배치형 오라클 쿼리를 통한 개체 해상도 (Entity Resolution)

원문 발행 2026. 06. 23. 19:44원문 언어 영어AI 한국어 번역arXiv cs.AI 원문 보기

요약

제한된 레코드 배치를 통해 동일 개체를 클러스터링하는 배치형 개체 해상도(Batched Entity Resolution) 문제를 연구합니다. 오라클 호출 비용을 제어하면서 재현율을 극대화하는 종량제 접근 방식을 제안하며, 최적 배치 선택의 NP-hard 성질을 증명합니다.

핵심 포인트

배치형 개체 해상도 문제의 공식화 및 NP-hard 증명
비용 제어와 재현율 극대화를 위한 종량제 접근 방식 제안
개체 크기 조건 하에서의 최적 솔루션 제공
6개 데이터셋 실험을 통해 기존 SOTA 베이스라인 대비 우수성 입증

우리는 한 번에 제한된 레코드 배치를 처리하고, 동일한 실제 세계의 개체 (entity)를 참조하는 것들을 클러스터링 (clustering)하는 오라클 (oracle)을 고려합니다. 우리는 단일 배치보다 훨씬 더 큰 크기의 데이터셋에서, 그리고 특정 개체의 모든 레코드가 포함된 배치가 보장되지 않는 상황에서, 이러한 오라클을 어떻게 질의하여 개체를 해상 (resolve)할 것인지 연구합니다. 우리는 매 단계에서 가능한 최고의 재현율 (recall)을 달성하는 동시에, 비용 (오라클 호출 횟수)을 완전히 제어할 수 있는 종량제 (pay-as-you-go) 접근 방식을 목표로 합니다. 우리는 이 문제를 배치형 개체 해상도 (batched entity resolution)로 공식화하고, 최적의 배치를 선택하는 것이 NP-hard임을 증명하며, 개체 크기에 대한 자연스러운 조건 하에서 최적의 솔루션을 제공합니다. 마지막으로, 우리는 6개의 데이터셋에서 우리의 접근 방식을 평가하고 최신 기술 (state-of-the-art) 베이스라인 (baselines) 대비 우수성을 보여줍니다.

AI 자동 생성 콘텐츠

원문 바로가기

배치형 오라클 쿼리를 통한 개체 해상도 (Entity Resolution)

요약

핵심 포인트

댓글