Compilation de connaissances pour l'analyse de données – KCODA

Notre approche s'appuie sur le fait que dans de nombreux cas, on peut représenter les réponses d'une requête de base de données sous forme factorisée, sans compromettre pour autant leur utilisabilité. On utilisera pour cela des structures de données inspirées du domaine de la compilation de connaissances. Ces structures de données permettent originellement de représenter une fonction booléenne de façon plus succincte que sa table de vérité, tout en permettant le calcul rapide de nombreux agrégats comme trouver le nombre de solutions de la fonction en temps linéaire. Ces structures de données peuvent être généralisées au domaine des bases de données pour représenter une table sur un domaine non-booléen. Cette approche, introduite principalement par Dan Olteanu, est connue sous le nom de *factorized databases*. Cependant, les structures de données impliquées ici n'ont jamais été systématiquement classifiées et étudiées aussi précisément que pour celles utilisées en compilation de connaissances. Nous nous proposons donc de réaliser une étude systématique de ces structures de données visant à une unification de nombreux résultats épars en base de données tout en proposant des généralisations et des implémentations à l'intérieur même des systèmes de gestion de base de données.

Le but de KCODA est d'étudier comment des représentations succinctes peuvent être utilisées pour résoudre efficacement des problèmes d'optimisation et d'IA modernes qui utilisent beaucoup de données. Nous proposons d'utiliser des structures de données provenant du domaine de la compilation de connaissances qui permettent de représenter de gros jeux de données succinctement en factorisant certaines parties tout en permettant une analyse efficaces des données représentées. Le premier but de KCODA est de comprendre comment on peut résoudre efficacement des problèmes d'optimisation et d'apprentissage pour des données représentées par ces structures. Le second but de KCODA est d'offrir une meilleure intégration de ces techniques dans les systèmes de gestion de bases de données en proposant de nouveaux algorithmes permettant de construire des représentations factorisées des données des réponses d'une requête de BD et en proposant des encodages de ces représentations à l'intérieur de la BD.