כתבה
arXiv cs.LG ·
InRTL: חבירה יעילה ללמידת טבלאות קשריות
InRTL: Effective Intra-Inter Interaction Learning for Relational Tables
InRTL מציגה פרקטיקה חדשה ללמידת טבלאות קשריות. המאמר מציג פרקטיקה חדשה ללמידת טבלאות קשריות, הכוללת שני סוגי חבירה: חבירה בתוך טבלה וחבירה בין טבלאות. הפרקטיקה משתמשת במודלי Transformer ובמודלי GNN כדי ללמוד את הקשרים בין השורות בטבלאות.
תקציר מקורי באנגליתarXiv:2609.12712v1 Announce Type: new Abstract: Relational table learning has recently emerged as an important research direction for modeling multiple tables connected through primary key-foreign key (PK-FK) relationships. Despite recent advances, a principled modeling framework tailored to this task remains underexplored. In this paper, we propose Intra-Inter Relational Table Learning (InRTL), a unified framework that explicitly models dependencies both within and across relational tables. Specifically, InRTL formalizes two complementary interaction patterns: intra-table interactions, describing associations among rows within the same table, and inter-table interactions, describing dependencies between rows across PK-FK-linked tables. To model these dependencies, we develop a column-awar
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית