論文の概要: "What Do You Mean by That?" A Parser-Independent Interactive Approach
for Enhancing Text-to-SQL
- arxiv url: http://arxiv.org/abs/2011.04151v1
- Date: Mon, 9 Nov 2020 02:14:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-28 01:00:34.273896
- Title: "What Do You Mean by That?" A Parser-Independent Interactive Approach
for Enhancing Text-to-SQL
- Title（参考訳）: 「それはどういう意味ですか。」
テキストからSQLへの相互依存型対話的アプローチ
- Authors: Yuntao Li, Bei Chen, Qian Liu, Yan Gao, Jian-Guang Lou, Yan Zhang,
Dongmei Zhang
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 49.85635994436742
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In Natural Language Interfaces to Databases systems, the text-to-SQL
technique allows users to query databases by using natural language questions.
Though significant progress in this area has been made recently, most parsers
may fall short when they are deployed in real systems. One main reason stems
from the difficulty of fully understanding the users' natural language
questions. In this paper, we include human in the loop and present a novel
parser-independent interactive approach (PIIA) that interacts with users using
multi-choice questions and can easily work with arbitrary parsers. Experiments
were conducted on two cross-domain datasets, the WikiSQL and the more complex
Spider, with five state-of-the-art parsers. These demonstrated that PIIA is
capable of enhancing the text-to-SQL performance with limited interaction turns
by using both simulation and human evaluation.
- Abstract（参考訳）: 自然言語インタフェースとデータベースシステムでは、自然言語の質問を使ってデータベースを問合せすることができる。
この領域では最近大きな進歩が見られたが、ほとんどのパーサーは実際のシステムにデプロイされた時に不足する可能性がある。
主な理由は、ユーザの自然言語の質問を完全に理解することの難しさにある。
本稿では,人間をループに含め,複数質問を用いてユーザと対話し,任意のパーサで簡単に作業可能な,新しいパーサ非依存型インタラクティブアプローチ(PIIA)を提案する。
WikiSQLとより複雑なSpiderという2つのクロスドメインデータセットに対して、5つの最先端パーサーで実験が行われた。
これらの結果から、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SQLのパフォーマンスを向上させることができることを示した。
関連論文リスト
- SQLucid: Grounding Natural Language Database Queries with Interactive Explanations [28.10727203675818]
SQLucidは、エキスパートでないユーザと複雑なデータベースクエリプロセスのギャップを埋める、新しいユーザインターフェースである。
私たちのコードはhttps://github.com/magic-YuanTian/ucid.comで公開されています。
論文 参考訳（メタデータ） (2024-09-10T03:14:09Z) - 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) - Interactive Text-to-SQL Generation via Editable Step-by-Step
Explanations [31.3376894001311]
本稿では,ユーザがクエリのステップバイステップ説明を直接編集してエラーを修正する,新たなインタラクションメカニズムを提案する。
複数のデータセットに対する我々の実験は、24人の参加者を持つユーザとともに、我々のアプローチが複数のSOTAアプローチより優れていることを実証している。
論文 参考訳（メタデータ） (2023-05-12T10:45:29Z) - Towards Generalizable and Robust Text-to-SQL Parsing [77.18724939989647]
本稿では,タスク分解,知識獲得,知識構成からなる新しいTKKフレームワークを提案する。
このフレームワークは,Spider,SParC,Co.データセット上でのすべてのシナリオと最先端のパフォーマンスに有効であることを示す。
論文 参考訳（メタデータ） (2022-10-23T09:21:27Z) - 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) - 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) - 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)
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。