본 논문은 데이터 레이크 기반의 개방형 질의 응답 문제를 다룬다. 특히, 여러 테이블에서 정보를 검색하고 조합하는 어려운 하위 작업을 해결하기 위해, 의미적 관련성과 구조적 일관성(예: 결합 가능성)을 고려한 다중 테이블 검색을 제안한다. 혼합 정수 프로그래밍(MIP)과 같은 정확한 최적화 방법은 일관성을 보장하지만, 계산 복잡성이 높다. 반면, 질의 범위에만 최적화된 간단한 탐욕적 휴리스틱은 일관된 결합 가능한 집합을 찾는 데 실패하는 경우가 많다. 본 논문은 다중 테이블 검색을 반복적 탐색 과정으로 프레이밍하여 확장성, 해석 가능성, 유연성 측면에서 장점을 제시한다. 또한, 관련성, 범위, 결합 가능성을 종합적으로 균형 있게 고려하는 빠르고 효과적인 Greedy Join-Aware Retrieval 알고리즘을 제안한다. 5개의 NL2SQL 벤치마크를 사용한 실험에서 제안하는 반복적 방법은 MIP 기반 접근 방식과 경쟁력 있는 검색 성능을 달성하면서, 벤치마크 및 탐색 공간 설정에 따라 4~400배 더 빠른 속도를 보였다.
