論文の概要: Tracking Interaction States for Multi-Turn Text-to-SQL Semantic Parsing

• arxiv url: http://arxiv.org/abs/2012.04995v1
• Date: Wed, 9 Dec 2020 11:59:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-16 02:05:41.851920
• Title: Tracking Interaction States for Multi-Turn Text-to-SQL Semantic Parsing
• Title（参考訳）: マルチターンテキスト-SQLセマンティックパーシングのためのトラッキングインタラクション状態
• Authors: Run-Ze Wang, Zhen-Hua Ling, Jing-Bo Zhou, Yu Hu
• Abstract要約: マルチターンテキスト・ツー・セマンティクスのタスクは、自然言語発話を対話からsqlクエリに変換することを目的としている。 グラフ関係ネットワークと非線形層は、2つの状態の表現をそれぞれ更新するように設計されている。 提案手法の有効性を示すため,coデータセットに挑戦する実験を行った。
• 参考スコア（独自算出の注目度）: 44.0348697408427
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The task of multi-turn text-to-SQL semantic parsing aims to translate natural language utterances in an interaction into SQL queries in order to answer them using a database which normally contains multiple table schemas. Previous studies on this task usually utilized contextual information to enrich utterance representations and to further influence the decoding process. While they ignored to describe and track the interaction states which are determined by history SQL queries and are related with the intent of current utterance. In this paper, two kinds of interaction states are defined based on schema items and SQL keywords separately. A relational graph neural network and a non-linear layer are designed to update the representations of these two states respectively. The dynamic schema-state and SQL-state representations are then utilized to decode the SQL query corresponding to current utterance. Experimental results on the challenging CoSQL dataset demonstrate the effectiveness of our proposed method, which achieves better performance than other published methods on the task leaderboard.
• Abstract（参考訳）: マルチターンテキストからSQLへのセマンティック解析のタスクは、対話中の自然言語の発話をSQLクエリに変換して、通常複数のテーブルスキーマを含むデータベースを使用して答えることを目的としている。 このタスクの以前の研究は、通常、文脈情報を利用して発話表現を豊かにし、復号プロセスにさらに影響を及ぼす。 履歴SQLクエリによって決定され、現在の発話の意図と関連する相互作用状態の記述と追跡は無視されている。 本稿では,スキーマ項目とsqlキーワードを分離して,2種類のインタラクション状態を定義する。 関係グラフニューラルネットワークと非線形層は、2つの状態の表現をそれぞれ更新するように設計されている。 動的スキーマ状態とSQL状態表現を使用して、現在の発話に対応するSQLクエリをデコードする。 cosqlデータセットに挑戦する実験結果は,提案手法の有効性を示し,タスクリーダボード上の他の公開手法よりも優れた性能を実現する。

関連論文リスト

• Schema-Aware Multi-Task Learning for Complex Text-to-SQL [4.913409359995421]
  複雑なsqlクエリのためのスキーマ対応マルチタスク学習フレームワーク(MT)を提案する。 具体的には、有効な質問スキーマリンクを識別するために、識別器モジュールを設計する。 デコーダ側では、テーブルと列の接続を記述するために、6種類の関係を定義します。
  論文  参考訳（メタデータ） (2024-03-09T01:13:37Z)
• SQLPrompt: In-Context Text-to-SQL with Minimal Labeled Data [54.69489315952524]
  Prompt"は、Text-to-LLMのいくつかのショットプロンプト機能を改善するように設計されている。 Prompt"は、ラベル付きデータが少なく、テキスト内学習における従来のアプローチよりも大きなマージンで優れている。 emphPromptはテキスト内学習における従来の手法よりも優れており,ラベル付きデータはほとんどない。
  論文  参考訳（メタデータ） (2023-11-06T05:24:06Z)
• SQLformer: Deep Auto-Regressive Query Graph Generation for Text-to-SQL Translation [16.07396492960869]
  本稿では,テキストからテキストへの変換処理に特化して設計されたトランスフォーマーアーキテクチャを提案する。 我々のモデルは、実行可能層とデコーダ層に構造的帰納バイアスを組み込んで、クエリを自動で抽象構文木(AST)として予測する。
  論文  参考訳（メタデータ） (2023-10-27T00:13:59Z)
• 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)
• STAR: SQL Guided Pre-Training for Context-dependent Text-to-SQL Parsing [64.80483736666123]
  文脈依存型テキスト・ツー・パースのための新しい事前学習フレームワークSTARを提案する。 さらに,STARを事前学習するための大規模コンテキスト依存型テキスト対話コーパスを構築した。 大規模な実験により、STARは2つの下流ベンチマークで新しい最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2022-10-21T11:30:07Z)
• 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)
• HIE-SQL: History Information Enhanced Network for Context-Dependent Text-to-SQL Semantic Parsing [1.343950231082215]
  ヒストリー発話と最後のsqlクエリの両方からコンテキスト依存情報を利用するヒストリー情報拡張テキスト・トゥ・ザ・アート・モデル(HIE-)を提案する。 本研究では,2つの文脈依存型テキスト・トゥ・ザ・アーティカル・ベンチマークにおいて,HIE-の性能を著しく向上させる手法を提案する。
  論文  参考訳（メタデータ） (2022-03-14T11:58:37Z)
• S$^2$SQL: Injecting Syntax to Question-Schema Interaction Graph Encoder for Text-to-SQL Parsers [66.78665327694625]
  テキスト-関係解析のための質問-エンコーダグラフに構文を注入するS$2$を提案する。 また、疎結合制約を用いて多様なエッジ埋め込みを誘導し、ネットワークの性能をさらに向上させる。 スパイダーとロバスト性設定の実験は、提案手法が事前学習モデルを使用する場合、既存のすべての手法より優れていることを示した。
  論文  参考訳（メタデータ） (2022-03-14T09:49:15Z)
• Pay More Attention to History: A Context Modeling Strategy for Conversational Text-to-SQL [8.038535788630542]
  会話型テキスト・ツー・ドメインの最も難解な問題の1つは、マルチターンクエリのセマンティクスをモデル化することである。 本稿では,各ターンの追加による意味変化の明示的モデル化とコンテキスト全体の要約により,より優れた性能が得られることを示す。
  論文  参考訳（メタデータ） (2021-12-16T09:41:04Z)

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。