論文の概要: A Survey of Large Language Model-Based Generative AI for Text-to-SQL: Benchmarks, Applications, Use Cases, and Challenges

• arxiv url: http://arxiv.org/abs/2412.05208v1
• Date: Fri, 06 Dec 2024 17:36:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-09 15:55:30.202179
• Title: A Survey of Large Language Model-Based Generative AI for Text-to-SQL: Benchmarks, Applications, Use Cases, and Challenges
• Title（参考訳）: テキストからSQLへの大規模言語モデルベース生成AI:ベンチマーク,アプリケーション,ユースケース,課題
• Authors: Aditi Singh, Akash Shetty, Abul Ehtesham, Saket Kumar, Tala Talaei Khoei,
• Abstract要約: 自然言語クエリを構造化クエリ言語(技術)に変換することで,データベースとのスムーズな対話を容易にする この調査は、AI駆動のテキスト・ツー・ワンシステムの進化の概要を提供する。 医療、教育、金融といった分野におけるテキスト・ツー・ワンの適用について検討する。
• 参考スコア（独自算出の注目度）: 0.7889270818022226
• License:
• Abstract: Text-to-SQL systems facilitate smooth interaction with databases by translating natural language queries into Structured Query Language (SQL), bridging the gap between non-technical users and complex database management systems. This survey provides a comprehensive overview of the evolution of AI-driven text-to-SQL systems, highlighting their foundational components, advancements in large language model (LLM) architectures, and the critical role of datasets such as Spider, WikiSQL, and CoSQL in driving progress. We examine the applications of text-to-SQL in domains like healthcare, education, and finance, emphasizing their transformative potential for improving data accessibility. Additionally, we analyze persistent challenges, including domain generalization, query optimization, support for multi-turn conversational interactions, and the limited availability of datasets tailored for NoSQL databases and dynamic real-world scenarios. To address these challenges, we outline future research directions, such as extending text-to-SQL capabilities to support NoSQL databases, designing datasets for dynamic multi-turn interactions, and optimizing systems for real-world scalability and robustness. By surveying current advancements and identifying key gaps, this paper aims to guide the next generation of research and applications in LLM-based text-to-SQL systems.
• Abstract（参考訳）: テキストからSQLへのシステムは、自然言語クエリを構造化クエリ言語(SQL)に変換することで、データベースとのスムーズな対話を容易にする。 このサーベイは、AI駆動のテキスト-SQLシステムの進化の包括的概要を提供し、基盤となるコンポーネント、大規模言語モデル(LLM)アーキテクチャの進歩、進捗の推進におけるSpider、WikiSQL、CoSQLといったデータセットのクリティカルな役割を強調している。 医療、教育、金融といった分野におけるテキスト・トゥ・SQLの応用について検討し、データ・アクセシビリティーを改善するための変革の可能性を強調した。 さらに、ドメインの一般化、クエリの最適化、マルチターン対話のサポート、NoSQLデータベースや動的現実シナリオに適したデータセットの限定的な可用性など、永続的な課題を分析します。 これらの課題に対処するために、NoSQLデータベースをサポートするためにテキストからSQLの機能を拡張したり、動的マルチターンインタラクションのためのデータセットを設計したり、現実のスケーラビリティと堅牢性のためにシステムを最適化したりといった将来の研究の方向性を概説する。 本稿は,LLMベースのテキスト-SQLシステムにおける次世代の研究と応用の指針として,現状の進歩を調査し,重要なギャップを特定することを目的とする。

関連論文リスト

• Beyond Text-to-SQL for IoT Defense: A Comprehensive Framework for Querying and Classifying IoT Threats [24.62442027542548]
  本研究では,10,985対のテキスト・ツー・IoTと239,398行のネットワークトラフィックからなる新しいテキスト・ツー・IoTデータセットを提案する。 以上の結果から,データの検索と推測を行う共同トレーニングにより,テキスト・トゥ・IoT全体のパフォーマンスが向上することが示唆された。
  論文  参考訳（メタデータ） (2024-06-25T14:14:35Z)
• Next-Generation Database Interfaces: A Survey of LLM-based Text-to-SQL [15.75829309721909]
  自然言語の質問(text-to-)から正確なsqlを生成することは、長年にわたる課題である。 PLMはテキスト・ツー・タスクに利用され、有望な性能を実現している。 近年,大規模言語モデル (LLM) は自然言語理解において重要な機能を示している。
  論文  参考訳（メタデータ） (2024-06-12T17:13:17Z)
• Evaluating the Data Model Robustness of Text-to-SQL Systems Based on Real User Queries [5.8226163227899645]
  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)
• Text-to-SQL Empowered by Large Language Models: A Benchmark Evaluation [76.76046657162306]
  大規模言語モデル(LLM)はテキスト・ツー・タスクの新しいパラダイムとして登場した。 大規模言語モデル(LLM)はテキスト・ツー・タスクの新しいパラダイムとして登場した。
  論文  参考訳（メタデータ） (2023-08-29T14:59:54Z)
• 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)
• 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)
• 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)
• Recent Advances in Text-to-SQL: A Survey of What We Have and What We Expect [12.445150614650801]
  テキスト・トゥ・オブは自然言語処理とデータベース・コミュニティの両方から注目を集めている。 我々は、データセット、メソッド、評価のためのテキスト・トゥ・オブの最近の進歩についてレビューする。 この調査が,既存の作業への迅速なアクセスと将来の研究のモチベーションに役立てられることを期待しています。
  論文  参考訳（メタデータ） (2022-08-22T07:18:23Z)
• "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。