PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.03049v1cs.CL

정렬 유도 최대 테이블 중복 크기 추정

Alignment-Guided Largest Table Overlap Size Estimation

테이블 간 최대 중복 크기를 빠르게 추정하면 대규모 테이블 저장소에서 블로킹(blocking)과 쿼리-바이-테이블(query-by-table) 검색이 가능해진다. 최초이자 최신 추정기인 Armadillo는 각 테이블을 독립적으로 임베딩하고 임베딩 유사도를 통해 중복 비율을 근사함으로써 효율성을 높인다. 그러나 이질적인 저장소에서의 정확한 추정은 세 가지 과제로 인해 제한된다: (C1) 중복은 행-열 구조에 의존하는데, 즉 매칭된 각 셀은 두 테이블의 공동 정렬(joint alignment) 하에서 행과 열 소속을 모두 보존해야 하지만, 기존 인코딩은 이 구조를 간접적으로만 추론하도록 남겨둔다; (C2) 독립적 인코딩은 테이블 간 정렬 신호를 위한 명시적 채널을 제공하지 않아 예측이 전역적 유사도 쪽으로 편향된다; (C3) 단순한 값 인코딩은 코퍼스별 분포에 과적합되어 교차 도메인 성능 저하를 유발한다. 이에 우리는 세 가지 원칙에 기반한 확장 가능하고 도메인 견고한 중복 비율 추정기 ALORE를 제안한다: (P1) 행-열 구조를 명시적으로 표현; (P2) 비용이 큰 정렬 탐색 없이 학습 중 테이블 간 정렬 신호를 노출; (P3) 코퍼스별 값 분포에 대한 민감도 감소. ALORE는 이 원칙들을 투뷰 행-열 하이퍼그래프(Two-View Row-Column Hypergraph) 인코더, 저비용 상호작용 신호를 활용한 정렬 유도 목적 함수, 도메인 견고한 값 매핑으로 구현한다. 기존 벤치마크를 넘어서는 대규모 실세계 코퍼스를 포함하여 다양한 도메인과 규모에 걸친 여러 데이터셋에 대한 실험에서 ALORE는 최신 기술을 능가한다. ALORE는 전체 MAE를 최대 55%, 제로샷 전이에서 최대 69% 감소시키는 동시에 최대 89배의 속도 향상을 달성한다. 또한 쿼리-바이-테이블 검색에서의 효과성도 추가로 검증한다.