論文の概要: xDBTagger: Explainable Natural Language Interface to Databases Using Keyword Mappings and Schema Graph

• arxiv url: http://arxiv.org/abs/2210.03768v1
• Date: Fri, 7 Oct 2022 18:17:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-11 14:57:31.132431
• Title: xDBTagger: Explainable Natural Language Interface to Databases Using Keyword Mappings and Schema Graph
• Title（参考訳）: xdbtagger:キーワードマッピングとスキーマグラフを用いたデータベースへの自然言語インタフェース
• Authors: Arif Usta, Akifhan Karakayali and \"Ozg\"ur Ulusoy
• Abstract要約: 自然言語クエリをインターフェース内の構造化クエリ言語(NLQ)にリレーショナルデータベースに変換することは、難しい作業である。 我々は xDBTagger を提案する。xDBTagger は説明可能なハイブリッド翻訳パイプラインで,ユーザがテキストと視覚の両方で行う決定について説明する。 xDBTaggerは精度の点で有効であり、クエリを最先端のパイプラインベースシステムと比較して最大10000倍の効率で変換する。
• 参考スコア（独自算出の注目度）: 0.17188280334580192
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Translating natural language queries (NLQ) into structured query language (SQL) in interfaces to relational databases is a challenging task that has been widely studied by researchers from both the database and natural language processing communities. Numerous works have been proposed to attack the natural language interfaces to databases (NLIDB) problem either as a conventional pipeline-based or an end-to-end deep-learning-based solution. Nevertheless, regardless of the approach preferred, such solutions exhibit black-box nature, which makes it difficult for potential users targeted by these systems to comprehend the decisions made to produce the translated SQL. To this end, we propose xDBTagger, an explainable hybrid translation pipeline that explains the decisions made along the way to the user both textually and visually. We also evaluate xDBTagger quantitatively in three real-world relational databases. The evaluation results indicate that in addition to being fully interpretable, xDBTagger is effective in terms of accuracy and translates the queries more efficiently compared to other state-of-the-art pipeline-based systems up to 10000 times.
• Abstract（参考訳）: 自然言語クエリ(NLQ)をインタフェース内の構造化クエリ言語(SQL)にリレーショナルデータベースに変換することは、データベースと自然言語処理コミュニティの両方の研究者によって広く研究されている課題である。 従来のパイプラインベースあるいはエンドツーエンドのディープラーニングベースソリューションとして、自然言語インターフェースからデータベース(NLIDB)問題に対処する作業が数多く提案されている。 いずれにせよ、これらのソリューションはブラックボックスの性質を示すため、これらのシステムをターゲットにした潜在的ユーザにとって、翻訳されたSQLを生成するための決定を理解することは困難である。 この目的のために,テキストと視覚的の両方でユーザに対して行った意思決定を説明する,説明可能なハイブリッド翻訳パイプラインであるxdbtaggerを提案する。 また,3つの実世界の関係データベースにおいて,xDBTaggerを定量的に評価する。 評価結果から,xDBTaggerは完全解釈可能なだけでなく,精度の面でも有効であり,従来のパイプラインベースシステムと比較して,最大10000倍の効率でクエリを変換できることがわかった。

関連論文リスト

• E-SQL: Direct Schema Linking via Question Enrichment in Text-to-SQL [1.187832944550453]
  E-レポジトリは、直接スキーマリンクと候補述語拡張による課題に対処するために設計された新しいパイプラインである。 E-は、関連するデータベースアイテム(テーブル、列、値)と条件を質問に直接組み込むことで、自然言語クエリを強化し、クエリとデータベース構造の間のギャップを埋める。 本研究では,従来の研究で広く研究されてきた手法であるスキーマフィルタリングの影響について検討し,先進的な大規模言語モデルと並行して適用した場合のリターンの低下を実証する。
  論文  参考訳（メタデータ） (2024-09-25T09:02:48Z)
• SQLucid: Grounding Natural Language Database Queries with Interactive Explanations [28.10727203675818]
  SQLucidは、エキスパートでないユーザと複雑なデータベースクエリプロセスのギャップを埋める、新しいユーザインターフェースである。 私たちのコードはhttps://github.com/magic-YuanTian/ucid.comで公開されています。
  論文  参考訳（メタデータ） (2024-09-10T03:14:09Z)
• 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)
• 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)
• XRICL: Cross-lingual Retrieval-Augmented In-Context Learning for Cross-lingual Text-to-SQL Semantic Parsing [70.40401197026925]
  大規模言語モデルを用いたインコンテキスト学習は、最近セマンティック解析タスクの驚くべき結果を示している。 この研究は、あるクエリに対して関連する英語の例を検索する学習を行うXRICLフレームワークを導入している。 また、大規模言語モデルの翻訳プロセスを容易にするために、対象言語に対するグローバルな翻訳例も含んでいる。
  論文  参考訳（メタデータ） (2022-10-25T01:33:49Z)
• Text-to-SQL in the Wild: A Naturally-Occurring Dataset Based on Stack Exchange Data [3.06261471569622]
  SEDEは12,023対の発話とsqlクエリを備えたデータセットである。 これらのペアには、他のセマンティック解析データセットにはほとんど反映されていない、さまざまな現実的な課題が含まれていることが示されています。
  論文  参考訳（メタデータ） (2021-06-09T12:09:51Z)
• DBTagger: Multi-Task Learning for Keyword Mapping in NLIDBs Using Bi-Directional Recurrent Neural Networks [0.2578242050187029]
  NLQのPOSタグを利用した新しいディープラーニングに基づく教師付きアプローチを提案する。 8つの異なるデータセットに対するアプローチを評価し、最新の精度結果、平均92.4%$を報告します。
  論文  参考訳（メタデータ） (2021-01-11T22:54:39Z)
• "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)
• GATE: Graph Attention Transformer Encoder for Cross-lingual Relation and Event Extraction [107.8262586956778]
  言語に依存しない文表現を学習するために、普遍的な依存解析を伴うグラフ畳み込みネットワーク(GCN)を導入する。 GCNは、長い範囲の依存関係を持つ単語をモデル化するのに苦労する。 そこで本研究では,構文的距離の異なる単語間の依存関係を学習するための自己認識機構を提案する。
  論文  参考訳（メタデータ） (2020-10-06T20:30:35Z)
• Towards a Natural Language Query Processing System [0.0]
  本稿では,自然言語クエリインタフェースとバックエンド関係データベースの設計と開発について報告する。 この研究の斬新さは、自然言語クエリを構造化クエリ言語に変換するために必要なメタデータを格納するために、グラフデータベースを中間層として定義することにある。 サンプルクエリの翻訳結果は90%の精度で得られた。
  論文  参考訳（メタデータ） (2020-09-25T19:52:20Z)
• 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。