論文の概要: Turing: an Accurate and Interpretable Multi-Hypothesis Cross-Domain Natural Language Database Interface

• arxiv url: http://arxiv.org/abs/2106.04559v1
• Date: Tue, 8 Jun 2021 17:46:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-09 16:00:47.060781
• Title: Turing: an Accurate and Interpretable Multi-Hypothesis Cross-Domain Natural Language Database Interface
• Title（参考訳）: turing: 正確で解釈可能なマルチハイポテーゼのクロスドメイン自然言語データベースインタフェース
• Authors: Peng Xu, Wenjie Zi, Hamidreza Shahidi, \'Akos K\'ad\'ar, Keyi Tang, Wei Yang, Jawad Ateeq, Harsh Barot, Meidan Alon, Yanshuai Cao
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 11.782395912109324
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: A natural language database interface (NLDB) can democratize data-driven insights for non-technical users. However, existing Text-to-SQL semantic parsers cannot achieve high enough accuracy in the cross-database setting to allow good usability in practice. This work presents Turing, a NLDB system toward bridging this gap. The cross-domain semantic parser of Turing with our novel value prediction method achieves $75.1\%$ execution accuracy, and $78.3\%$ top-5 beam execution accuracy on the Spider validation set. To benefit from the higher beam accuracy, we design an interactive system where the SQL hypotheses in the beam are explained step-by-step in natural language, with their differences highlighted. The user can then compare and judge the hypotheses to select which one reflects their intention if any. The English explanations of SQL queries in Turing are produced by our high-precision natural language generation system based on synchronous grammars.
• Abstract（参考訳）: 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。 しかし、既存のtext-to-sqlセマンティクスパーサは、データベース横断設定において高い精度を達成できず、実用的なユーザビリティを実現している。 このギャップを橋渡しするためのnldbシステムであるturingを提案する。 新たな値予測手法を用いたTuringのクロスドメインセマンティックパーザは,スパイダー検証セット上での75.1\%$実行精度,78.3\%$トップ5ビーム実行精度を実現している。 高いビーム精度の利点を生かして,その違いを強調して,ビーム内のSQL仮説を段階的に自然言語で説明するインタラクティブシステムの設計を行う。 ユーザーは仮説を比較して判断し、どの仮説が意図を反映しているかを選択できる。 チューリングにおけるSQLクエリの英語説明は、同期文法に基づく高精度自然言語生成システムによって作成される。

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)
• Error Detection for Text-to-SQL Semantic Parsing [18.068244400731366]
  現代のテキスト・トゥ・セマンティクスは、しばしば過信であり、実際の使用のためにデプロイされた際の信頼性に疑問を呈する。 本稿では,テキスト間セマンティック解析のためのa-独立誤差検出モデルを提案する。
  論文  参考訳（メタデータ） (2023-05-23T04:44:22Z)
• Improving Text-to-SQL Semantic Parsing with Fine-grained Query Understanding [84.04706075621013]
  トークンレベルのきめ細かいクエリ理解に基づく汎用的モジュール型ニューラルネットワーク解析フレームワークを提案する。 我々のフレームワークは、名前付きエンティティ認識(NER)、ニューラルエンティティリンカ(NEL)、ニューラルエンティティリンカ(NSP)の3つのモジュールから構成されている。
  論文  参考訳（メタデータ） (2022-09-28T21:00:30Z)
• 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)
• 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)
• 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)
• "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)
• 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)
• Speak to your Parser: Interactive Text-to-SQL with Natural Language Feedback [39.45695779589969]
  本研究では,自然言語フィードバックを用いた意味的パース補正の課題について検討する。 本稿では,人間がさらにシステムと対話できる,よりインタラクティブなシナリオについて検討する。
  論文  参考訳（メタデータ） (2020-05-05T23:58:09Z)

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。