論文の概要: Compound Schema Registry

• arxiv url: http://arxiv.org/abs/2406.11227v1
• Date: Mon, 17 Jun 2024 05:50:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-18 18:14:15.135609
• Title: Compound Schema Registry
• Title（参考訳）: 複合スキーマレジストリ
• Authors: Silvery D. Fu, Xuewei Chen,
• Abstract要約: 本稿では,複合AIシステムによって促進される一般化スキーマ進化(GSE)の利用を提案する。 このシステムは、スキーマ変更のセマンティクスを解釈するために、LLM(Large Language Models)を使用する。 我々のアプローチには、中間表現としてスキーママッピングを生成するためのタスク固有言語である変換言語(STL)の開発が含まれる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Schema evolution is critical in managing database systems to ensure compatibility across different data versions. A schema registry typically addresses the challenges of schema evolution in real-time data streaming by managing, validating, and ensuring schema compatibility. However, current schema registries struggle with complex syntactic alterations like field renaming or type changes, which often require significant manual intervention and can disrupt service. To enhance the flexibility of schema evolution, we propose the use of generalized schema evolution (GSE) facilitated by a compound AI system. This system employs Large Language Models (LLMs) to interpret the semantics of schema changes, supporting a broader range of syntactic modifications without interrupting data streams. Our approach includes developing a task-specific language, Schema Transformation Language (STL), to generate schema mappings as an intermediate representation (IR), simplifying the integration of schema changes across different data processing platforms. Initial results indicate that this approach can improve schema mapping accuracy and efficiency, demonstrating the potential of GSE in practical applications.
• Abstract（参考訳）: スキーマの進化は、異なるデータバージョン間の互換性を確保するために、データベースシステムを管理する上で重要である。 スキーマレジストリは通常、スキーマの互換性を管理し、検証し、保証することで、リアルタイムデータストリーミングにおけるスキーマ進化の課題に対処する。 しかしながら、現在のスキーマレジストリは、フィールドリネームやタイプ変更といった複雑な構文変更に苦労している。 スキーマ進化の柔軟性を高めるために,複合AIシステムによって促進される一般化スキーマ進化(GSE)の利用を提案する。 このシステムは、スキーマ変更のセマンティクスを解釈するためにLarge Language Models (LLM)を使用し、データストリームを中断することなく、幅広い構文修正をサポートする。 我々のアプローチは、タスク固有の言語であるスキーマ変換言語(STL)を開発し、中間表現(IR)としてスキーママッピングを生成し、異なるデータ処理プラットフォーム間のスキーマ変更の統合を簡単にする。 最初の結果から,本手法はスキーママッピングの精度と効率を向上し,実用的な応用におけるGSEの可能性を示すことが示唆された。

