यह शोधपत्र TabSketchFM, एक न्यूरल नेटवर्क-आधारित तालिका मॉडल, प्रस्तुत करता है, जो उद्यमों की अपने डेटा लेक में संबंधित तालिकाओं (ऐसी तालिकाएँ जो संघनीय, जुड़ने योग्य या एक-दूसरे के उपसमूह हैं) की पहचान करने की बढ़ती ज़रूरत को पूरा करता है। TabSketchFM एक स्केच-आधारित पूर्व-प्रशिक्षण विधि के माध्यम से न्यूरल तालिका मॉडलों की डेटा खोज दक्षता में सुधार करता है और संघनीय, जुड़ने योग्य और उपसमूह तालिका युग्मों की पहचान करने के लिए पूर्व-प्रशिक्षित मॉडल को परिष्कृत करता है। यह मौजूदा न्यूरल तालिका मॉडलों की तुलना में महत्वपूर्ण प्रदर्शन सुधार प्रदर्शित करता है और विस्तृत पृथक्करण अध्ययनों के माध्यम से प्रत्येक कार्य के लिए महत्वपूर्ण रेखाचित्रों को उजागर करता है। इसके अलावा, परिष्कृत मॉडल का उपयोग तालिका खोज (डेटा पूल में अन्य तालिकाओं को खोजने का कार्य जो संघनीय, जुड़ने योग्य या एक क्वेरी तालिका के उपसमूह हैं) करने के लिए किया जाता है, जो अत्याधुनिक तकनीकों की तुलना में F1 स्कोर में महत्वपूर्ण सुधार प्रदर्शित करता है। अंत में, हम विविध डेटासेट और कार्यों में महत्वपूर्ण स्थानांतरण अधिगम प्रदर्शन का प्रदर्शन करके मॉडल की सामान्यीकरण क्षमता को प्रदर्शित करते हैं।
