关注在完成的质量，而不是随意地提供多种选择（分析用户的需求，再提供合适的选择。不同level的用户，提供的选择不同）

 

取舍option:

a)  新手：简化query（每个人的需求不同）

同一个database里去query，每个用户希望得到的数据方向不同

b)  专家：更专业的query

3） Unexpected pain

a)  无法query

What-》How，增加用户的使用难度

Application-specific forms-based interface

系统根据用户需求，自动调整

 

Query无法执行时，给予用户解释：

性能、安全考虑，数据或者程序错误，以合适的方式告诉用户原因

 

b)  Result不是预期结果

Why（where,how），why-not

 

4) Unseen Pain

在查询期间，逐步返回部分结果-》帮助用户refine query

“what you see is what you get”：word vs latex

传统的Query and debug模式耗时太长

 

4） Birthing Pain

日常info一般难以存入db：

a)  不清楚最终的结构

b)  随着信息增加，结构会变化

c)  相似信息，但结构不同（shoping list-> friend gifts vs daily shopping）

 

要支持unstructured和structured两种形式，但结构发生变化时，要容易操纵改变。

 

Painless Future

1） data model反应用户的需求，多种model

a)Geographic： mashup

b)Network

c)Multidimensional

d)Tabular

2) update throught view

   Consistency among view options

3) data provenance(why, where)

   Good provenance storage,compression, and query mechanisms

4) direct data manipulation

5) schema-latar and heterogeneous database design