論文の概要: Interactive Text-to-SQL Generation via Editable Step-by-Step Explanations

• arxiv url: http://arxiv.org/abs/2305.07372v5
• Date: Thu, 4 Jan 2024 23:54:41 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-08 18:50:15.465756
• Title: Interactive Text-to-SQL Generation via Editable Step-by-Step Explanations
• Title（参考訳）: 編集可能なステップバイステップ記述によるインタラクティブテキスト間SQL生成
• Authors: Yuan Tian, Zheng Zhang, Zheng Ning, Toby Jia-Jun Li, Jonathan K. Kummerfeld, Tianyi Zhang
• Abstract要約: 本稿では,ユーザがクエリのステップバイステップ説明を直接編集してエラーを修正する,新たなインタラクションメカニズムを提案する。 複数のデータセットに対する我々の実験は、24人の参加者を持つユーザとともに、我々のアプローチが複数のSOTAアプローチより優れていることを実証している。
• 参考スコア（独自算出の注目度）: 31.3376894001311
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Relational databases play an important role in business, science, and more. However, many users cannot fully unleash the analytical power of relational databases, because they are not familiar with database languages such as SQL. Many techniques have been proposed to automatically generate SQL from natural language, but they suffer from two issues: (1) they still make many mistakes, particularly for complex queries, and (2) they do not provide a flexible way for non-expert users to validate and refine incorrect queries. To address these issues, we introduce a new interaction mechanism that allows users to directly edit a step-by-step explanation of a query to fix errors. Our experiments on multiple datasets, as well as a user study with 24 participants, demonstrate that our approach can achieve better performance than multiple SOTA approaches. Our code and datasets are available at https://github.com/magic-YuanTian/STEPS.
• Abstract（参考訳）: 関係データベースはビジネス、科学などにおいて重要な役割を果たす。 しかし、多くのユーザはSQLのようなデータベース言語に慣れていないため、リレーショナルデータベースの分析能力を完全に解き放つことはできない。 自然言語からsqlを自動的に生成するために多くのテクニックが提案されているが、それらは2つの問題に苦しんでいる: (1) 複雑なクエリでは、まだ多くの間違いを犯す。 これらの問題に対処するために,ユーザがクエリのステップバイステップ説明を直接編集してエラーを修正する,新たなインタラクション機構を導入する。 複数のデータセットに関する実験と24人の参加者によるユーザスタディは、我々のアプローチが複数のSOTAアプローチよりも優れたパフォーマンスを実現することを実証している。 コードとデータセットはhttps://github.com/magic-YuanTian/STEPS.comで公開されています。

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)
• DAC: Decomposed Automation Correction for Text-to-SQL [51.48239006107272]
  De Automation Correction (DAC)を導入し、エンティティリンクとスケルトン解析を分解することでテキストから合成を補正する。 また,本手法では,ベースライン法と比較して,スパイダー,バード,カグルDBQAの平均値が平均3.7%向上することを示した。
  論文  参考訳（メタデータ） (2024-08-16T14:43:15Z)
• On Repairing Natural Language to SQL Queries [2.5442795971328307]
  テキスト・ツー・ツールが正しいクエリーを返すことができないときの分析を行う。 返されるクエリが正しいクエリに近い場合がよくあります。 突然変異に基づく手法を用いて、これらの故障クエリを修復することを提案する。
  論文  参考訳（メタデータ） (2023-10-05T19:50:52Z)
• 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)
• Wav2SQL: Direct Generalizable Speech-To-SQL Parsing [55.10009651476589]
  Speech-to-Spider (S2Spider) は、与えられたデータベースに対する音声質問をsqlクエリに変換することを目的としている。 ケースドシステム間の誤り合成を回避した,最初の直接音声-話者パーシングモデルWav2を提案する。 実験結果から,Wav2は誤差混成を回避し,ベースラインの精度を最大2.5%向上させることで最先端の結果が得られることがわかった。
  論文  参考訳（メタデータ） (2023-05-21T19:26:46Z)
• AskYourDB: An end-to-end system for querying and visualizing relational databases using natural language [0.0]
  複雑な自然言語をSQLに変換するという課題に対処する意味解析手法を提案する。 我々は、モデルが本番環境にデプロイされたときに重要な部分を占める様々な前処理と後処理のステップによって、最先端のモデルを修正した。 製品がビジネスで利用できるようにするために、クエリ結果に自動視覚化フレームワークを追加しました。
  論文  参考訳（メタデータ） (2022-10-16T13:31:32Z)
• "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)
• 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。