GRAFT: Pencocokan Graf untuk Pengambilan dan Penggabungan Tabel di Data Lake

Agen data otonom menjawab kueri analitis dengan mengambil dan menalar bukti yang tersebar di data lake tabular. Metode pengambilan yang ada menilai setiap tabel secara independen terhadap kueri sehingga mengabaikan hubungan joinability dan unionability yang menghubungkan tabel-tabel. Akibatnya, metode tersebut mengembalikan bukti terfragmentasi yang tidak dapat diintegrasikan agen hilir menjadi jawaban yang koheren.

GRAFT (Graph-matched Retrieval and Fusion of Tables) mengatasi celah ini dengan dua kontribusi utama. Pertama, metode ini merumuskan pengambilan tabel sebagai masalah pencocokan graf antara graf intent turunan kueri dan graf data lake heterogen, serta memperkenalkan IGMS, reward log-determinan yang menggabungkan relevansi semantik, kompatibilitas struktural, dan keragaman bukti dalam satu objektif. Kedua, metode ini merumuskan ulang pembangkitan subgraf sebagai proses keputusan Markov dan mempelajari fungsi nilai melalui implicit Q-learning pada trajektori yang dihasilkan sendiri oleh operator kompresi kanonik yang membalik homomorfisme. Pipeline online tiga tahap kemudian memanfaatkan anchor reachability, predicate admissibility, dan reward monotonicity untuk memangka

GRAFT dievaluasi pada Spider dan BIRD yang diadaptasi ke pengaturan data lake tabular. Baseline mencakup penilaian point-wise, greedy-expansion, dan metode pengambilan structure-aware. Pada kedua benchmark, GRAFT mencapai Recall, Precision, $F_1$, dan Sufficiency terbaik.

Relatif terhadap baseline terkuat, GRAFT melaporkan peningkatan 7,8% pada $F_1$ dan 10,6% pada Sufficiency. Sufficiency mengukur apakah bukti yang diambil cukup lengkap bagi agen hilir untuk menjawab kueri, sehingga peningkatan ini menunjukkan bahwa GRAFT mengembalikan bukti yang lebih dapat diintegrasikan, bukan sekadar lebih banyak tabel relevan. Metode ini juga mempertahankan efisiensi pencarian yang tinggi, artinya pipeline pemangkasan tiga tahap menjaga evaluasi IGMS eksak tetap tractable meskipun ruang subgraf bersifat kombinatorial.

Peningkatan yang konsisten pada baseline point-wise, greedy-expansion, dan structure-aware menunjukkan bahwa pemodelan bersama relevansi semantik, kompatibilitas struktural, dan keragaman bukti adalah pendorong utama kinerja, bukan salah satu faktor secara terpisah.