論文の概要: Towards Generalizable and Robust Text-to-SQL Parsing

• arxiv url: http://arxiv.org/abs/2210.12674v1
• Date: Sun, 23 Oct 2022 09:21:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 16:26:06.482233
• Title: Towards Generalizable and Robust Text-to-SQL Parsing
• Title（参考訳）: 汎用性とロバストなテキストからSQLへのパーシングを目指して
• Authors: Chang Gao, Bowen Li, Wenxuan Zhang, Wai Lam, Binhua Li, Fei Huang, Luo Si and Yongbin Li
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 77.18724939989647
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text-to-SQL parsing tackles the problem of mapping natural language questions to executable SQL queries. In practice, text-to-SQL parsers often encounter various challenging scenarios, requiring them to be generalizable and robust. While most existing work addresses a particular generalization or robustness challenge, we aim to study it in a more comprehensive manner. In specific, we believe that text-to-SQL parsers should be (1) generalizable at three levels of generalization, namely i.i.d., zero-shot, and compositional, and (2) robust against input perturbations. To enhance these capabilities of the parser, we propose a novel TKK framework consisting of Task decomposition, Knowledge acquisition, and Knowledge composition to learn text-to-SQL parsing in stages. By dividing the learning process into multiple stages, our framework improves the parser's ability to acquire general SQL knowledge instead of capturing spurious patterns, making it more generalizable and robust. Experimental results under various generalization and robustness settings show that our framework is effective in all scenarios and achieves state-of-the-art performance on the Spider, SParC, and CoSQL datasets. Code can be found at https://github.com/AlibabaResearch/DAMO-ConvAI/tree/main/tkk.
• Abstract（参考訳）: テキストからSQLへの解析は、自然言語の質問を実行可能なSQLクエリにマッピングする問題に取り組む。 実際には、テキストからSQLへのパーサは様々な困難なシナリオに直面し、一般化可能で堅牢である必要がある。 既存の作業の多くは、特定の一般化や堅牢性の問題に対処していますが、より包括的な方法で研究することを目指しています。 具体的には、テキストからSQLへのパーサは、(1)一般化の3段階、すなわちゼロショットと合成のレベルで一般化可能であり、(2)入力の摂動に対して堅牢である。 そこで本研究では,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し,テキストからSQLへの解析を段階的に学習する。 学習プロセスを複数の段階に分割することで、我々のフレームワークは、素早いパターンをキャプチャする代わりに、パーサが一般的なSQL知識を取得する能力を改善し、より一般化し、堅牢になる。 各種の一般化とロバスト性設定による実験結果から,本フレームワークはすべてのシナリオで有効であり,スパイダー,SParC,CoSQLデータセット上での最先端のパフォーマンスを実現する。 コードはhttps://github.com/AlibabaResearch/DAMO-ConvAI/tree/main/tkkで見ることができる。

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)
• 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)
• UNITE: A Unified Benchmark for Text-to-SQL Evaluation [72.72040379293718]
  テキスト・ツー・ドメイン・システムのためのUNIfiedベンチマークを導入する。 公開されているテキストからドメインへのデータセットと29Kデータベースで構成されている。 広く使われているSpiderベンチマークと比較すると、SQLパターンの3倍の増加が紹介されている。
  論文  参考訳（メタデータ） (2023-05-25T17:19:52Z)
• Error Detection for Text-to-SQL Semantic Parsing [18.068244400731366]
  現代のテキスト・トゥ・セマンティクスは、しばしば過信であり、実際の使用のためにデプロイされた際の信頼性に疑問を呈する。 本稿では,テキスト間セマンティック解析のためのa-独立誤差検出モデルを提案する。
  論文  参考訳（メタデータ） (2023-05-23T04:44:22Z)
• On the Structural Generalization in Text-to-SQL [36.56043090037171]
  データベーススキーマ(DS)の構造的多様性について検討する。 本稿では,新しいテキスト間構造データを生成するフレームワークを提案する。 合成試料を用いたテキスト・ツー・モデルの評価における顕著な性能低下
  論文  参考訳（メタデータ） (2023-01-12T02:52:51Z)
• 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)
• 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。