論文の概要: Photon: A Robust Cross-Domain Text-to-SQL System

• arxiv url: http://arxiv.org/abs/2007.15280v2
• Date: Mon, 3 Aug 2020 08:59:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-05 13:13:00.008491
• Title: Photon: A Robust Cross-Domain Text-to-SQL System
• Title（参考訳）: Photon:ロバストなクロスドメインテキスト-SQLシステム
• Authors: Jichuan Zeng, Xi Victoria Lin, Caiming Xiong, Richard Socher, Michael R. Lyu, Irwin King, Steven C.H. Hoi
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 189.1405317853752
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Natural language interfaces to databases (NLIDB) democratize end user access to relational data. Due to fundamental differences between natural language communication and programming, it is common for end users to issue questions that are ambiguous to the system or fall outside the semantic scope of its underlying query language. We present Photon, a robust, modular, cross-domain NLIDB that can flag natural language input to which a SQL mapping cannot be immediately determined. Photon consists of a strong neural semantic parser (63.2\% structure accuracy on the Spider dev benchmark), a human-in-the-loop question corrector, a SQL executor and a response generator. The question corrector is a discriminative neural sequence editor which detects confusion span(s) in the input question and suggests rephrasing until a translatable input is given by the user or a maximum number of iterations are conducted. Experiments on simulated data show that the proposed method effectively improves the robustness of text-to-SQL system against untranslatable user input. The live demo of our system is available at http://naturalsql.com.
• Abstract（参考訳）: データベースへの自然言語インタフェース(NLIDB)は、リレーショナルデータへのエンドユーザーアクセスを民主化する。 自然言語通信とプログラミングの根本的な違いのため、エンドユーザはシステムに不明瞭な質問をしたり、基礎となるクエリ言語のセマンティックスコープから外れたりすることが一般的である。 我々は、sqlマッピングがすぐ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ロバストでモジュラーなクロスドメインnlidbである photon を提案する。 Photonは強力なニューラルネットワークセマンティックパーサ(Spider devベンチマークにおける63.2\%の構造精度)、ヒューマン・イン・ザ・ループの質問訂正器、SQLエグゼキュータ、レスポンスジェネレータで構成される。 質問訂正装置は、入力された質問の混乱範囲を検出し、翻訳可能な入力がユーザによって与えられるか、最大イテレーション数が実行されるまでリフレージングを推奨する識別的ニューラルシーケンスエディタである。 シミュレーションデータを用いた実験により,提案手法は,翻訳不能なユーザ入力に対するテキスト-SQLシステムのロバスト性を効果的に向上することを示した。 私たちのシステムのライブデモはhttp://naturalsql.com.comで公開されている。

関連論文リスト

• UNITE: A Unified Benchmark for Text-to-SQL Evaluation [72.72040379293718]
  テキスト・ツー・ドメイン・システムのためのUNIfiedベンチマークを導入する。 公開されているテキストからドメインへのデータセットと29Kデータベースで構成されている。 広く使われているSpiderベンチマークと比較すると、SQLパターンの3倍の増加が紹介されている。
  論文  参考訳（メタデータ） (2023-05-25T17:19:52Z)
• xDBTagger: Explainable Natural Language Interface to Databases Using Keyword Mappings and Schema Graph [0.17188280334580192]
  自然言語クエリをインターフェース内の構造化クエリ言語(NLQ)にリレーショナルデータベースに変換することは、難しい作業である。 我々は xDBTagger を提案する。xDBTagger は説明可能なハイブリッド翻訳パイプラインで,ユーザがテキストと視覚の両方で行う決定について説明する。 xDBTaggerは精度の点で有効であり、クエリを最先端のパイプラインベースシステムと比較して最大10000倍の効率で変換する。
  論文  参考訳（メタデータ） (2022-10-07T18:17:09Z)
• SUN: Exploring Intrinsic Uncertainties in Text-to-SQL Parsers [61.48159785138462]
  本稿では,ニューラルネットワークに基づくアプローチ(SUN)における本質的な不確かさを探索することにより,テキストから依存への変換性能を向上させることを目的とする。 5つのベンチマークデータセットの大規模な実験により、我々の手法は競合より大幅に優れ、新しい最先端の結果が得られた。
  論文  参考訳（メタデータ） (2022-09-14T06:27:51Z)
• A Survey on Text-to-SQL Parsing: Concepts, Methods, and Future Directions [102.8606542189429]
  テキストからコーパスへのパースの目的は、自然言語(NL)質問をデータベースが提供するエビデンスに基づいて、対応する構造化クエリ言語()に変換することである。 ディープニューラルネットワークは、入力NL質問から出力クエリへのマッピング関数を自動的に学習するニューラルジェネレーションモデルによって、このタスクを大幅に進歩させた。
  論文  参考訳（メタデータ） (2022-08-29T14:24:13Z)
• Speech-to-SQL: Towards Speech-driven SQL Query Generation From Natural Language Question [18.40290951253122]
  音声による入力は、スマートフォンやタブレットの人気により、大きな勢いを増している。 本稿では,構造化データデータベースを問合せするための,より効率的な音声インタフェースの設計について検討する。 我々は,人間の音声を直接クエリーに変換するために,SpeechNetという新しいエンドツーエンドニューラルアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-01-04T15:38:36Z)
• Weakly Supervised Text-to-SQL Parsing through Question Decomposition [53.22128541030441]
  我々は最近提案されたQDMR(QDMR)という意味表現を活用している。 質問やQDMR構造(非専門家によって注釈付けされたり、自動予測されたりする)、回答が与えられたら、我々は自動的にsqlクエリを合成できる。 本結果は,NL-ベンチマークデータを用いて訓練したモデルと,弱い教師付きモデルが競合することを示す。
  論文  参考訳（メタデータ） (2021-12-12T20:02:42Z)
• 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)
• "What Do You Mean by That?" A Parser-Independent Interactive Approach for Enhancing Text-to-SQL [49.85635994436742]
  ループ内に人間を包含し,複数質問を用いてユーザと対話する,新規非依存型対話型アプローチ(PIIA)を提案する。 PIIAは、シミュレーションと人的評価の両方を用いて、限られたインタラクションターンでテキストとドメインのパフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2020-11-09T02:14:33Z)

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。