論文の概要: Speak to your Parser: Interactive Text-to-SQL with Natural Language Feedback

• arxiv url: http://arxiv.org/abs/2005.02539v2
• Date: Mon, 1 Jun 2020 22:01:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-06 14:06:57.058703
• Title: Speak to your Parser: Interactive Text-to-SQL with Natural Language Feedback
• Title（参考訳）: Speak to your Parser: 自然言語フィードバックによるインタラクティブテキストからSQL
• Authors: Ahmed Elgohary, Saghar Hosseini, Ahmed Hassan Awadallah
• Abstract要約: 本研究では,自然言語フィードバックを用いた意味的パース補正の課題について検討する。 本稿では,人間がさらにシステムと対話できる,よりインタラクティブなシナリオについて検討する。
• 参考スコア（独自算出の注目度）: 39.45695779589969
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the task of semantic parse correction with natural language feedback. Given a natural language utterance, most semantic parsing systems pose the problem as one-shot translation where the utterance is mapped to a corresponding logical form. In this paper, we investigate a more interactive scenario where humans can further interact with the system by providing free-form natural language feedback to correct the system when it generates an inaccurate interpretation of an initial utterance. We focus on natural language to SQL systems and construct, SPLASH, a dataset of utterances, incorrect SQL interpretations and the corresponding natural language feedback. We compare various reference models for the correction task and show that incorporating such a rich form of feedback can significantly improve the overall semantic parsing accuracy while retaining the flexibility of natural language interaction. While we estimated human correction accuracy is 81.5%, our best model achieves only 25.1%, which leaves a large gap for improvement in future research. SPLASH is publicly available at https://aka.ms/Splash_dataset.
• Abstract（参考訳）: 自然言語フィードバックによる意味的パース補正の課題について検討する。 自然言語の発話が与えられた場合、ほとんどの意味解析システムは、発話を対応する論理形式にマッピングするワンショット翻訳として問題を引き起こす。 本稿では,人間がよりインタラクティブにシステムと対話できるシナリオについて検討し,初期発話の不正確な解釈を生成する際に,自由形式の自然言語フィードバックを提供することによってシステムを修正する。 我々は、自然言語からSQLシステムへの変換と構築、SPLASH、発話のデータセット、誤ったSQL解釈、それに対応する自然言語フィードバックに焦点を当てる。 補正作業における様々な参照モデルを比較し,このようなリッチなフィードバックを組み込むことで,自然言語相互作用の柔軟性を維持しつつ,総合的な意味解析精度を大幅に向上できることを示す。 人間の補正精度は81.5%と見積もっているが、我々の最良のモデルは25.1%しか達成していない。 SPLASHはhttps://aka.ms/Splash_dataset.comで公開されている。

関連論文リスト

• Correcting Semantic Parses with Natural Language through Dynamic Schema Encoding [0.06445605125467573]
  自動回帰デコーダの精度は自然言語による1ターンの補正で最大26%向上できることを示す。 Tbaseモデルは、ゼロショットのクロスパーザ設定でT5大モデルのエラーを修正することができる。
  論文  参考訳（メタデータ） (2023-05-31T16:01:57Z)
• Learning to Simulate Natural Language Feedback for Interactive Semantic Parsing [30.609805601567178]
  対話型意味解析のためのNLフィードバックをシミュレーションするタスクを提案する。 私たちはそのタスクに新しいフィードバック評価器を伴います。 我々のフィードバックシミュレータは、コストがかかる人間のアノテーションの完全なセットを用いてトレーニングされたように、同等のエラー修正性能を達成するのに役立ちます。
  論文  参考訳（メタデータ） (2023-05-14T16:20:09Z)
• Retrieval-based Disentangled Representation Learning with Natural Language Supervision [61.75109410513864]
  本稿では,VDR(Vocabulary Disentangled Retrieval)を提案する。 提案手法では,両エンコーダモデルを用いて語彙空間におけるデータと自然言語の両方を表現する。
  論文  参考訳（メタデータ） (2022-12-15T10:20:42Z)
• Linking Emergent and Natural Languages via Corpus Transfer [98.98724497178247]
  創発言語と自然言語のコーパス転送によるリンクを確立する新しい方法を提案する。 このアプローチでは,言語モデリングとイメージキャプションという,2つの異なるタスクに対して,非自明な転送メリットを示す。 また,同一画像に基づく自然言語キャプションに創発的メッセージを翻訳することで,創発的言語の伝達可能性を予測する新しい指標を提案する。
  論文  参考訳（メタデータ） (2022-03-24T21:24:54Z)
• Contextual Semantic Parsing for Multilingual Task-Oriented Dialogues [7.8378818005171125]
  1つの言語で大規模な対話データセットをセットすると、機械翻訳を用いて他の言語に対して効果的な意味を自動生成できる。 本稿では、スロット値の忠実な翻訳を保証するために、アライメント付き対話データセットの自動翻訳を提案する。 簡潔な表現が翻訳誤りの複合効果を減少させることを示す。
  論文  参考訳（メタデータ） (2021-11-04T01:08:14Z)
• Turing: an Accurate and Interpretable Multi-Hypothesis Cross-Domain Natural Language Database Interface [11.782395912109324]
  自然言語データベースインタフェース(NLDB)は、非技術ユーザのためのデータ駆動の洞察を民主化することができる。 この研究は、このギャップを埋めるためのNLDBシステムであるTuringを提示する。 チューリングのクロスドメインセマンティックバリデーション法は、実行精度が751%、スパイダーセット上でのトップ5ビーム実行精度が78.3%である。
  論文  参考訳（メタデータ） (2021-06-08T17:46:20Z)
• NL-EDIT: Correcting semantic parse errors through natural language interaction [28.333860779302306]
  インタラクションコンテキストにおける自然言語フィードバックの解釈モデルであるNL-EDITを提案する。 NL-EDITは1回補正するだけで、既存のテキスト対アリーの精度を最大20%向上できることを示す。
  論文  参考訳（メタデータ） (2021-03-26T15:45:46Z)
• Comparison of Interactive Knowledge Base Spelling Correction Models for Low-Resource Languages [81.90356787324481]
  低リソース言語に対する正規化の推進は、パターンの予測が難しいため、難しい作業である。 この研究は、ターゲット言語データに様々な量を持つニューラルモデルとキャラクタ言語モデルの比較を示す。 我々の利用シナリオは、ほぼゼロのトレーニング例によるインタラクティブな修正であり、より多くのデータが収集されるにつれてモデルを改善する。
  論文  参考訳（メタデータ） (2020-10-20T17:31:07Z)
• Photon: A Robust Cross-Domain Text-to-SQL System [189.1405317853752]
  私たちは、マッピングを即座に決定できない自然言語入力にフラグを付けることができる、堅牢でモジュール化されたクロスドメインなNLIDBPhotonを紹介します。 提案手法は,翻訳不能なユーザ入力に対して,テキストからネイティブシステムへのロバストさを効果的に向上させる。
  論文  参考訳（メタデータ） (2020-07-30T07:44:48Z)
• On the Importance of Word Order Information in Cross-lingual Sequence Labeling [80.65425412067464]
  ソース言語の単語順に適合する言語間モデルでは、ターゲット言語を処理できない可能性がある。 本研究では,ソース言語の単語順序に敏感なモデルを作成することで,対象言語の適応性能が向上するかどうかを検討する。
  論文  参考訳（メタデータ） (2020-01-30T03:35:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。