XINFORMAÇÕES SOBRE DIREITOS AUTORAIS
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital
Título: TUNING INFERENCE THROUGH ONDBTUNING Autor: LUCIANA DE SA SILVA PERCILIANO
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
SERGIO LIFSCHITZ - ADVISOR
Nº do Conteudo: 58605
Catalogação: 11/04/2022 Liberação: 11/04/2022 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605&idi=1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605&idi=2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.58605
Resumo:
Título: TUNING INFERENCE THROUGH ONDBTUNING Autor: LUCIANA DE SA SILVA PERCILIANO
Nº do Conteudo: 58605
Catalogação: 11/04/2022 Liberação: 11/04/2022 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605&idi=1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605&idi=2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.58605
Resumo:
OnDBTuning is a relational database (semi-automatic) tuning ontology.
Ontologies are artifacts that represent specific domain knowledge and can
be used to infer knowledge. However, in general, most applications include
only a formal and static description of concepts. Moreover, as database tuning
involves many rules-of-thumb and black-box algorithms, it becomes challenging
to describe these inference procedures. This research work first presents the
OnDBTuning ontology solution focusing on the inference of tuning actions.
Next, it proposes an implementation of the OnDBtuning rules using SPARQL
Inferencing Notation (SPIN). Finally, it shows a practical evaluation of our
solution concerning index and materialized views recommendations.
| Descrição | Arquivo |
| COMPLETE |
