SINT-Flow: Schema Integration using Large Language Model Workflows

📄 arXiv: 2607.24492v1 📥 PDF

作者: Keti Korini, Christian Bizer

分类: cs.CL

发布日期: 2026-07-27

💡 一句话要点

提出SINT-Flow以解决模式集成问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 模式集成 大语言模型 自动化 数据处理 知识图谱

📋 核心要点

  1. 现有模式集成方法在处理包含多个实体类型的非规范化表时存在局限性，难以实现高效的自动化集成。
  2. SINT-Flow框架通过五个LLM操作符的组合，能够自动化处理复杂的模式集成任务，提升集成效率和准确性。
  3. 实验结果表明，SINT-Flow在多个任务中表现优异，实体类型检测F1分数达到96%，显著高于传统方法。

📝 摘要（中文）

模式集成的目标是从一组输入模式或表中推导出一个全球统一的模式，能够以一致的方式表示所有输入表的概念、属性和关系。本文提出了SINT-Flow，一个由五个基于大语言模型（LLM）的操作符组成的模式集成框架，可以组合成工作流，实现完全自动化的端到端模式集成。与现有方法不同，SINT-Flow能够处理包含多个实体类型描述的非规范化源表。在模式集成过程中，这些表被分解为单独的特定实体关系。为了评估SINT-Flow，我们引入了SINT-Bench，一个包含10个模式集成任务的基准，涉及93个关系表，包括描述多种实体类型的表。使用GPT-5.2和开放权重模型Qwen-3.6-27B作为基础模型，SINT-Flow在实体类型检测、属性检测和模式映射方面分别达到了至少96%、85%和83%的F1分数。此外，我们进行了消融研究，以证明所应用的自一致性策略和模式匹配操作符中审查循环的有效性。

🔬 方法详解

问题定义：本文旨在解决从多个输入模式或表中推导出统一模式的问题，现有方法在处理非规范化源表时效率低下，难以准确识别多种实体类型的关系。

核心思路：SINT-Flow通过将输入表分解为特定实体关系，利用大语言模型的强大能力，实现自动化的模式集成，确保信息的完整性与一致性。

技术框架：SINT-Flow框架由五个LLM操作符组成，这些操作符可以组合成不同的工作流，支持从输入表到输出统一模式的全流程自动化处理。

关键创新：SINT-Flow的主要创新在于其能够处理包含多个实体类型的非规范化表，并通过自一致性策略和审查循环提升模式匹配的准确性。

关键设计：在模型设计中，采用了GPT-5.2和Qwen-3.6-27B作为基础模型，通过精细调节参数和损失函数，确保在实体类型检测和属性检测中的高效表现。实验中还进行了消融研究，以验证设计的有效性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

SINT-Flow在评估中表现出色，实体类型检测F1分数达到96%，属性检测85%，模式映射83%。与传统方法相比，SINT-Flow在处理复杂模式集成任务时展现出显著的性能提升，验证了其有效性和实用性。

🎯 应用场景

SINT-Flow框架在数据集成、知识图谱构建和企业数据管理等领域具有广泛的应用潜力。其自动化的模式集成功能可以显著降低人工干预，提高数据处理效率，推动智能化数据管理的发展。

📄 摘要（原文）

The goal of schema integration is, given a set of input schemata or tables, to derive a global, unified schema that is able to represent the concepts, attributes, and relationships of all input tables in a coherent fashion. This paper presents SINT-Flow, a schema integration framework composed of five LLM-based operators that can be combined into workflows to perform fully automated, end-to-end schema integration. In contrast to existing approaches, SINT-Flow can process denormalized source tables that contain attributes describing multiple entity types. During the schema integration process, these tables are decomposed into separate entity-specific relations. To evaluate SINT-Flow, we introduce SINT-Bench, a schema integration benchmark comprising 10 schema integration tasks consisting of altogether 93 relational tables, including tables that describe multiple types of entities. We evaluate SINT-Flow using GPT-5.2 as well as the open-weight model Qwen-3.6-27B as alternative backbone models. Using these models, SINT-Flow achieves F1 scores of at least 96% for entity-type detection, 85% for attribute detection, and 83% for schema mapping. Furthermore, we perform an ablation study to prove the utility of the applied self-consistency strategy as well as the inclusion of a review loop into the schema matching operator.