論文の概要: Deep Learning Driven Natural Languages Text to SQL Query Conversion: A
Survey
- arxiv url: http://arxiv.org/abs/2208.04415v1
- Date: Mon, 8 Aug 2022 20:54:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-10 12:03:18.245175
- Title: Deep Learning Driven Natural Languages Text to SQL Query Conversion: A
Survey
- Title(参考訳): ディープラーニング駆動自然言語のテキストからSQLクエリへの変換:サーベイ
- Authors: Ayush Kumar, Parth Nagarkar, Prabhav Nalhe, and Sanjeev Vijayakumar
- Abstract要約: 本稿では,近年研究されている24のニューラルネットワークモデルについて概観する。
TEXT2技術のモデルのトレーニングに広く使用されている11のデータセットの概要も紹介する。
- 参考スコア(独自算出の注目度): 2.309914459672557
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With the future striving toward data-centric decision-making, seamless access
to databases is of utmost importance. There is extensive research on creating
an efficient text-to-sql (TEXT2SQL) model to access data from the database.
Using a Natural language is one of the best interfaces that can bridge the gap
between the data and results by accessing the database efficiently, especially
for non-technical users. It will open the doors and create tremendous interest
among users who are well versed in technical skills or not very skilled in
query languages. Even if numerous deep learning-based algorithms are proposed
or studied, there still is very challenging to have a generic model to solve
the data query issues using natural language in a real-work scenario. The
reason is the use of different datasets in different studies, which comes with
its limitations and assumptions. At the same time, we do lack a thorough
understanding of these proposed models and their limitations with the specific
dataset it is trained on. In this paper, we try to present a holistic overview
of 24 recent neural network models studied in the last couple of years,
including their architectures involving convolutional neural networks,
recurrent neural networks, pointer networks, reinforcement learning, generative
models, etc. We also give an overview of the 11 datasets that are widely used
to train the models for TEXT2SQL technologies. We also discuss the future
application possibilities of TEXT2SQL technologies for seamless data queries.
- Abstract(参考訳): 将来的には、データ中心の意思決定に向けて、データベースへのシームレスなアクセスが最重要となる。
データベースからデータにアクセスするための効率的なtext-to-sql(text2sql)モデルの作成に関する広範な研究がある。
自然言語を使うことは、特に非技術ユーザにとって、効率的にデータベースにアクセスすることで、データと結果のギャップを橋渡しできる最良のインターフェースの1つです。
技術的なスキルに精通しているか、クエリ言語に精通していないユーザの間で、ドアを開いて大きな関心を喚起します。
ディープラーニングベースのアルゴリズムが多数提案されたり研究されたとしても、実際の作業シナリオで自然言語を使ってデータクエリ問題を解決する汎用モデルを持つことは、依然として非常に困難である。
その理由は、異なる研究で異なるデータセットを使うことであり、その制限と仮定が伴う。
同時に、これらの提案されたモデルと、トレーニングされた特定のデータセットに対する制限について、十分に理解できていないのです。
本稿では,近年研究されている,畳み込みニューラルネットワーク,リカレントニューラルネットワーク,ポインタネットワーク,強化学習,生成モデルなどを含む,24のニューラルネットワークモデルの概要を紹介する。
TEXT2SQL技術のモデルのトレーニングに広く使用されている11のデータセットの概要も紹介する。
また、シームレスなデータクエリのためのTEXT2SQL技術の将来の可能性についても論じる。
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) - Evaluating the Data Model Robustness of Text-to-SQL Systems Based on Real User Queries [4.141402725050671]
本論文は,テキスト・ツー・システムのデータモデルロバスト性について,実際に評価した最初の事例である。
サッカーDBはFIFAワールドカップ2022の文脈で9ヶ月にわたって展開されたシステムである。
データはすべて、システムにライブで質問された実際のユーザ質問に基づいています。これらの質問のサブセットを手動でラベル付けし、3つの異なるデータモデルに翻訳しました。
論文 参考訳(メタデータ) (2024-02-13T10:28:57Z) - Relational Deep Learning: Graph Representation Learning on Relational
Databases [69.7008152388055]
複数のテーブルにまたがって配置されたデータを学ぶために、エンドツーエンドの表現アプローチを導入する。
メッセージパッシンググラフニューラルネットワークは、自動的にグラフを学習して、すべてのデータ入力を活用する表現を抽出する。
論文 参考訳(メタデータ) (2023-12-07T18:51:41Z) - 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) - 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) - "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) - Data Agnostic RoBERTa-based Natural Language to SQL Query Generation [0.0]
NL2タスクは、自然言語による質問から有効なクエリへの変換問題を解決するために、ディープラーニングアプローチを見つけることを目的としている。
データプライバシに関するアプローチを,その中核として紹介しています。
成果は得られていないが、モデルのトレーニングからテーブルの必要性を排除した。
論文 参考訳(メタデータ) (2020-10-11T13:18:46Z) - 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) - Efficient Deployment of Conversational Natural Language Interfaces over
Databases [45.52672694140881]
本稿では、自然言語からクエリ言語への機械学習モデルを開発するためのトレーニングデータセット収集を高速化する新しい手法を提案する。
本システムでは,対話セッションを定義した対話型多言語データを生成することができる。
論文 参考訳(メタデータ) (2020-05-31T19:16:27Z) - ValueNet: A Natural Language-to-SQL System that Learns from Database
Information [4.788755317132195]
データベースの自然言語インターフェースの構築は、長年にわたる課題だった。
最近の研究は、スパイダーのような複雑なデータセットにこの課題に取り組むニューラルネットワークに焦点を当てている。
そこで本研究では,この課題を生かした2つのNL-to-endシステムを提案する。
論文 参考訳(メタデータ) (2020-05-29T15:43:39Z) - Recent Advances in SQL Query Generation: A Survey [0.0]
ディープラーニング技術の発展に伴い、リレーショナルデータベースに適した自然言語インタフェースの設計において、広範な研究が進められている。
畳み込みニューラルネットワークやリカレントニューラルネットワーク,ポインタネットワーク,強化学習など,さまざまなアーキテクチャのモデルを記述する。
論文 参考訳(メタデータ) (2020-05-15T17:31:29Z)
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。