Buchumschlag

Why Isn't Relational Learning Taking Over the World?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Poole, David
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Databases Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

RDBLearn: Simple In-Context Prediction Over Relational Databases
von: Zhang, Yanlin, et al.
Veröffentlicht: (2026)

Rel-MOSS: Towards Imbalanced Relational Deep Learning on Relational Databases
von: Yin, Jun, et al.
Veröffentlicht: (2026)

Boosting Relational Deep Learning with Pretrained Tabular Models
von: Lachi, Veronica, et al.
Veröffentlicht: (2025)

RelGNN: Composite Message Passing for Relational Deep Learning
von: Chen, Tianlang, et al.
Veröffentlicht: (2025)

Relational Deep Learning: Challenges, Foundations and Next-Generation Architectures
von: Dwivedi, Vijay Prakash, et al.
Veröffentlicht: (2025)

RelBench: A Benchmark for Deep Learning on Relational Databases
von: Robinson, Joshua, et al.
Veröffentlicht: (2024)

Personalized Top-k Set Queries Over Predicted Scores
von: Nia, Sohrab Namazi, et al.
Veröffentlicht: (2025)

When Privacy Isn't Synthetic: Hidden Data Leakage in Generative AI Models
von: Mustaqim, S. M., et al.
Veröffentlicht: (2025)

Relational In-Context Learning via Synthetic Pre-training with Structural Prior
von: Wang, Yanbo, et al.
Veröffentlicht: (2026)

Griffin: Towards a Graph-Centric Relational Database Foundation Model
von: Wang, Yanbo, et al.
Veröffentlicht: (2025)

Relational Transformer: Toward Zero-Shot Foundation Models for Relational Data
von: Ranjan, Rishabh, et al.
Veröffentlicht: (2025)

Relational Graph Transformer
von: Dwivedi, Vijay Prakash, et al.
Veröffentlicht: (2025)

Towards Privacy-Preserving Relational Data Synthesis via Probabilistic Relational Models
von: Luttermann, Malte, et al.
Veröffentlicht: (2024)

Optimizing Context-Enhanced Relational Joins
von: Sanca, Viktor, et al.
Veröffentlicht: (2023)

AvalancheBench: Evaluating Enterprise Data Agents Through Latent World Recovery
von: Kleczek, Darek, et al.
Veröffentlicht: (2026)

RELATE: A Schema-Agnostic Perceiver Encoder for Multimodal Relational Graphs
von: Meyer, Joe, et al.
Veröffentlicht: (2025)

Modeling Relational Patterns for Logical Query Answering over Knowledge Graphs
von: He, Yunjie, et al.
Veröffentlicht: (2023)

Unlearning Isn't Deletion: Investigating Reversibility of Machine Unlearning in LLMs
von: Xu, Xiaoyu, et al.
Veröffentlicht: (2025)

PluRel: Synthetic Data unlocks Scaling Laws for Relational Foundation Models
von: Kothapalli, Vignesh, et al.
Veröffentlicht: (2026)

Predictive Query Language: A Domain-Specific Language for Predictive Modeling on Relational Databases
von: Kocijan, Vid, et al.
Veröffentlicht: (2026)

OpenMLDB: A Real-Time Relational Data Feature Computation System for Online ML
von: Zhou, Xuanhe, et al.
Veröffentlicht: (2025)

TransClean: Finding False Positives in Multi-Source Entity Matching under Real-World Conditions via Transitive Consistency
von: Pardo, Fernando de Meer, et al.
Veröffentlicht: (2025)

When Correct Isn't Usable: Improving Structured Output Reliability in Small Language Models
von: Galeone, Cosimo, et al.
Veröffentlicht: (2026)

A Lightweight Learned Cardinality Estimation Model
von: Zhu, Yaoyu, et al.
Veröffentlicht: (2025)

Data Collection and Labeling Techniques for Machine Learning
von: Huang, Qianyu, et al.
Veröffentlicht: (2024)

Interactive Ontology Matching with Cost-Efficient Learning
von: Cheng, Bin, et al.
Veröffentlicht: (2024)

Tabular Foundation Models Can Learn Association Rules
von: Karabulut, Erkan, et al.
Veröffentlicht: (2026)

Couler: Unified Machine Learning Workflow Optimization in Cloud
von: Wang, Xiaoda, et al.
Veröffentlicht: (2024)

CAMAL: Optimizing LSM-trees via Active Learning
von: Yu, Weiping, et al.
Veröffentlicht: (2024)

GED-Consistent Disentanglement of Aligned and Unaligned Substructures for Graph Similarity Learning
von: Zhan, Zhentao, et al.
Veröffentlicht: (2025)

OntoTune: Ontology-Driven Learning for Query Optimization with Convolutional Models
von: Yue, Songhui, et al.
Veröffentlicht: (2025)

ILAEDA: An Imitation Learning Based Approach for Automatic Exploratory Data Analysis
von: Manatkar, Abhijit, et al.
Veröffentlicht: (2024)

Tabular Data Augmentation for Machine Learning: Progress and Prospects of Embracing Generative AI
von: Cui, Lingxi, et al.
Veröffentlicht: (2024)

Reqo: A Comprehensive Learning-Based Cost Model for Robust and Explainable Query Optimization
von: Chang, Baoming, et al.
Veröffentlicht: (2025)

TabSketchFM: Sketch-based Tabular Representation Learning for Data Discovery over Data Lakes
von: Khatiwada, Aamod, et al.
Veröffentlicht: (2024)

DumpKV: Learning based lifetime aware garbage collection for key value separation in LSM-tree
von: Zhuang, Zhutao, et al.
Veröffentlicht: (2024)

KDSelector: A Knowledge-Enhanced and Data-Efficient Model Selector Learning Framework for Time Series Anomaly Detection
von: Liang, Zhiyu, et al.
Veröffentlicht: (2025)

No Need to Train Your RDB Foundation Model
von: Xu, Linjie, et al.
Veröffentlicht: (2026)

A Latent Risk-Aware Machine Learning Approach for Predicting Operational Success in Clinical Trials based on TrialsBank
von: Halimi, Iness, et al.
Veröffentlicht: (2026)

MoMQ: Mixture-of-Experts Enhances Multi-Dialect Query Generation across Relational and Non-Relational Databases
von: Lin, Zhisheng, et al.
Veröffentlicht: (2024)