関連論文リスト

• Matchmaker: Self-Improving Large Language Model Programs for Schema Matching [60.23571456538149]
  本稿では,スキーママッチングのための合成言語モデルプログラムを提案する。 Matchmakerは、ラベル付きデモを必要とせずに、ゼロショットで自己改善する。 実証的に、Matchmakerが以前のMLベースのアプローチより優れている実世界の医療スキーママッチングベンチマークを実証する。
  論文  参考訳（メタデータ） (2024-10-31T16:34:03Z)
• ReMatch: Retrieval Enhanced Schema Matching with LLMs [0.874967598360817]
  本稿では,検索強化大言語モデル(LLM)を用いたスキーママッチングのためのReMatchという新しい手法を提案する。 大規模な実世界のスキーマに対する実験結果から,ReMatchが効果的なマーカであることが示された。
  論文  参考訳（メタデータ） (2024-03-03T17:14:40Z)
• Grounding Description-Driven Dialogue State Trackers with Knowledge-Seeking Turns [54.56871462068126]
  人または合成スキーマのパラフレーズによるトレーニングセットの強化は、これらのバリエーションに対するモデルの堅牢性を改善するが、コストがかかるか、制御が難しいかのいずれかである。 本稿では,対話コーパスとスキーマから収集した知識探索ターンの状態追跡モデルに基づいて,これらの問題を回避することを提案する。
  論文  参考訳（メタデータ） (2023-09-23T18:33:02Z)
• Open-Domain Hierarchical Event Schema Induction by Incremental Prompting and Verification [81.17473088621209]
  イベントスキーマを,大規模言語モデル(LLM)から導出可能なコモンセンス知識の一形態として扱う。 複雑なイベントグラフの構築を3段階に分割するインクリメンタルなプロンプトおよび検証手法を設計する。 線形化グラフを生成するのにLLMを直接使用するのに比べ、時間関係が7.2%F1、階層関係が31.0%F1の大規模かつ複雑なスキーマを生成することができる。
  論文  参考訳（メタデータ） (2023-07-05T01:00:44Z)
• Drafting Event Schemas using Language Models [48.81285141287434]
  複雑なイベントを記述するためにこのようなスキーマを作成するプロセスに注目します。 私たちの焦点は、十分な多様性と重要なイベントのリコールを達成できるかどうかにあります。 大規模言語モデルは、2つの異なるデータセットから取り出されたスキーマに対して適度なリコールを達成することができることを示す。
  論文  参考訳（メタデータ） (2023-05-24T07:57:04Z)
• Schema-adaptable Knowledge Graph Construction [47.772335354080795]
  従来の知識グラフ構築(KGC)アプローチは、通常、事前定義されたスキーマの閉じたセットで静的情報抽出パラダイムに従う。 我々は,スキーマ適応型KGCと呼ばれる新しいタスクを提案する。このタスクは,動的に変化するスキーマグラフに基づいて,再学習せずにエンティティ,リレーション,イベントを継続的に抽出することを目的としている。
  論文  参考訳（メタデータ） (2023-05-15T15:06:20Z)
• Universal Information Extraction as Unified Semantic Matching [54.19974454019611]
  情報抽出を,異なるタスクやスキーマで共有される構造化と概念化という,2つの能力に分割する。 このパラダイムに基づいて、統一意味マッチングフレームワークを用いて様々なIEタスクを普遍的にモデル化することを提案する。 このように、USMはスキーマと入力テキストを共同でエンコードし、サブ構造を一様に並列に抽出し、必要に応じてターゲット構造を制御できる。
  論文  参考訳（メタデータ） (2023-01-09T11:51:31Z)
• SGD-X: A Benchmark for Robust Generalization in Schema-Guided Dialogue Systems [26.14268488547028]
  SGD-Xは,スキーマの言語的変化に対する対話システムの堅牢性を評価するベンチマークである。 我々は,SGD-X上での2つの対話状態追跡モデルの評価を行い,どちらもスキーマのバリエーションに対してうまく一般化していないことを観察した。 本稿では,スキーマのロバスト性やゼロショットの一般化を改善するため,単純なモデルに依存しないデータ拡張手法を提案する。
  論文  参考訳（メタデータ） (2021-10-13T15:38:29Z)
• Automated Metadata Harmonization Using Entity Resolution & Contextual Embedding [0.0]
  我々は、Cogntive DatabaseのDb2Vec埋め込みアプローチの助けを借りて、このステップの自動化を実演する。 一致したスキーマとは別に、ターゲットデータモデルの正しい存在論的構造も推測できることを実証する。
  論文  参考訳（メタデータ） (2020-10-17T02:14:15Z)
• Survive the Schema Changes: Integration of Unmanaged Data Using Deep Learning [2.6464841907587004]
  本稿では,深層学習を用いて,スーパーセル表現と摂動の自動注入によるスキーマ変更の自動処理を提案する。 実験の結果,提案手法は実世界の2つのデータ統合シナリオに有効であることが示された。
  論文  参考訳（メタデータ） (2020-10-15T08:10:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。