論文の概要: Dialect2SQL: A Novel Text-to-SQL Dataset for Arabic Dialects with a Focus on Moroccan Darija

• arxiv url: http://arxiv.org/abs/2501.11498v1
• Date: Mon, 20 Jan 2025 14:06:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:26:48.845354
• Title: Dialect2SQL: A Novel Text-to-SQL Dataset for Arabic Dialects with a Focus on Moroccan Darija
• Title（参考訳）: Dialect2SQL: モロッコのDarijaに焦点を当てたアラビア方言のための新しいテキストからSQLデータセット
• Authors: Salmane Chafik, Saad Ezzini, Ismail Berrada,
• Abstract要約: この研究はアラビア方言における最初の大規模クロスドメインテキスト・トゥ・IDERデータセットを導入している。 69のデータベースにまたがる9,428のNLQ-ペアで構成されている。 このデータセットはまた、その原語で知られているモロッコ方言の複雑さも含んでいる。
• 参考スコア（独自算出の注目度）: 5.762345156477737
• License:
• Abstract: The task of converting natural language questions (NLQs) into executable SQL queries, known as text-to-SQL, has gained significant interest in recent years, as it enables non-technical users to interact with relational databases. Many benchmarks, such as SPIDER and WikiSQL, have contributed to the development of new models and the evaluation of their performance. In addition, other datasets, like SEDE and BIRD, have introduced more challenges and complexities to better map real-world scenarios. However, these datasets primarily focus on high-resource languages such as English and Chinese. In this work, we introduce Dialect2SQL, the first large-scale, cross-domain text-to-SQL dataset in an Arabic dialect. It consists of 9,428 NLQ-SQL pairs across 69 databases in various domains. Along with SQL-related challenges such as long schemas, dirty values, and complex queries, our dataset also incorporates the complexities of the Moroccan dialect, which is known for its diverse source languages, numerous borrowed words, and unique expressions. This demonstrates that our dataset will be a valuable contribution to both the text-to-SQL community and the development of resources for low-resource languages.
• Abstract（参考訳）: 自然言語質問(NLQ)を、テキストからSQLと呼ばれる実行可能なSQLクエリに変換するタスクは、非技術者ユーザがリレーショナルデータベースと対話できるようにするため、近年、大きな関心を集めている。 SPIDERやWikiSQLといった多くのベンチマークは、新しいモデルの開発と性能評価に寄与している。 さらに、SEDEやBIRDといった他のデータセットは、現実世界のシナリオをよりうまくマッピングするために、より多くの課題と複雑さを導入している。 しかし、これらのデータセットは主に英語や中国語などの高リソース言語に焦点を当てている。 本研究では、アラビア方言における最初の大規模クロスドメインテキスト-SQLデータセットであるDialect2SQLを紹介する。 69のデータベースにまたがる9,428のNLQ-SQLペアで構成されている。 長いスキーマ、汚い値、複雑なクエリといったSQL関連の課題に加えて、我々のデータセットには、様々なソース言語、多くの借用語、ユニークな表現で知られているモロッコ方言の複雑さも組み込まれています。 これは、私たちのデータセットが、テキストからSQLコミュニティと低リソース言語のためのリソース開発の両方に重要な貢献をすることを示している。

関連論文リスト

• Ar-Spider: Text-to-SQL in Arabic [11.463438573648297]
  本稿ではアラビア語による最初のテキスト・ドメイン間データセットであるAr-Spider 1を紹介する。 言語特有の性質のため、言語学と構造学という2つの大きな課題に遭遇している。 本稿では,S2が1.52%,LGEが1.06%,アラビア語と英語のギャップが7.73%に拡大する類似性関係(CSR)アプローチを提案する。
  論文  参考訳（メタデータ） (2024-02-22T23:11:17Z)
• 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)
• Can LLM Already Serve as A Database Interface? A BIg Bench for Large-Scale Database Grounded Text-to-SQLs [89.68522473384522]
  テキストから効率のよいタスクをベースとした大規模データベースのための大規模なベンチマークであるBirdを紹介します。 データベースの値に重点を置いていると、汚いデータベースコンテンツに対する新たな課題が浮き彫りになる。 最も効果的なテキストから効率のよいモデルであるChatGPTでさえ、実行精度はわずか40.08%である。
  論文  参考訳（メタデータ） (2023-05-04T19:02:29Z)
• MultiSpider: Towards Benchmarking Multilingual Text-to-SQL Semantic Parsing [48.216386761482525]
  英語、ドイツ語、フランス語、スペイン語、日本語、中国語、ベトナム語)をカバーする最大多言語テキストスキーマデータセットであるMultiSpiderを提案する。 3つの典型的な設定(ゼロショット、モノリンガル、マルチリンガル)の下での実験結果から、非英語言語では6.1%の精度の低下が見られる。 また、単純なフレームワーク拡張フレームワークであるSAVe(Augmentation-with-Verification)を提案する。これは、全体的なパフォーマンスを約1.8%向上させ、言語間の29.5%のパフォーマンスギャップを埋める。
  論文  参考訳（メタデータ） (2022-12-27T13:58:30Z)
• 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)
• 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)
• Deep Learning Driven Natural Languages Text to SQL Query Conversion: A Survey [2.309914459672557]
  本稿では,近年研究されている24のニューラルネットワークモデルについて概観する。 TEXT2技術のモデルのトレーニングに広く使用されている11のデータセットの概要も紹介する。
  論文  参考訳（メタデータ） (2022-08-08T20:54:34Z)
• "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。