本文讨论了数据库查询处理的两个问题：优化和表示。优化涉及查询处理技术，以快速从数据库中获取答案；表示涉及用户和数据库系统之间的查询和回答表示。
传统的查询处理采用与域相关的方法来确定检索答案的最佳访问计划。语义查询优化（SQO）使用知识和语义推理将查询转换为更有效的表示以进行处理。完整性约束（IC）被用作SQO的语义知识。然而，由于IC的目的是确保数据库的完整性，因此这些约束通常是以非常通用的方式指定的。因此，它们对SQO的价值有限。此外，获取完整性约束集也是一个问题。论文的第一部分提出了一种基于模型的学习技术，该技术基于基于知识的实体关系（KER）模型和规则归纳技术，从数据库内容中学习一组If-then规则。我们的实验结果表明，并非所有的语义知识都对查询改进有用。论文的第二部分提出了一种基于类型层次结构和归纳规则的数据库重构技术，该技术可以重构数据库，为SQO提供更有效的环境。
传统的查询答案通常以列出满足查询的所有实例的形式出现。内涵式答案提供了表征外延式答案的特征，概括了答案的描述。论文的第三部分提出了一种利用归纳知识和类型推理推导内涵答案的方法。在传统的查询处理环境中，必须严格指定查询，只有满足查询的数据才会被视为答案。协同查询处理允许指定模糊查询，并在无法获得确切答案时近似提供作为答案的数据。本文的最后一部分提出了一种使用类型抽象层次来提供协作答案的方法。
