Model-Agnostic Evolution Management

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F25%3A10507188" target="_blank" >RIV/00216208:11320/25:10507188 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1007/978-3-031-92474-3_15" target="_blank" >https://doi.org/10.1007/978-3-031-92474-3_15</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-031-92474-3_15" target="_blank" >10.1007/978-3-031-92474-3_15</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Model-Agnostic Evolution Management

Popis výsledku v původním jazyce

This paper tackles a critical challenge in data management: adapting to evolving user requirements, a concept we term evolution management. Our approach specifically addresses the evolution management of multi-model data. By leveraging category theory, we provide an abstract representation of the combined models. We extend this categorical framework by introducing schema-modification operations of varying types and complexities. And, we propose corresponding propagation strategies to adapt queries, with a particular focus on mitigating the impact of decreasing information capacity. Through experimental verification, we demonstrate significant reductions in effort across different strategies and their effects on querying.

Název v anglickém jazyce

Model-Agnostic Evolution Management

Popis výsledku anglicky

This paper tackles a critical challenge in data management: adapting to evolving user requirements, a concept we term evolution management. Our approach specifically addresses the evolution management of multi-model data. By leveraging category theory, we provide an abstract representation of the combined models. We extend this categorical framework by introducing schema-modification operations of varying types and complexities. And, we propose corresponding propagation strategies to adapt queries, with a particular focus on mitigating the impact of decreasing information capacity. Through experimental verification, we demonstrate significant reductions in effort across different strategies and their effects on querying.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GA23-07781S" target="_blank" >GA23-07781S: Samoadaptivní správa vícemodelových databází</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

RESEARCH CHALLENGES IN INFORMATION SCIENCE, RCIS 2025, PT I

ISBN

978-3-031-92473-6

ISSN

1865-1348

e-ISSN

1865-1356

Počet stran výsledku

17

Strana od-do

245-261

Název nakladatele

SPRINGER INTERNATIONAL PUBLISHING AG

Místo vydání

CHAM

Místo konání akce

Sevilla

Datum konání akce

20. 5. 2025

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

001545064600015