LumingSun/ML4DB-paper-list

What it solves

이 저장소는 "인공지능 + 데이터베이스"라는 융합 분야의 연구 진척을 따라가고 싶지만, 논문이 너무 많고 파편화되어 있어 무엇을 봐야 할지 모르는 실질적인 문제를 해결해 줍니다. 이 분야의 중요한 논문들을 연구 주제별로 정리하여 지속적으로 업데이트되는 목록을 제공함으로써, 직접 처음부터 수집하고 분류하는 시간을 절약해 줍니다.

How it works

이 프로젝트는 순수 논문 목록 프로젝트이며, 코드나 도구는 포함되어 있지 않습니다. 관리자는 데이터베이스 시스템에 머신러닝, 딥러닝, 강화학습 등의 기술을 적용한 논문들을 연구 하위 분야별로 분류하여 나열합니다. 전체 목록은 Markdown 파일로 구성되어 있으며, 시스템 개요부터 구체적인 기술 인덱스까지 명확한 디렉토리 구조를 갖추고 있습니다. 각 논문에는 발표된 학회나 저널(예: SIGMOD, VLDB, ICDE)이 표기되어 있으며, 많은 항목에 논문 링크나 소스 코드 저장소 주소가 첨부되어 있습니다. 프로젝트는 지속적으로 유지 관리되며, 2024년, 2025년, 2026년의 새로운 논문들도 계속 추가되고 있습니다.

Who it's for

이 목록은 데이터베이스 분야의 연구자, 엔지니어, 학생, 특히 AI가 어떻게 데이터베이스 시스템을 개선할 수 있는지 알고 싶은 독자를 대상으로 합니다. 이제 막 입문하여 연구 방향에 대한 개요를 찾고 있든, 특정 하위 분야의 최신 진척 상황을 추적하고 싶든, 이 목록은 훌륭한 출발점이 될 것입니다.

Highlights

• 광범위한 커버리지: AI4DB의 시스템 개요(예: SageDB, Self-Driving Database)부터 구체적인 인덱스 구조, 쿼리 최적화, 구성 튜닝, 그리고 신흥 분야인 LLM4DB(대규모 언어 모델 기반 데이터베이스) 및 Text-to-SQL 분야까지 모두 포함하고 있습니다.
• 세밀한 분류: 데이터 액세스, 워크로드, 쿼리 최적화, 쿼리 실행 등 약 12개의 대분류로 구성되어 있으며, 각 대분류 아래에는 인덱스 구조, LSM 트리, 카디널리티 추정 등 세부 주제가 있어 필요에 따라 찾아보기 편리합니다.
• 지속적인 업데이트: README에 목록이 계속 업데이트되고 있음을 명시하고 있으며, 특히 저자가 익숙하지 않은 Text-to-SQL 분야 등에 대해 독자들이 Pull Request나 토론을 통해 새로운 논문을 기여하도록 장려합니다.
• 풍부한 리소스: 많은 논문 항목에 DOI 링크나 소스 코드 저장소가 첨부되어 있어 원문을 직접 확인하고 실험을 재현하기 편리합니다.