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
- Semantic Parsing for Conversational Question Answering over Knowledge
Graphs [63.939700311269156]
本研究では,ユーザの質問にSparqlパースとアノテートし,システム回答が実行結果に対応するデータセットを開発する。
本稿では,2つの意味解析手法を提案し,その課題を強調した。
私たちのデータセットとモデルはhttps://github.com/Edinburgh/SPICE.orgで公開されています。
論文 参考訳(メタデータ) (2023-01-28T14:45:11Z) - XRICL: Cross-lingual Retrieval-Augmented In-Context Learning for
Cross-lingual Text-to-SQL Semantic Parsing [70.40401197026925]
大規模言語モデルを用いたインコンテキスト学習は、最近セマンティック解析タスクの驚くべき結果を示している。
この研究は、あるクエリに対して関連する英語の例を検索する学習を行うXRICLフレームワークを導入している。
また、大規模言語モデルの翻訳プロセスを容易にするために、対象言語に対するグローバルな翻訳例も含んでいる。
論文 参考訳(メタデータ) (2022-10-25T01:33:49Z) - 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) - Dual Reader-Parser on Hybrid Textual and Tabular Evidence for Open
Domain Question Answering [78.9863753810787]
世界の知識は構造化データベースに保存されている。
クエリ言語は、複雑な推論を必要とする質問に答えるだけでなく、完全な説明可能性を提供することができる。
論文 参考訳(メタデータ) (2021-08-05T22:04:13Z) - 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) - Data Agnostic RoBERTa-based Natural Language to SQL Query Generation [0.0]
NL2タスクは、自然言語による質問から有効なクエリへの変換問題を解決するために、ディープラーニングアプローチを見つけることを目的としている。
データプライバシに関するアプローチを,その中核として紹介しています。
成果は得られていないが、モデルのトレーニングからテーブルの必要性を排除した。
論文 参考訳(メタデータ) (2020-10-11T13:18:46Z) - Efficient Deployment of Conversational Natural Language Interfaces over
Databases [45.52672694140881]
本稿では、自然言語からクエリ言語への機械学習モデルを開発するためのトレーニングデータセット収集を高速化する新しい手法を提案する。
本システムでは,対話セッションを定義した対話型多言語データを生成することができる。
論文 参考訳(メタデータ) (2020-05-31T19:16:27Z) - 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。