MosaicJoin: Scoperta Efficiente di Join Semantici per Data Lake
Un nuovo metodo chiamato MosaicJoin affronta il compromesso tra accuratezza e scalabilità nella scoperta di join semantici. Gli approcci tradizionali di equi-join falliscono nei data lake dove valori che si riferiscono alla stessa entità utilizzano rappresentazioni sintattiche diverse. I recenti metodi semantici o eseguono confronti lenti a livello di valore o utilizzano embedding a livello di colonna che perdono l'allineamento fine. MosaicJoin utilizza una strategia di sketching compatta per approssimare la joinabilità a livello di valore mantenendo la scalabilità. L'articolo è pubblicato su arXiv con ID 2607.21781.
Fatti principali
- MosaicJoin è un metodo di scoperta di join semantici a livello di valore.
- Bilancia accuratezza e scalabilità tramite una nuova strategia di sketching.
- L'articolo è su arXiv, ID 2607.21781.
- Si rivolge a data lake e repository di dati aperti.
- Affronta la sfida di diverse rappresentazioni sintattiche per le stesse entità.
- I metodi a livello di valore sono accurati ma scalano male con alta cardinalità.
- I metodi a livello di colonna sono efficienti ma perdono l'allineamento fine.
- MosaicJoin approssima la joinabilità delle colonne.
Entità
Istituzioni
- arXiv