.png){kind=icon}
返回
Tabular Transformers Meet Relational Databases
.png){kind=icon}
PRE
AI
DOI：10.1145/3749991.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
Transformer模型已持续扩展至所有可转换为底层序列到序列表示的机器学习领域，包括表格数据。然而，尽管该表示无处不在，但它限制了其向关系数据库更一般情况的扩展。在本文中，我们介绍了一种模块化神经网络消息传递方案，该方案严格遵循形式化关系模型，能够直接从数据库存储系统端到端地学习表格Transformer。我们解决了相关挑战，包括适当的训练数据表示和加载，这在数据库设置中至关重要，并将我们的方法与来自多个相关领域的一系列代表性模型进行了比较，涵盖范围广泛的多个数据集。我们的结果随后证明了这一新提出的神经网络架构类别的卓越性能。
期刊
IF:
6.6
论文数:
1.5K
被引数:
6.2K
机构
暂无机构信息
.png){kind=icon}
