图书信息
内容简介
对 arXiv cs.DB 分类的年度综述，涵盖 2025 年 9 月 至 2026 年 8 月 期间发表的研究。本卷基于对 100 篇论文 的细读整理，组织为 36 章，按该领域的研究子方向描绘这一年的全貌。
全书框架（年度产出占比）：
- 数据依赖发现与表挖掘 (63.3%) — 聚焦发现各种数据依赖（函数依赖、包含依赖、条件依赖）的高效算法，以及在结构化表中挖掘模式。
- 大语言模型增强的文本转 SQL 与图 RAG (27.5%) — 处理自然语言转 SQL 翻译、模式演化鲁棒性，以及利用大语言模型在结构化与半结构化数据上进行检索增强生成。
- 近似最近邻与向量检索 (5.3%) — 优化大规模数据库中相似性检索的高维向量索引、过滤与搜索效率。
- 查询优化与执行引擎设计 (2.4%) — 通过学习型估计器、动态调度与面向分析与时序工作负载的新颖执行结构，提升查询处理性能。
- 关系深度学习与图整合 (0.9%) — 将深度学习模型与关系数据库结构及属性图整合，以增强查询与表示学习。
- 基准测试与评估框架 (0.3%) — 发展评估数据库系统性能、公平性与查询翻译准确性的综合基准与评估方法。
- 数据库理论与算法基础 (0.3%) — 探索数据库修复、线性化与 Yannakakis 算法等理论模型的基本算法。
- 理论枚举与排序分析 (0.1%) — 研究列举投影树、排序稳定性与解释数据模型中群体偏见的基本问题。
每个子方向均通过三章展开论述——它如何提出自己的问题、其关键结论的强度，以及它开放的争论与前沿，从而让读者获得该领域今年实际产出的可溯源图景。
