МетаРТЛ: Улучшение отношения к обучению столу

arXiv:2609.19832v1 Annuaire Type: New Humber Abstract: Latteral Table Uneration ( " Новый обзор: обучение в рамках таблицы связей > ) при широком использовании реляционных баз данных привлекается все большее внимание. Существующие методы, как правило, опираются на глубинные GNN или HGNS-тапы, что приводит к высоким вычислительным расходам и ограниченной эффективности крупных реальных баз данных. Мы предлагаем MetatRTL, двухэтапную основу для масштабируемого и экспрессивного реляционного обучения. На первом этапе MetarTL получает первоначальные столы с помощью легкой предварительной подготовки. На втором этапе она осуществляет непараметрическую передачу для получения метапатических характеристик, которые затем агрегируются модулем внимания MetaAttn. Переходя от глубокого сообщения к эффективному агрегированию метапатов, MetatRTL запечатлел богатую реляционную семантику при сохранении высокой эффективности. Эксперименты по 10 реальным наборам данных в рамках 24 задач свидетельствуют об эффективности предлагаемого метода.