Itinai.com a website with a catalog of works by branding spec dd70b183 f9d7 4272 8f0f 5f2aecb9f42e 2
Itinai.com a website with a catalog of works by branding spec dd70b183 f9d7 4272 8f0f 5f2aecb9f42e 2

Фреймворк DINKEL для генерации запросов в графовых СУБД

Легче сразу спросить 💭

AI снижает операционные расходы на 20–40% 📊 за 6 месяцев. А что бы вы сделали с этими деньгами?

Опишите задачу — обсудим, как это можно реализовать у вас.

ИИ автоматизирует 70% рутинных задач 🤖 за 3 месяца. Какие процессы в вашем бизнесе скинуть роботу?
Персонализированные AI-кампании увеличивают клиентскую базу на 30% 📈. Как это работает?
AI-аналитика сокращает ошибки в прогнозах на 50% 📉. Расскажите подробнее!
 This AI Paper from ETH Zurich Introduces DINKEL: A State-Aware Query Generation Framework for Testing GDBMS (Graph Database Management Systems)

«`html

Графовые системы управления базами данных (GDBMS) в современном мире, основанном на данных, становятся неотъемлемыми, поскольку требуются все более сложное управление взаимосвязанными данными для социальных сетей, систем рекомендаций и крупных языковых моделей. Графовые системы эффективно хранят и обрабатывают графы для быстрого извлечения данных для анализа взаимосвязей. Надежность GDBMS критически важна для секторов, в которых целостность данных имеет большое значение, таких как финансы и социальные медиа.

Проблемы и решения в GDBMS

Несмотря на широкое распространение, внутренняя сложность и динамические изменения данных, с которыми работают эти системы, представляют серьезные проблемы и неудобства в GDBMS. Ошибка в этих системах может вызвать серьезные проблемы, включая повреждение данных и возможные уязвимости безопасности. Техники тестирования GDBMS обычно охватывают лишь небольшую часть функциональности, предлагаемой GDBMS, и не способны обнаружить ошибки, которые могут подорвать целостность системы.

Решение от ETH Zurich

Исследователи ETH Zurich предложили альтернативный способ тестирования GDBMS, сосредоточившись на генерации запросов, учитывающих состояние. Этот подход был реализован в виде полностью автоматической системы тестирования GDBMS под названием DINKEL. DINKEL позволяет моделировать динамические состояния графовой базы данных для создания сложных запросов на языке Cypher, отражающих манипуляции с данными в реальной жизни в GDBMS.

Результаты и преимущества

Результаты тестирования DINKEL на трех крупных GDBMS — Neo4j, RedisGraph и Apache AGE — показали впечатляющую точность для сложных запросов на языке Cypher в 93,43%. DINKEL обнаружил 60 уникальных ошибок, из которых 58 были подтверждены и впоследствии исправлены разработчиками. Применение этой методологии позволило DINKEL охватить более 60% кода по сравнению с лучшими техниками тестирования, демонстрируя улучшенную способность обнаружения ошибок.

Заключение

Подход исследовательской группы ETH Zurich представляет собой значительный шаг в обеспечении надежности GDBMS. DINKEL является значимым инструментом для разработчиков и исследователей, обеспечивая улучшенное тестирование и обнаружение ошибок в графовых системах управления базами данных.

Подробнее ознакомьтесь с статьей. Вся заслуга за это исследование принадлежит исследователям этого проекта. Также не забудьте подписаться на наш Twitter и присоединиться к нашему каналу в Telegram и группе в LinkedIn. Если вам нравится наша работа, вам понравится наш рассылка.

Не забудьте присоединиться к нашему сообществу в Reddit.

Узнайте о предстоящих вебинарах по ИИ здесь.

Ознакомьтесь с AI Sales Bot здесь.

Узнайте, как ИИ может изменить ваши процессы с решениями от AI Lab здесь.


«`

Полезные ссылки:

Новости в сфере искусственного интеллекта