（通訊員 劉英帆）作為數(shù)據(jù)庫領(lǐng)域最具有影響力的國(guó)際會(huì)議之一，VLDB 2025于2025年9月1日至9月5日在英國(guó)倫敦成功舉辦。VLDB 2025共計(jì)收到1613件有效投稿，其中369篇被錄用為研究長(zhǎng)文，錄取率為22.8%。智能媒體數(shù)據(jù)工程研究所數(shù)據(jù)庫團(tuán)隊(duì)長(zhǎng)期致力于數(shù)據(jù)庫領(lǐng)域的探索與研究，有4篇論文被VLDB 2025錄用，錄用數(shù)量在國(guó)內(nèi)高校名列前茅。在團(tuán)隊(duì)負(fù)責(zé)人崔江濤教授的帶領(lǐng)下，團(tuán)隊(duì)教師李輝、彭延國(guó)、劉英帆、王倩茹和博士生孔濤一同前往倫敦參會(huì)。
?在會(huì)議期間，李輝教授在分組報(bào)告中向參會(huì)人員介紹了論文《Fucci: Database Transaction Fuzzing via Random Conflict Construction and Multilevel Constraint Solving》工作，并在海報(bào)展示環(huán)節(jié)與來自世界各地的參會(huì)專家、學(xué)生進(jìn)行深入交流和探討。該論文提出了一種新穎的數(shù)據(jù)庫事務(wù)模糊測(cè)試框架 Fucci，旨在提升數(shù)據(jù)庫事務(wù)漏洞檢測(cè)的效率與準(zhǔn)確性。Fucci 在MySQL、MariaDB和TiDB等主流數(shù)據(jù)庫管理系統(tǒng)（DBMS）上共發(fā)現(xiàn) 6 個(gè)全新事務(wù)管理漏洞 和 14 個(gè)已知漏洞，其中多個(gè)漏洞已被官方確認(rèn)并修復(fù)，為數(shù)據(jù)庫事務(wù)漏洞檢測(cè)提供了重要的學(xué)術(shù)參考。
劉英帆博士在分組報(bào)告中向參會(huì)人員介紹了論文《Revisiting the Index Construction of Proximity Graph-Based Approximate Nearest Neighbor Search》工作，并在海報(bào)展示環(huán)節(jié)與來自世界各地的參會(huì)專家、學(xué)生進(jìn)行深入交流和探討。該論文針對(duì)主流向量索引鄰域圖方法存在的構(gòu)建開銷大的問題，回顧了兩種主流的鄰域圖，即Relative Neighborhood Graph (RNG)和Navigable Small World Graph (NSWG)的構(gòu)建過程，發(fā)現(xiàn)了影響其構(gòu)建效率的痛點(diǎn)。針對(duì)這些痛點(diǎn)，本文提出了一種面向RNG圖索引的迭代構(gòu)建框架，并且將該框架擴(kuò)展到NSWG索引構(gòu)建過程。根據(jù)實(shí)驗(yàn)結(jié)果，本文提出的方法可以顯著加速鄰域圖索引構(gòu)建過程，并保證查詢性能不損失。
?博士生孔濤在分組報(bào)告中向參會(huì)人員介紹了論文《STsCache: An Efficient Semantic Caching Scheme for Time-series Data Workloads Based on Hybrid Storage》工作，并在海報(bào)展示環(huán)節(jié)與來自世界各地的參會(huì)專家、學(xué)生進(jìn)行深入交流和探討。該論文首次提出了“語義時(shí)間序列緩存”的定義，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于內(nèi)存與NVMe SSD混合存儲(chǔ)模型的時(shí)間序列語義緩存系統(tǒng)——STsCache。STsCache可將主流時(shí)間序列數(shù)據(jù)庫（InfluxDB、TimescaleDB）的吞吐量提升4.8–10.8倍，并將延遲降低79.9%–93.5%。相較于最新的時(shí)間序列緩存方案（TSCache、BSCache），STsCache的吞吐量可提升1.5–4.5倍，延遲降低59.4%–81.9%，緩存命中率提高22.5%–82.4%。
?團(tuán)隊(duì)張嘉昇博士為第一作者的論文《Towards Pattern-aware Data Augmentation for Temporal Knowledge Graph Completion》由其合作者梁爽博士代為介紹。時(shí)序知識(shí)圖譜缺失事實(shí)預(yù)測(cè)是支持高質(zhì)量知識(shí)決策的一項(xiàng)關(guān)鍵基礎(chǔ)任務(wù)。該任務(wù)面臨的主要挑戰(zhàn)在于數(shù)據(jù)分布的不均衡，即知識(shí)在時(shí)間與空間維度上分布不均勻。該論文提出了首個(gè)面向時(shí)序知識(shí)圖譜的數(shù)據(jù)增強(qiáng)框架—Booster。該框架的核心目標(biāo)，是生成符合時(shí)序知識(shí)圖譜中復(fù)雜語義與時(shí)序模式的新樣本，并識(shí)別出特定模型難以學(xué)習(xí)的樣本。Booster能夠無縫集成到現(xiàn)有時(shí)序知識(shí)圖譜預(yù)測(cè)模型中，在五個(gè)大規(guī)模基準(zhǔn)數(shù)據(jù)集上平均實(shí)現(xiàn)了4.5%的性能提升，驗(yàn)證了其有效性與通用性。
在會(huì)議期間，參會(huì)人員認(rèn)真聽取了大會(huì)舉辦的主旨演講、各自感興趣的分組探討，并且與來自世界各地的專家、學(xué)者進(jìn)行了交流，特別是來自美國(guó)、日本、新加坡、香港等地國(guó)際一流大學(xué)的學(xué)者，以及來自國(guó)內(nèi)頭部IT企業(yè)華為、螞蟻、字節(jié)跳動(dòng)等公司的工程師。通過這些交流，提升了西安電子科技大學(xué)以及計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院的影響力，也拓展了團(tuán)隊(duì)與國(guó)際高水平團(tuán)隊(duì)在相關(guān)領(lǐng)域開展合作交流的機(jī)會(huì)。會(huì)議期間，崔江濤教授和李輝教授等也與多名在英西電校友、數(shù)據(jù)領(lǐng)域博士后進(jìn)行了深入交流。
