이 논문은 SemTab 챌린지에서 열거형 타입 주석(Column Type Annotation, CTA)과 열 속성 주석(Column Property Annotation, CPA) 작업을 해결하기 위해 설계된 혁신적이고 최소한의 접근법인 DREIFLUSS를 소개한다. DREIFLUSS는 DBpedia와 Schema.org와 같은 잘 정립된 지식 그래프에서 추출한 의미 정보를 효율적으로 활용하여 주석 처리 과정을 개선한다. 실험 결과는 DREIFLUSS를 통해 훈련된 로지스틱 회귀 모델이 우수한 성능을 보이며, 정확한 열 타입 주석과 통찰력 있는 관계 예측을 가능하게 함을 입증한다. 연구 결과는 모델 훈련 시 적절한 샘플링 기법의 중요성을 입증하며, 테이블 매칭의 정확성과 효율성을 향상시킨다. 본 연구는 테이블 매칭 기술을 향상시킬 수 있는 유망한 길을 제시하며, DREIFLUSS의 실용적 의미가 데이터 통합 및 지식 탐사 연구에 미치는 영향을 강조한다.