Integrasi Tabel yang Saling Lepas Berbasis Penemuan melalui Teks

Mengintegrasikan dataset heterogen di dalam data lake merupakan tantangan kritis, terutama untuk tabel yang berhubungan secara semantik namun tidak memiliki atribut eksplisit yang diperlukan untuk digabungkan. Penulis mempelajari **Discovery-Driven Integration**, di mana sumber yang relevan dan struktur relasionalnya yang hilang harus ditemukan sebelum integrasi. Dalam konteks ini, teks tak terstruktur menyediakan bukti yang menghubungkan tabel-tabel yang sebelumnya saling lepas.

Tantangan fundamentalnya adalah menemukan hubungan pada tingkat granularitas halus yang menghubungkan baris-baris individual dari tabel yang berbeda melalui kalimat-kalimat tertentu. Makalah ini memformalkan tugas tersebut sebagai **Text-Mediated Join Path Discovery** dan mengusulkan arsitektur cross-attention dua arah horizontal bernama **LOKI** (Latent-space Optimization for Knowledge Integration) yang mempelajari representasi terkontekstualisasi dari baris tabel dan kalimat.

Metode penemuan multi-modal yang ada sebagian besar mengambil asosiasi kolom-teks berbutir kasar, sedangkan sistem integrasi mengasumsikan adanya tautan baris-teks, skema, atau kueri yang telah disediakan. LOKI justru mengubah aso

Evaluasi komprehensif pada tolok ukur dunia nyata menunjukkan bahwa LOKI secara konsisten mengungguli pendekatan penemuan data multi-modal mutakhir. Hasil kuantitatif utamanya adalah:

- **Presisi pasangan bertipe makro 0,982** saat mewujudkan tabel terintegrasi bertipe.
- **Hingga 40× lebih murah dalam biaya API LLM** dibandingkan prompting langsung.

Penulis melaporkan bahwa asosiasi baris-kalimat berbutir halus milik LOKI memungkinkannya menemukan jalur join yang terlewat oleh metode kolom-teks berbutir kasar. Tabel yang diwujudkan menyertakan provenans tingkat kalimat, sehingga pengguna dapat melacak setiap baris terintegrasi kembali ke kalimat spesifik yang menjadi dasar join tersebut.