스키마 통합의 목표는, 입력 스키마 또는 테이블 집합이 주어졌을 때, 모든 입력 테이블의 개념, 속성, 관계를 일관되게 표현할 수 있는 전역적이고 통합된 스키마를 도출하는 것이다. 본 논문은 SINT-Flow를 제안한다. SINT-Flow는 다섯 개의 LLM 기반 연산자로 구성된 스키마 통합 프레임워크로, 이 연산자들을 워크플로로 결합하여 완전 자동화된 end-to-end 스키마 통합을 수행할 수 있다. 기존 접근법과 달리 SINT-Flow는 여러 엔티티 유형을 설명하는 속성을 포함하는 비정규화된 소스 테이블을 처리할 수 있다. 스키마 통합 과정에서 이러한 테이블은 별도의 엔티티별 관계로 분해된다. SINT-Flow를 평가하기 위해, 본 연구는 SINT-Bench를 도입한다. SINT-Bench는 10개의 스키마 통합 작업으로 구성된 스키마 통합 벤치마크로, 총 93개의 관계형 테이블을 포함하며, 여러 유형의 엔티티를 설명하는 테이블도 포함한다. 본 연구는 GPT-5.2와 오픈 가중치 모델 Qwen-3.6-27B를 대안 백본 모델로 사용하여 SINT-Flow를 평가한다. 이러한 모델을 사용할 때 SINT-Flow는 엔티티 유형 탐지에서 최소 96%, 속성 탐지에서 85%, 스키마 매핑에서 83%의 F1 점수를 달성한다. 또한 본 연구는 적용된 self-consistency 전략과 스키마 매칭 연산자에 검토 루프를 포함하는 것의 유용성을 입증하기 위해 ablation study를 수행한다.
데이터 통합은 이질적인 데이터셋을 단일하고 일관된 표현으로 결합하는 작업이다. 데이터 통합은 스키마 매칭(schema matching), 값 정규화(value normalization), 엔티티 블로킹(entity blocking), 엔티티 매칭(entity matching), 데이터 융합(data fusion) 등 상호 의존적인 일련의 작업을 포함한다. 기존 벤치마크들은 이러한 단계들을 개별적으로 평가하거나, 특정 단계를 생략한 불완전한 데이터 통합 파이프라인만을 다룬다. 공개된 엔드투엔드 데이터 통합 벤치마크의 부재는 통합 프로세스 전체를 다루는 데이터 통합 방법론 연구를 저해하고 있다. 본 논문은 이러한 공백을 채우기 위해 MaDI-Bench(Mannheim Data Integration Benchmark)를 소개한다. MaDI-Bench는 통합 프로세스의 모든 단계를 포괄하는 관계형 테이블의 엔드투엔드 통합을 위한 최초의 벤치마크이다. MaDI-Bench는 (i) 스키마 매칭, 값 정규화, 엔티티 매칭, 충돌 해결 파이프라인 전체를 필요로 하는 여러 응용 도메인에 걸친 기본 엔드투엔드 데이터 통합 태스크 집합과, (ii) 데이터 통합 시스템의 발전에 따른 빠른 벤치마크 포화를 완화하는 태스크 변형 도출을 위한 범용 방법론을 제공한다. 본 벤치마크는 인간이 설계한 파이프라인, 최고 성능 조합 파이프라인, 대규모 언어 모델(LLM) 기반 파이프라인을 활용하여 검증되었다. 검증 결과는 데이터 통합 파이프라인의 단계별 성능 및 엔드투엔드 성능 측정에 있어 본 벤치마크의 유용성을 입증한다. 모든 벤치마크 아티팩트는 공개 다운로드로 제공된다.