RelPrism: 관계형 데이터베이스를 위한 자기 생성 작업을 활용한 다면적 사전학습 프레임워크

연구진이 관계형 데이터베이스를 위한 자기지도 사전학습 프레임워크 RelPrism을 제안했다.

RelPrism은 intrinsic, relational, hybrid 관점을 만들고 이를 다중 세분화로 클러스터링해 pseudo-task pool을 구성한다.

이렇게 사전학습한 모델은 다운스트림 분류와 회귀 성능이 향상됐다.

논문은 5개 데이터셋의 14개 태스크에서 성능 향상을 보고하며, 관계형 데이터 학습의 새로운 가능성을 보여준다.