Multi-Matcher: 통합 스키마와 적응형 필터링을 적용한 사전학습 언어모델 기반 멀티-모델 스키마 매칭 = Multi-Matcher: Multi-Model Schema Matching via Unified Schema and Adaptive Filtering with Pre-Trained Language Models

국문 초록 (Abstract)

현대 데이터 환경에서는 관계형·문서형·그래프형 데이터 모델이 함께 사용되는 Multi-Model 구조가 보편화되고 있다. 그러나 기존 스키마 매칭 연구는 대부분 단일 데이터 모델을 전제로 설계되었으며, 최근 LLM 기반 접근 또한 단일 모델의 매칭 설정을 중심으로 발전해 왔다. 그 결과 Multi-Model 환경에서 필연적으로 발생하는 구조적·표현적·의미적 이질성을 충분히 반영하지 못해, 의미적으로 대응하는 스키마 요소를 안정적으로 정렬하는 데 한계가 있다. 또한 기존 스키마 매칭 벤치마크와 Ground-Truth 정의 역시 단일 데이터 모델을 중심으로 구축되어, Multi-Model Schema Matching을 체계적으로 평가할 수 있는 기반이 제한적이다. 본 연구는 이러한 문제를 해결하기 위해, 관계형·문서형·그래프형 데이터 모델이 공존하는 Multi-Model 환경에서 서로 다른 소스의 스키마 요소들 간 의미적 대응 관계를 그룹 단위로 도출하는 Multi-Model Schema Matching 방법인 Multi-Matcher를 제안한다. Multi-Model 환경에서는 동일한 현실 세계 개념이 데이터 모델별로 상이한 구조 단위와 문맥에서 표현되며, 명칭 불일치뿐 아니라 계층 구조, 관계 표현, 정보 세분성(granularity) 차이가 동시에 발생해 기존 단일 모델 중심·1:1 매칭 접근으로는 안정적인 정렬이 어렵다. 이를 해결하기 위해 Multi-Matcher는 (i) 상위 문맥, 샘플 값, 통계 요약, 관계 단서를 포함한 공통 형식으로 이기종 스키마 요소를 정규화하는 Unified Schema Generation, (ii) 코사인 유사도 분포의 전환점을 활용해 후보 공간을 축소하는 Kneedle 기반 적응형 필터링, (iii) 필터링된 후보 집합 내에서 대규모 언어모델이 다중 의미 증거를 통합해 대응 요소를 선택하는 candidate-based grouping으로 구성된 3단계 파이프라인을 제시한다. 또한 query별로 생성된 그룹 간 중복을 병합하는 overlap-based merging을 적용해 개념 단위의 결과를 산출한다. 아울러 Multi-Model Database Benchmark인 M2Bench와 UniBench의 스키마 및 데이터를 활용해 그룹 단위 Ground-Truth 구축 기준을 정의하고 정답 대응 관계를 자체 구축하였으며, 동일한 기준을 Cross-Dataset(M2Bench E-commerce ↔ UniBench) 설정에도 적용하여 데이터셋 간 정렬 시나리오까지 포함하는 평가 기반을 마련하였다. 제안 기법은 M2Bench(E-commerce/Healthcare), UniBench 및 Cross-Dataset(M2Bench E-commerce ↔ UniBench) 환경에서 평가되었으며, 그룹 결과를 pair 수준으로 변환해 데이터셋 전체 TP/FP/FN을 집계하는 Precision/Recall/F1-Score로 성능을 측정하였다. 실험 결과 Multi-Matcher는 모든 데이터셋에서 최신 LLM 기반 스키마 매칭 기법인 Magneto 대비 일관된 성능 향상을 보였고, ablation study를 통해 통합 표현이 매칭 품질에 핵심적으로 기여하며 적응형 필터링이 성능을 크게 저하시키지 않으면서 후보 공간을 효과적으로 축소해 후속 LLM 추론 비용을 절감함을 확인하였다.

