近日，菠菜平台高瓴人工智能学院师生与香港中文大学、阿里巴巴相助的论文被国际学术聚会会议SIGMOD（2024）录用，该论文的第一、二作者划分为高瓴人工智能学院博士生李家郡和雷润林，通讯作者为魏哲巍教授。2024年国际数据治理大会（ACM SIGMOD/PODS International Conference on Management of Data）将于2024年6月9日-6月15日在智利圣地亚哥召开。SIGMOD是中国盘算机学会（CCF）推荐的A类国际学术聚会会议，是数据库领域最顶级的聚会会议之一。

论文介绍

论文题目：Learning-based Property Estimation with Polynomials

论文作者：李家郡，雷润林，王思博，魏哲巍，丁博麟

通讯作者：魏哲巍

论文概述：在数据库领域中，差异元素个数、熵、幂次和等数据性质常是种种问题的重要特征。这些性质在查询优化、数据压缩、机械学习等实际问题中均有应用。当数据规模很是庞大时，通常使用采样的要领对数据性质进行预计。传统的预计要领大多依据特定的数据漫衍和假设设计一个牢固的统计量。尽管这些要领有一定的理论保证，但它们依赖于数据漫衍的特定假设，因此在真实场景中体现一般。最近也有一些要领基于机械学习对数据性质进行预计，但这些要领缺少理论保证。针对以上问题，我们提出了一个统一的多项式近似的可学习性质预计框架。我们将性质预计问题转换为带权多项式预计问题，使用学习的要领优化多项式的系数，保留系数的理论意义与可解释性。相较于之前需要针对差异数据性质预计配景，设计差异预计器，我们统一的多项式近似的可学习性质预计框架只需要凭据差异问题调整多项式近似函数。在合成数据和真实数据下的实验都体现，我们的要领优于传统的统计量预计器，同时也有一定的理论保障。