20260518-morning:新增内容

concepts/dime-dynamic-in-database-modeling-engine.md

@@ -0,0 +1,38 @@
+---
+title: "DIME (Dynamic In-Database Modeling Engine)"
+created: 2026-05-15
+updated: 2026-05-15
+type: concept
+tags: [database, machine-learning, engine, in-database-analytics]
+sources: [raw/papers/zeng-neurida-2025.md]
+---
+
+# DIME: Dynamic In-Database Modeling Engine
+
+**DIME** 是 NeurIDA 的核心执行引擎，负责在接收分析任务后动态构造定制模型并进行预测。
+
+## 四阶段管线
+
+### 1. [[base-table-embedding|Base Table Embedding]]
+将 [[data-slice|Data Slice]] 中的所有元组转换为向量表示。采用**双路径编码**：
+- **基础模型路径**：使用 Dispatcher 选出的基础模型生成原生表示，保留其归纳偏置
+- **统一编码器路径**：共享的统一元组编码器将异构 schema 的元组映射到统一表示空间
+
+### 2. [[dynamic-relation-modeling|Dynamic Relation Modeling]]
+在 [[relational-graph|关系图]]（FK-PK 边）上执行关系感知消息传递，将跨表结构信息注入元组嵌入，产生关系嵌入。
+
+### 3. [[dynamic-model-fusion|Dynamic Model Fusion]]
+使用上下文感知融合模块，计算关联表中各上下文信号的**重标定重要性分数**，自适应地将最相关的关联上下文融合到目标表元组表示中。
+
+### 4. Task-Aware Prediction
+基于融合嵌入，使用任务特定的预测头（分类/回归）生成最终预测。
+
+## 关键特性
+
+- **查询条件化**：整个管线由任务画像和数据画像驱动
+- **关系感知**：显式建模 FK-PK 结构，不像传统方法将元组视为独立样本
+- **可解释性**：融合模块的重要性分数提供预测归因
+
+## 来源
+
+- [[zeng-neurida-2025|NeurIDA 论文]]