論文の概要: Integrating question answering and text-to-SQL in Portuguese

• arxiv url: http://arxiv.org/abs/2202.04048v1
• Date: Tue, 8 Feb 2022 18:23:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-09 15:00:40.900851
• Title: Integrating question answering and text-to-SQL in Portuguese
• Title（参考訳）: ポルトガル語の質問応答とテキストからsqlへの統合
• Authors: Marcos Menon Jos\'e, Marcelo Archanjo Jos\'e, Denis Deratani Mau\'a and F\'abio Gagliardi Cozman
• Abstract要約: 異なるモジュールを統合して、2種類のクエリに応答するアーキテクチャを構築します。 我々のアーキテクチャは、自由形式の自然言語テキストを受け取り、それを分類して、Neural Questioning ReasonerまたはNatural Language to SQLに送信します。 実験により, 精度の高い適切な解答法を選択する(99%以上)。
• 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: Deep learning transformers have drastically improved systems that automatically answer questions in natural language. However, different questions demand different answering techniques; here we propose, build and validate an architecture that integrates different modules to answer two distinct kinds of queries. Our architecture takes a free-form natural language text and classifies it to send it either to a Neural Question Answering Reasoner or a Natural Language parser to SQL. We implemented a complete system for the Portuguese language, using some of the main tools available for the language and translating training and testing datasets. Experiments show that our system selects the appropriate answering method with high accuracy (over 99\%), thus validating a modular question answering strategy.
• Abstract（参考訳）: ディープラーニングトランスフォーマーは、自然言語の質問に答えるシステムを大幅に改善した。 ここでは、異なるモジュールを統合して、2つの異なる種類のクエリに応答するアーキテクチャを提案し、構築し、検証する。 我々のアーキテクチャは、自由形式の自然言語テキストを取り、それを分類してNeural Question Answering ReasonerまたはNatural Language ParserにSQLに送る。 私たちは、この言語で利用可能な主要なツールを使って、ポルトガル語の完全なシステムを実装し、トレーニングとテストデータセットを翻訳しました。 実験により,本システムは高い精度 (99 %以上) で適切な解答法を選択し,モジュール型解答法の有効性を検証した。

関連論文リスト

• Text2SQL is Not Enough: Unifying AI and Databases with TAG [47.45480855418987]
  Table-Augmented Generation (TAG) は、データベース上の自然言語の質問に答えるパラダイムである。 我々は、TAG問題を研究するためのベンチマークを開発し、標準手法がクエリの20%以上を正しく答えることを発見した。
  論文  参考訳（メタデータ） (2024-08-27T00:50:14Z)
• Semantic Parsing for Complex Data Retrieval: Targeting Query Plans vs. SQL for No-Code Access to Relational Databases [2.933060994339853]
  より単純な構文と複雑なクエリのモジュール仕様を備えた代替クエリ言語の可能性について検討する。 提案されている代替クエリ言語はQuery Plan Language (QPL) と呼ばれる。 複雑なクエリの課題に対して,反復的かつユーザ制御的な方法で対処する方法を提案する。
  論文  参考訳（メタデータ） (2023-12-22T16:16:15Z)
• dIR -- Discrete Information Retrieval: Conversational Search over Unstructured (and Structured) Data with Large Language Models [0.16060477887377675]
  本稿では,自由テキストと構造化知識の両方を問う統一インターフェースとして,dIR,disrete Information Retrievalを提案する。 我々は、独自の質問/回答データセットを用いて、我々のアプローチを検証し、dIRがフリーテキスト上で全く新しいクエリーのクラスを作成できると結論付けた。
  論文  参考訳（メタデータ） (2023-12-20T18:41:44Z)
• 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)
• Multilingual Answer Sentence Reranking via Automatically Translated Data [97.98885151955467]
  本稿では,現代の質問応答システム(QA)のコアコンポーネントである,多言語回答文選択(AS2)モデルの設計について述べる。 主なアイデアは、あるリソースリッチ言語(英語など)から、他の言語へのデータ転送であり、リソースの観点からはよりリッチである。
  論文  参考訳（メタデータ） (2021-02-20T03:52:08Z)
• "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)
• XOR QA: Cross-lingual Open-Retrieval Question Answering [75.20578121267411]
  この作業は、言語横断的な設定に応答するオープン検索の質問を拡張します。 我々は,同じ回答を欠いた質問に基づいて,大規模なデータセットを構築した。
  論文  参考訳（メタデータ） (2020-10-22T16:47:17Z)
• 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。