5D 多表分析的方法和概念框架：复杂数据重用的统一方法

arXiv:2608.26149v1 公告类型：新 摘要：多表学习仍然是医疗保健和其他复杂信息系统机器学习的主要挑战。关系数据结合了多种复杂性来源，包括大数据量、高维变量、高基数分类特征、复杂的表间依赖关系和重复的时间观察。我们引入了关系超图变换器（RHT），这是一种统一的架构，它将关系数据库表示为超图，学习五维嵌入（PentE），并执行稀疏关系关注，其复杂度与平均关系度成正比，而不是与实体数量的平方成正比。我们正式定义了该架构，得出其注意力机制的复杂性，并提供了开源参考实现。我们使用每次遭遇的 SNOMED CT 条件代码的多标签预测来评估公共 Synthea 合成电子健康记录数据集上的 RHT，该任务的特点是高分类基数和长尾标签分布。与表格、关系和时间图基线的比较表明，RHT 产生语义上更加连贯的嵌入，同时保持计算可扩展性。在此基准测试中，XGBoost 实现了最高的稀有代码召回率，而 RHT 则实现了最强的嵌入语义一致性。我们还报告了量化每个架构组件的贡献的消融研究。 MIMIC-IV 的临床验证计划在 PhysioNet 认证之后进行。随附的存储库中提供了源代码和实验协议。