[
    {
        "id": "osp-19899",
        "type": "article-journal",
        "title": "JoinGR: تعلم اجتياز رسوم الانضمام لاسترجاع الجداول",
        "author": [
            {
                "family": "De",
                "given": "Sandipan"
            },
            {
                "family": "Chakraborty",
                "given": "Abhijit"
            },
            {
                "family": "Bandyopadhyay",
                "given": "Sambaran"
            },
            {
                "family": "Gupta",
                "given": "Vivek"
            }
        ],
        "URL": "https://omanscience.com/ar/articles/joingr-learning-to-traverse-join-graphs-for-table-retrieval",
        "language": "en",
        "issued": {
            "date-parts": [
                [
                    2026
                ]
            ]
        },
        "abstract": "استرجاع الجداول الصحيحة شرط مسبق لـ Text-to-SQL على قواعد البيانات الواقعية. تُرتّب أدوات استرجاع الجداول الكثيفة عناصر المخطط كلٍّ على حدة، لكن ذلك يتجاهل مصدرًا مهمًا للدليل: بعض الجداول المطلوبة لا يذكرها السؤال، ولا تُعرَّف إلا عبر علاقات الربط مع جداول ذات صلة بالفعل. نقدم JOINGR، وهي طريقة استرجاع جداول واعية بالربط تعامل رسم الربط في قاعدة البيانات بوصفه فضاء الاسترجاع. تُمثَّل الأعمدة عُقدًا في الرسم، بينما تُمثَّل علاقات داخل الجدول والمفاتيح الأجنبية حوافًا مُصنَّفة. ويختار JOINGR لسؤال معيّن جداول مرساة متشابهة دلاليًا، ويجتاز حواف الربط بمُقيِّم مشروط بالاستعلام، ثم يجمع الإيداعات الناتجة على الحواف في درجات للجداول. والمُقيِّم شبكة MLP خفيفة فوق تضمينات الاستعلام والعُقد والحواف المجمّدة، مُدرَّبة بخسارة هامش ثنائية على الجداول الذهبية. وعلى مجموعتي BIRD وSpider يتنافس JOINGR مع أقوى خطوط الأساس للاسترجاع. وعلى BEAVER، وهو معيار مؤسسي صعب فيه متطلبات جداول متعددة القفزات، يحسّن JOINGR الاستدعاء تحسنًا ملحوظًا مقارنةً بالاسترجاع الكثيف وخطوط إعادة الترتيب. وتبين التجارب عبر المجالات أن المُقيِّم المتعلم ينتقل عبر المعايير، مما يدل على أن الطريقة تلتقط سلوك اجتياز رسم الربط القابل لإعادة الاستخدام."
    }
]