データベース管理システム（DBMS）は、大規模で異種のデータの管理に不可欠ですが、そのパフォーマンスは設定パラメータによって大きく影響されます。往々にして、既存の自動化された最適化手法はパラメータ間の依存関係を無視し、それぞれが独立して動作する単純化をしています。このため、パラメータ間の関係を活用できず、性能に敏感な相互作用を捉える能力が制限されます。提案された新しいフレームワークRelTuneは、ハイブリッドスコア誘導型ベイズ最適化（HBO）を導入し、性能に関連するセマンティクスを符号化するGNNベースの埋め込みを学習します。実験結果は、RelTuneが従来のベイズ最適化手法よりも迅速な収束と高い最適化効率を達成し、あらゆるシナリオで最新の性能を実現することを示しています。