LumingSun/ML4DB-paper-list

What it solves

このリポジトリは、「AI + データベース」という学際的分野の研究進捗を追いたいが、論文が多すぎてどこから手をつければよいか分からないという実用的な課題を解決します。分野の重要な論文を研究テーマごとに整理し、継続的に更新されるリストを提供することで、ゼロから収集・分類する手間を省きます。

How it works

これは純粋な論文リストプロジェクトであり、コードやツールは含まれていません。管理者は、データベースシステムに機械学習、深層学習、強化学習などの技術を応用した論文を、研究サブ分野ごとに分類してリスト化しています。リスト全体は Markdown ファイルで構成され、システム概要から具体的な技術インデックスまで明確なディレクトリ構造を持っています。各論文には発表された会議やジャーナル（例：SIGMOD、VLDB、ICDE）が記載されており、多くの項目には論文へのリンクやソースコードリポジトリが添付されています。プロジェクトは継続的にメンテナンスされており、2024年、2025年、2026年の新しい論文も随時追加されています。

Who it's for

このリストは、データベース分野の研究者、エンジニア、学生、特にAIがどのようにデータベースシステムを改善できるかを知りたい読者を対象としています。入門者で研究の概要を探している方から、特定のサブ分野の最新動向を追いたい方まで、このリストは優れた出発点となります。

Highlights

• 広範なカバー範囲：AI4DB のシステム概要（例：SageDB、Self-Driving Database）から、具体的なインデックス構造、クエリ最適化、構成チューニング、さらには新興の LLM4DB（大規模言語モデル駆動型データベース）や Text-to-SQL 分野まで網羅しています。
• 詳細な分類：データアクセス、ワークロード、クエリ最適化、クエリ実行など約12の大分類で構成され、各分類の下にはインデックス構造、LSM 樹、カーディナリティ推定などの詳細なトピックがあり、必要に応じて参照しやすくなっています。
• 継続的な更新：README にはリストが継続的に更新されていることが明記されており、特に作者が不慣れな Text-to-SQL 分野など、読者による Pull Request や議論を通じた新しい論文の貢献を推奨しています。
• 豊富なリソース：多くの論文項目には DOI リンクやソースコードリポジトリが添付されており、原文の入手や実験の再現が容易です。