Los investigadores proponen ALORE, un estimador escalable y robusto ante dominios para el tamaño de la mayor superposición entre tablas en grandes repositorios. Aborda las limitaciones del modelo Armadillo más avanzado representando explícitamente la estructura fila-columna y exponiendo señales de alineación inter-tabla durante el entrenamiento.
- Utiliza un codificador de hipergrafo de filas y columnas de dos vistas para preservar la pertenencia estructural.
- Emplea objetivos guiados por alineación con señales de interacción de bajo costo.
- Implementa un mapeo de valores robusto ante dominios para reducir la sensibilidad a distribuciones específicas del corpus.
- Reduce el Error Absoluto Medio (MAE) hasta en un 55% en general y un 69% en transferencia sin entrenamiento.
- Logra una aceleración de hasta 89x en comparación con métodos anteriores.
ALORE demuestra un rendimiento superior en diversos dominios y escalas, validando su efectividad para tareas de recuperación por tabla.