論文の概要: SemJoin: Semantic Join Optimization

• arxiv url: http://arxiv.org/abs/2606.29532v1
• Date: Sun, 28 Jun 2026 17:57:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.952198
• Title: SemJoin: Semantic Join Optimization
• Title（参考訳）: SemJoin: セマンティックな結合最適化
• Abstract要約: 意味結合は大きな言語モデル(LLM)で評価できるが、すべての述語を比較するにはO(M x N)の呼び出しが必要であり、スケールでコストを抑えることができる。 本稿では,下層のテーブルの実行戦略を一致させることで,意味結合を最適化するLLM型意思決定パイプラインを提案する。
• 参考スコア（独自算出の注目度）: 5.770286315818393
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Integrating unstructured data into relational database systems is increasingly important as demand grows for natural language querying and analysis. A semantic join, joining two tables under a natural-language predicate, can be evaluated with a large language model (LLM), but comparing every pair of tuples requires O(M x N) LLM invocations and is cost-prohibitive at scale. Existing systems reduce this cost but typically commit to a single fixed strategy (e.g., embedding similarity or one batched scheme) regardless of the data or the join predicate. We propose an LLM-agent-based decision pipeline that optimizes semantic joins by matching the execution strategy to the characteristics of the underlying tables. An LLM advisor routes each join to one of two strategies: a Cluster Join, which prunes candidates via unsupervised embedding clustering and sample-based filtering, or a Classifier strategy for predicates that reduce to a shared discrete label set. Across three diverse datasets (IMDb reviews, email contradictions, and Stack Overflow tags), the advisor consistently identifies the optimal execution strategy for each workload. This dynamic routing proves decisive: it outperforms adaptive block join (ABJ) by 20-33 F1 points across all datasets while consuming fewer tokens on two of the three, and achieves higher F1 scores than featurized-decomposition join (FDJ) at one to two orders of magnitude lower token cost.
• Abstract（参考訳）: 非構造化データをリレーショナルデータベースシステムに統合することは、自然言語クエリと分析の需要が増大するにつれて、ますます重要になる。 自然言語述語の下で2つのテーブルを結合する意味結合は、大きな言語モデル(LLM)で評価できるが、全てのタプルを比較するにはO(M x N) LLM呼び出しが必要である。 既存のシステムは、このコストを削減しますが、典型的には、データや結合述語に関係なく、単一の固定戦略(例えば、類似性を埋め込んだり、バッチ化されたスキームを1つ)にコミットします。 本稿では,実行戦略と基礎となるテーブルの特性をマッチングすることにより,意味結合を最適化するLLM型意思決定パイプラインを提案する。 LLMアドバイザは、それぞれに、教師なしの埋め込みクラスタリングとサンプルベースのフィルタリングを通じて候補をプルークするクラスタジョイン(Cluster Join)、あるいは共有された離散ラベルセットに還元する述語のための分類器戦略(Classifier strategy)の2つの戦略の1つをルーティングする。 3つの多様なデータセット(IMDbレビュー、Eメールの矛盾、Stack Overflowタグ)にわたって、アドバイザは、各ワークロードに対して最適な実行戦略を一貫して識別する。 この動的ルーティングは決定的であり、すべてのデータセットで適応ブロック結合(ABJ)を20-33F1ポイントで上回り、3つのうち2つでトークンの消費を減らし、1～2桁のトークンコストで分解結合(FDJ)よりも高いF1スコアを達成する。

