文章主要内容总结本文介绍了一种名为SCHEMORA的模式匹配（schema matching）框架，旨在解决异构数据源整合和数据集发现中的关键挑战。该框架基于现成的大型语言模型（LLMs），通过多阶段推荐和元数据增强技术，无需依赖标注训练数据或 exhaustive 的 pairwise 比较，即可高效识别候选匹配。SCHEMORA的核心流程分为两个阶段：索引阶段：对目标模式的列进行元数据富集（通过LLM生成语义丰富的列名变体）、预处理（清洗文本）、向量索引生成（使用FAISS）和全文检索索引生成（使用BM25），构建支持混合检索的数据库。查询阶段：对源模式的列执行与索引阶段相同的富集和预处理，通过向量搜索和全文搜索获取候选匹配，再经LLM筛选相关表并排序，最终输出匹配结果。实验表明，SCHEMORA在MIMIC-OMOP基准数据集上实现了新的最先进性能，HitRate@5提升7.49%，HitRate@3提升3.75%，且是首个开源的基于LLM的模式匹配方法，为后续研究提供了可复现的基础。创新点无需标注数据：完全基于提示驱动（prompt-based），无需标注训练数据，可在多领域通用部署。混合检索架构：首次结合向量语义搜索与BM25词汇检索，捕获互补的语义和词汇信号。高效元数据增强：