다국어 초록 (Multilingual Abstract)

Modern data ecosystems increasingly adopt multi-model architectures in which relational, document, and graph data models are used together. However, most prior schema matching research has been designed under the assumption of a single data model, and recent LLM-based approaches have likewise evolved primarily around single-model matching settings. As a result, they do not sufficiently account for the structural, representational, and semantic heterogeneity that inevitably arises in multi-model environments, making it difficult to reliably align semantically corresponding schema elements. In addition, existing schema-matching benchmarks and Ground-Truth definitions have largely been constructed around single-model data, which limits the foundation for systematically evaluating multi-model schema matching.
To address these challenges, we propose Multi-Matcher, a multi-model schema matching method that derives group-level semantic correspondences among schema elements across different sources in environments where relational, document, and graph models coexist. In multi-model settings, the same real-world concept is expressed through different structural units and contexts depending on the model, and discrepancies arise not only in naming but also in hierarchical structure, relationship representation, and information granularity, making stable alignment difficult with conventional single-model, one-to-one matching approaches. Multi-Matcher presents a three-stage pipeline consisting of: (i) Unified Schema Generation, which normalizes heterogeneous schema elements into a common format that incorporates higher-level context, sample values, statistical summaries, and relational cues; (ii) Kneedle-based adaptive filtering, which reduces the candidate space by exploiting turning points in cosine-similarity distributions; and (iii) candidate-based grouping, in which a large language model integrates multiple sources of semantic evidence within the filtered candidate set to select corresponding elements. We further apply overlap-based merging to consolidate overlapping groups generated per query, producing concept-level results.
Furthermore, using the schemas and data from M2Bench and UniBench, which are multi-model database benchmarks, we define criteria for constructing group-level Ground Truth and build the corresponding reference correspondences. We also apply the same criteria to the cross-dataset setting (M2Bench E-commerce ↔ UniBench), establishing an evaluation foundation that covers dataset-to-dataset alignment scenarios. We evaluate the proposed method on M2Bench (E-commerce/Healthcare), UniBench, and the cross-dataset setting, measuring performance using Precision/Recall/F1-score computed by converting predicted groups into pairs and aggregating TP/FP/FN over entire datasets. Experimental results show that Multi-Matcher consistently outperforms Magneto, a recent LLM-based schema matching method, across all datasets. An ablation study further confirms that the unified representation is a key contributor to matching quality, while adaptive filtering effectively reduces the candidate space without substantially degrading performance, thereby lowering the cost of subsequent LLM inference.

목차 (Table of Contents)

• 제 1 장 서론 1
• 제 1 절 연구 배경 및 필요성 1
• 제 2 절 연구 문제 정의 2
• 제 3 절 연구 목표 및 접근 개요 3
• 제 4 절 연구 기여 4
• 제 5 절 논문 구성 5
• 제 2 장 관련 연구 7
• 제 1 절 Relational Schema Matching 7
• 제 2 절 Multi-Model Data Management 9
• 제 3 절 LLMs as Problem Solvers 10
• 제 3 장 문제 정의와 평가 설정 12
• 제 1 절 Multi-Model Schema Matching 문제 정의 12
• 제 2 절 Ground-Truth 정의 및 구축 기준 13
• 제 3 절 평가 지표 15
• 제 4 장 Multi-Matcher 18
• 제 1 절 Overview of the Multi-Matcher Pipeline 18
• 제 2 절 Stage 1: Unified Schema Generation 20
• 제 3 절 Stage 2: Adaptive Filtering via Kneedle 23
• 제 4 절 Stage 3: Candidate-based Grouping with Large Language Models 26
• 제 5 장 실험 설정 30
• 제 1 절 데이터셋 30
• 제 2 절 실험 환경 34
• 제 3 절 Magneto와의 비교 및 Ablation Study 설계 35
• 제 6 장 실험 결과 및 분석 39
• 제 1 절 Magneto와의 성능 비교 39
• 제 2 절 Ablation Study 결과 40
• 제 3 절 Adaptive Filtering의 효과 43
• 제 7 장 결론 및 향후 과제 45
• 제 1 절 결론 45
• 제 2 절 한계 46
• 제 3 절 향후 연구 46
• 참고문헌 48
• Abstract 52