関連論文リスト

• SAGE: A Unified Algebra and Self-Adaptive Execution for AI Functions in SQL [28.278393183168845]
  sqlシステムは、分類、抽出、フィルタリング、ランキング、検索、結合、要約といったタスクのためのAI機能をますます公開している。 SAGEは3つの型付きプリミティブでこれらのロールをキャプチャする統合論理的および物理的フレームワークである。 SAGEはSemBenchのパフォーマンスにおいて最強であり、代表的因子結合では、ペアワイズモデルの呼び出しを2桁以上削減する。
  論文  参考訳（メタデータ） (2026-08-21T00:12:41Z)
• Larch: Learned Query Optimization for Semantic Predicates [16.10994668093723]
  本稿では,AISQLクエリにおけるセマンティックフィルタの実行を最適化するフレームワークであるLarchを紹介する。 2つの重要な観測に基づいて、Larch-A2CとLarch-Selの2つの変種を示す。 我々の結果は、Larchがさまざまなワークロードで堅牢であることを示し、PalimpzestやQuestと比較してトークン全体のコストオーバーヘッドを3倍19倍削減しています。
  論文  参考訳（メタデータ） (2026-06-06T01:16:58Z)
• Agentic Clustering: Controllable Text Taxonomies via Multi-Agent Refinement [3.5066696167442775]
  最近のテキストクラスタリング手法では、大きな言語モデルを使用して、コーパスからクラスタ分類を提案し、各テキストをそれに割り当てる。 オーケストレータLLMが各ステップで発見プロセスの状態を検査し、少数の特殊エージェントの1つをディスパッチするエージェント代替案を提案する。 7つの公開テキストクラスタリングベンチマークにおいて、この手法は最先端のパフォーマンスを達成し、ALIにおいて最強のLCMベースラインを最大32%上回った。
  論文  参考訳（メタデータ） (2026-05-31T14:18:18Z)
• F-GRPO: Factorized Group-Relative Policy Optimization for Unified Candidate Generation and Ranking [79.49893545611779]
  大規模言語モデル(LLM)はサブセットを生成し、それを1つの自己回帰パス内で順序付けることができる。 この柔軟性は、新しい最適化課題をもたらす: モデルが出力空間を検索し、完全なランクリストが生成された後にのみユーティリティフィードバックを受けなければならない。 このクレジット割り当てギャップは、エンドツーエンドの最適化を不安定にし、サンプル非効率にする。 本稿では,単一自己回帰的ロールアウト内の両方を実行する統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-13T04:52:33Z)
• HCRE: LLM-based Hierarchical Classification for Cross-Document Relation Extraction with a Prediction-then-Verification Strategy [54.91468501159335]
  文書間関係抽出 (RE) は, 異なる文書に存在する頭部尾部エンティティ間の関係を識別することを目的としている。 本稿では,各レベルでの多視点検証により信頼性を向上させる推論戦略を提案する。
  論文  参考訳（メタデータ） (2026-04-09T07:55:27Z)
• Beyond Linear LLM Invocation: An Efficient and Effective Semantic Filter Paradigm [17.52767415071768]
  Clustering-Sampling-Voting(CSV)は、エラー保証を提供しながら、呼び出しをサブ線形の複雑さに還元するフレームワークである。 CSVはセマンティッククラスタをセマンティッククラスタに組み込み、評価のために小さなサブセットをサンプリングし、2つの投票戦略を通じてクラスタレベルのラベルを推論する。
  論文  参考訳（メタデータ） (2026-03-05T04:37:15Z)
• Bootstrapping MLLM for Weakly-Supervised Class-Agnostic Object Counting [59.37613121962146]
  本稿では,クラスに依存しないオブジェクトカウントのためのMLLM駆動型弱教師付きフレームワークWS-COCを提案する。 WS-COCは、多くの最先端の完全に管理されたメソッドと一致し、また、アノテーションのコストを大幅に削減します。
  論文  参考訳（メタデータ） (2026-02-13T09:58:35Z)
• SimpleMem: Efficient Lifelong Memory for LLM Agents [73.74399447715052]
  セマンティックロスレス圧縮に基づく効率的なメモリフレームワークSimpleMemを紹介する。 本稿では,情報密度とトークン利用量の最大化を目的とした3段階パイプラインを提案する。 ベンチマークデータセットを用いた実験により,提案手法は精度,検索効率,推論コストにおいて,ベースラインアプローチを一貫して上回っていることがわかった。
  論文  参考訳（メタデータ） (2026-01-05T21:02:49Z)
• LLM-guided Hierarchical Retrieval [54.73080745446999]
  LATTICEは階層的な検索フレームワークであり、LLMは対数探索の複雑さで大きなコーパスを推論し、ナビゲートすることができる。 LLM誘導探索における中心的な課題は、モデルの関連性判断がノイズが多く、文脈に依存し、階層性に気付かないことである。 我々のフレームワークは、推論集約型BRIGHTベンチマークで最先端のゼロショット性能を実現する。
  論文  参考訳（メタデータ） (2025-10-15T07:05:17Z)
• Implementing Semantic Join Operators Efficiently [28.123361615101444]
  本稿では,意味結合を評価するための新しいアルゴリズムを提案する。 提案アルゴリズムは,各入力テーブルからの行のバッチを1つのプロンプトに統合する。 提案アルゴリズムの適応的変種は、出力の大きさを推定することが困難である場合を指す。
  論文  参考訳（メタデータ） (2025-10-09T17:30:01Z)
• Adaptive-RAG: Learning to Adapt Retrieval-Augmented Large Language Models through Question Complexity [59.57065228857247]
  Retrieval-augmented Large Language Models (LLMs) は、質問回答(QA)のようなタスクにおける応答精度を高めるための有望なアプローチとして登場した。 本稿では,クエリの複雑さに基づいて,LLMの最適戦略を動的に選択できる適応型QAフレームワークを提案する。 オープンドメインのQAデータセットを用いて、複数のクエリの複雑さを網羅し、QAシステムの全体的な効率性と精度を高めることを示す。
  論文  参考訳（メタデータ） (2024-03-21T13:52:30Z)
• JoinGym: An Efficient Query Optimization Environment for Reinforcement Learning [58.71541261221863]
  結合順序選択(JOS)は、クエリの実行コストを最小化するために結合操作を順序付けする問題である。 木質強化学習(RL)のためのクエリ最適化環境JoinGymを提案する。 JoinGymは内部で、事前計算されたデータセットから中間結果の濃度を調べることで、クエリプランのコストをシミュレートする。
  論文  参考訳（メタデータ） (2023-07-21T17:00:06Z)

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。