論文の概要: A Survey on Text-to-SQL Parsing: Concepts, Methods, and Future Directions

• arxiv url: http://arxiv.org/abs/2208.13629v1
• Date: Mon, 29 Aug 2022 14:24:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-30 13:47:43.493832
• Title: A Survey on Text-to-SQL Parsing: Concepts, Methods, and Future Directions
• Title（参考訳）: テキストからSQLへのパーシングに関する調査:概念,方法,今後の方向性
• Authors: Bowen Qin, Binyuan Hui, Lihan Wang, Min Yang, Jinyang Li, Binhua Li, Ruiying Geng, Rongyu Cao, Jian Sun, Luo Si, Fei Huang, Yongbin Li
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 102.8606542189429
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text-to-SQL parsing is an essential and challenging task. The goal of text-to-SQL parsing is to convert a natural language (NL) question to its corresponding structured query language (SQL) based on the evidences provided by relational databases. Early text-to-SQL parsing systems from the database community achieved a noticeable progress with the cost of heavy human engineering and user interactions with the systems. In recent years, deep neural networks have significantly advanced this task by neural generation models, which automatically learn a mapping function from an input NL question to an output SQL query. Subsequently, the large pre-trained language models have taken the state-of-the-art of the text-to-SQL parsing task to a new level. In this survey, we present a comprehensive review on deep learning approaches for text-to-SQL parsing. First, we introduce the text-to-SQL parsing corpora which can be categorized as single-turn and multi-turn. Second, we provide a systematical overview of pre-trained language models and existing methods for text-to-SQL parsing. Third, we present readers with the challenges faced by text-to-SQL parsing and explore some potential future directions in this field.
• Abstract（参考訳）: テキストからSQLへのパースは不可欠で難しいタスクです。 テキストからSQLへのパースの目的は、自然言語(NL)質問を、リレーショナル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(SQL)に変換することである。 データベースコミュニティの初期のテキストからSQLへの解析システムは、重労働工学のコストとシステムとのユーザインタラクションによって顕著な進歩を遂げた。 近年、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SQL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ネットワークモデルによって、このタスクを著しく進歩させてきた。 その後、大規模な事前訓練された言語モデルは、テキストからSQLへのパースタスクの最先端を新たなレベルに引き上げた。 本稿では,テキストからsqlへのパースのための深層学習手法の包括的レビューを行う。 まず,single-turnとmulti-turnに分類可能なtext-to-sql構文解析コーパスを紹介する。 第二に、事前訓練された言語モデルと既存のテキストからSQLへの解析方法の体系的な概要を提供する。 第3に,テキストからSQLへの解析が直面する課題を読者に提示し,この分野の今後の方向性を探る。

関連論文リスト

• Decoupling SQL Query Hardness Parsing for Text-to-SQL [2.30258928355895]
  本稿では,問合せ難易度解析の分離に基づくテキスト対結合のための革新的なフレームワークを提案する。 このフレームワークは、質問やスキーマを分析することで、クエリの難しさに基づいて、Text-to-coupleタスクを分離し、マルチハーネスタスクを単一ハーネスチャレンジに単純化する。
  論文  参考訳（メタデータ） (2023-12-11T07:20:46Z)
• 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)
• Towards Generalizable and Robust Text-to-SQL Parsing [77.18724939989647]
  本稿では,タスク分解,知識獲得,知識構成からなる新しいTKKフレームワークを提案する。 このフレームワークは,Spider,SParC,Co.データセット上でのすべてのシナリオと最先端のパフォーマンスに有効であることを示す。
  論文  参考訳（メタデータ） (2022-10-23T09:21:27Z)
• 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)
• 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)
• Weakly Supervised Text-to-SQL Parsing through Question Decomposition [53.22128541030441]
  我々は最近提案されたQDMR(QDMR)という意味表現を活用している。 質問やQDMR構造(非専門家によって注釈付けされたり、自動予測されたりする)、回答が与えられたら、我々は自動的にsqlクエリを合成できる。 本結果は,NL-ベンチマークデータを用いて訓練したモデルと,弱い教師付きモデルが競合することを示す。
  論文  参考訳（メタデータ） (2021-12-12T20:02:42Z)
• "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)

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。