論文の概要: Towards a Natural Language Query Processing System

• arxiv url: http://arxiv.org/abs/2009.12414v1
• Date: Fri, 25 Sep 2020 19:52:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-14 23:24:48.843388
• Title: Towards a Natural Language Query Processing System
• Title（参考訳）: 自然言語クエリ処理システムに向けて
• Authors: Chantal Montgomery, Haruna Isah, Farhana Zulkernine
• Abstract要約: 本稿では,自然言語クエリインタフェースとバックエンド関係データベースの設計と開発について報告する。 この研究の斬新さは、自然言語クエリを構造化クエリ言語に変換するために必要なメタデータを格納するために、グラフデータベースを中間層として定義することにある。 サンプルクエリの翻訳結果は90%の精度で得られた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tackling the information retrieval gap between non-technical database end-users and those with the knowledge of formal query languages has been an interesting area of data management and analytics research. The use of natural language interfaces to query information from databases offers the opportunity to bridge the communication challenges between end-users and systems that use formal query languages. Previous research efforts mainly focused on developing structured query interfaces to relational databases. However, the evolution of unstructured big data such as text, images, and video has exposed the limitations of traditional structured query interfaces. While the existing web search tools prove the popularity and usability of natural language query, they return complete documents and web pages instead of focused query responses and are not applicable to database systems. This paper reports our study on the design and development of a natural language query interface to a backend relational database. The novelty in the study lies in defining a graph database as a middle layer to store necessary metadata needed to transform a natural language query into structured query language that can be executed on backend databases. We implemented and evaluated our approach using a restaurant dataset. The translation results for some sample queries yielded a 90% accuracy rate.
• Abstract（参考訳）: 非技術データベースエンドユーザと形式的クエリ言語知識を持つユーザの間での情報検索ギャップに取り組むことは、データ管理と分析研究の興味深い分野である。 自然言語インタフェースを使用してデータベースから情報をクエリすることで、形式的なクエリ言語を使用するエンドユーザとシステム間の通信課題を橋渡しする機会を提供する。 従来の研究は、主にリレーショナルデータベースに対する構造化クエリインタフェースの開発に重点を置いていた。 しかし、テキスト、画像、ビデオといった構造化されていないビッグデータの進化は、従来の構造化クエリインタフェースの限界を露呈している。 既存のWeb検索ツールは、自然言語クエリの人気とユーザビリティを証明しているが、焦点を絞ったクエリ応答ではなく、完全なドキュメントとWebページを返却し、データベースシステムには適用できない。 本稿では,自然言語クエリインタフェースとバックエンド関係データベースの設計と開発について報告する。 この研究の目新しさは、自然言語クエリをバックエンドデータベース上で実行できる構造化クエリ言語に変換するために必要なメタデータを格納するための中間層としてグラフデータベースを定義することである。 提案手法をレストランデータセットを用いて実装し,評価した。 サンプルクエリの翻訳結果は90%の精度で得られた。

関連論文リスト

• E-SQL: Direct Schema Linking via Question Enrichment in Text-to-SQL [1.187832944550453]
  E-レポジトリは、直接スキーマリンクと候補述語拡張による課題に対処するために設計された新しいパイプラインである。 E-は、関連するデータベースアイテム(テーブル、列、値)と条件を質問に直接組み込むことで、自然言語クエリを強化し、クエリとデータベース構造の間のギャップを埋める。 本研究では,従来の研究で広く研究されてきた手法であるスキーマフィルタリングの影響について検討し,先進的な大規模言語モデルと並行して適用した場合のリターンの低下を実証する。
  論文  参考訳（メタデータ） (2024-09-25T09:02:48Z)
• Text2SQL is Not Enough: Unifying AI and Databases with TAG [47.45480855418987]
  Table-Augmented Generation (TAG) は、データベース上の自然言語の質問に答えるパラダイムである。 我々は、TAG問題を研究するためのベンチマークを開発し、標準手法がクエリの20%以上を正しく答えることを発見した。
  論文  参考訳（メタデータ） (2024-08-27T00:50:14Z)
• UQE: A Query Engine for Unstructured Databases [71.49289088592842]
  構造化されていないデータ分析を可能にするために,大規模言語モデルの可能性を検討する。 本稿では,非構造化データ収集からの洞察を直接問合せ,抽出するUniversal Query Engine (UQE)を提案する。
  論文  参考訳（メタデータ） (2024-06-23T06:58:55Z)
• Database-Augmented Query Representation for Information Retrieval [59.57065228857247]
  データベース拡張クエリ表現(DAQu)と呼ばれる新しい検索フレームワークを提案する。 DAQuは、元のクエリを複数のテーブルにまたがるさまざまな(クエリ関連の)メタデータで拡張する。 リレーショナルデータベースのメタデータを組み込む様々な検索シナリオにおいてDAQuを検証する。
  論文  参考訳（メタデータ） (2024-06-23T05:02:21Z)
• SQL-PaLM: Improved Large Language Model Adaptation for Text-to-SQL (extended) [53.95151604061761]
  本稿では,大規模言語モデル(LLM)を用いたテキスト・ツー・フィルタリングのフレームワークを提案する。 数発のプロンプトで、実行ベースのエラー解析による一貫性復号化の有効性について検討する。 命令の微調整により、チューニングされたLLMの性能に影響を及ぼす重要なパラダイムの理解を深める。
  論文  参考訳（メタデータ） (2023-05-26T21:39:05Z)
• AskYourDB: An end-to-end system for querying and visualizing relational databases using natural language [0.0]
  複雑な自然言語をSQLに変換するという課題に対処する意味解析手法を提案する。 我々は、モデルが本番環境にデプロイされたときに重要な部分を占める様々な前処理と後処理のステップによって、最先端のモデルを修正した。 製品がビジネスで利用できるようにするために、クエリ結果に自動視覚化フレームワークを追加しました。
  論文  参考訳（メタデータ） (2022-10-16T13:31:32Z)
• 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)
• 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)
• Translating synthetic natural language to database queries: a polyglot deep learning framework [0.0]
  Polyglotterは自然言語検索とデータベースクエリのマッピングをサポートする。 トレーニングのために手動で注釈付きデータを作成する必要はない。 我々のフレームワークは, 合成データベースと実データベースの両方で良好に動作することを示す。
  論文  参考訳（メタデータ） (2021-04-14T17:43:51Z)
• "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)
• Recent Advances in SQL Query Generation: A Survey [0.0]
  ディープラーニング技術の発展に伴い、リレーショナルデータベースに適した自然言語インタフェースの設計において、広範な研究が進められている。 畳み込みニューラルネットワークやリカレントニューラルネットワーク,ポインタネットワーク,強化学習など,さまざまなアーキテクチャのモデルを記述する。
  論文  参考訳（メタデータ） (2020-05-15T17:31:29Z)

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。