본 논문은 데이터 레이크에서 관련 테이블(합집합 가능, 조인 가능 또는 서로의 부분집합인 테이블)을 식별해야 하는 기업의 증가하는 요구를 해결하기 위해, 신경망 기반 테이블 모델인 TabSketchFM을 제시합니다. TabSketchFM은 스케치 기반 사전 학습 방법을 통해 신경망 테이블 모델의 데이터 발견 효율성을 향상시키고, 사전 학습된 모델을 미세 조정하여 합집합 가능, 조인 가능 및 부분집합 테이블 쌍을 식별합니다. 기존의 신경망 테이블 모델에 비해 상당한 성능 향상을 보이며, 세부적인 ablation study를 통해 각 작업에 중요한 스케치를 강조합니다. 또한, 미세 조정된 모델을 사용하여 테이블 검색(쿼리 테이블이 주어지면, 합집합 가능하거나, 조인 가능하거나, 쿼리 테이블의 부분집합인 다른 테이블을 데이터 풀에서 찾는 작업)을 수행하며, 최첨단 기술에 비해 F1 점수에서 상당한 개선을 보입니다. 마지막으로, 다양한 데이터셋과 작업에 걸쳐 상당한 전이 학습 성능을 보임으로써 모델의 일반화 능력을 입증합니다.
