論文の概要: Pay More Attention to History: A Context Modeling Strategy for Conversational Text-to-SQL

• arxiv url: http://arxiv.org/abs/2112.08735v1
• Date: Thu, 16 Dec 2021 09:41:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-17 14:32:13.312618
• Title: Pay More Attention to History: A Context Modeling Strategy for Conversational Text-to-SQL
• Title（参考訳）: 歴史にもっと注意を払う: 対話型テキストからSQLへのコンテキストモデリング戦略
• Authors: Yuntao Li, Hanchu Zhang, Yutian Li, Sirui Wang, Wei Wu, Yan Zhang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 8.038535788630542
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conversational text-to-SQL aims at converting multi-turn natural language queries into their corresponding SQL representations. One of the most intractable problem of conversational text-to-SQL is modeling the semantics of multi-turn queries and gathering proper information required for the current query. This paper shows that explicit modeling the semantic changes by adding each turn and the summarization of the whole context can bring better performance on converting conversational queries into SQLs. In particular, we propose two conversational modeling tasks in both turn grain and conversation grain. These two tasks simply work as auxiliary training tasks to help with multi-turn conversational semantic parsing. We conducted empirical studies and achieve new state-of-the-art results on large-scale open-domain conversational text-to-SQL dataset. The results demonstrate that the proposed mechanism significantly improves the performance of multi-turn semantic parsing.
• Abstract（参考訳）: Conversational Text-to-SQLは、マルチターン自然言語クエリを対応するSQL表現に変換することを目的としている。 対話型テキストからSQLへ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し、現在のクエリに必要な適切な情報を集めることである。 本稿では,各ターンの追加とコンテキスト全体の要約によって意味的変化を明示的にモデル化することで,対話型クエリをsqlに変換する際のパフォーマンスが向上することを示す。 特に,会話粒度と会話粒度の両方において2つの会話モデリングタスクを提案する。 これら2つのタスクは、マルチターン会話セマンティック解析を支援するための補助的なトレーニングタスクとして機能する。 本研究では,大規模オープンドメイン対話型テキスト・ツー・sqlデータセットの実証実験を行い,最新の結果を得た。 その結果,提案手法はマルチターンセマンティック解析の性能を著しく向上させることがわかった。

関連論文リスト

• 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)
• MIGA: A Unified Multi-task Generation Framework for Conversational Text-to-SQL [48.34333725045152]
  ほとんどの最先端の対話型テキスト生成手法は、T5のような事前訓練された言語モデル(PLM)と互換性がない。 PLMの対話型テキスト処理能力を活用した2段階統合MultI-task frAmeme(MIGA)を提案する。
  論文  参考訳（メタデータ） (2022-12-19T07:14:32Z)
• Augmenting Multi-Turn Text-to-SQL Datasets with Self-Play [46.07002748587857]
  我々は、コンテキスト情報を活用して新しいインタラクションを合成するセルフプレイによるトレーニングデータセットの強化について検討する。 本研究では,SParCとCoという2つの広く使われているテキスト・ドメイン・データセットの強いベースラインの精度を向上させることを発見した。
  論文  参考訳（メタデータ） (2022-10-21T16:40:07Z)
• 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)
• 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)
• Decoupled Dialogue Modeling and Semantic Parsing for Multi-Turn Text-to-SQL [20.92732277474218]
  本稿では,対話コンテキストの完了をまず発話書き直しモデルで明示的に解決する,疎結合なテキスト・ツー・エンド・フレームワークを提案する。 データ疎性問題に対処する発話書き直しモデルにも,デュアルラーニング手法が提案されている。 わずか数回の書き直しケースで、分離されたメソッドは、SParCとCo両方のデータセットでリリースされた最先端のエンドツーエンドモデルを上回っます。
  論文  参考訳（メタデータ） (2021-06-04T06:31:39Z)
• Tracking Interaction States for Multi-Turn Text-to-SQL Semantic Parsing [44.0348697408427]
  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。
  論文  参考訳（メタデータ） (2020-12-09T11:59:58Z)

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。