論文の概要: Xpose: Bi-directional Engineering for Hidden Query Extraction

• arxiv url: http://arxiv.org/abs/2504.10898v1
• Date: Tue, 15 Apr 2025 06:17:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-16 22:07:02.094319
• Title: Xpose: Bi-directional Engineering for Hidden Query Extraction
• Title（参考訳）: Xpose: 隠れクエリ抽出のための双方向エンジニアリング
• Authors: Ahana Pradhan, Jayant Haritsa,
• Abstract要約: Hidden Query extract (HQE)は、クエリリカバリ、データベースセキュリティ、ベンダーマイグレーションなど、さまざまな産業ユースケースを持つ。 HQEのために開発されたリバースエンジニアリング(RE)ツールは、データベースの突然変異と生成技術に基づいており、キーベースの等結合と共役演算フィルタの述語でしかフラットクエリを抽出できない。 本稿では,TPCHベンチマークなどの現実的な複雑なクエリに対して,抽出範囲を拡大するHQEソリューションであるXposeを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Query reverse engineering (QRE) aims to synthesize a SQL query to connect a given database and result instance. A recent variation of QRE is where an additional input, an opaque executable containing a ground-truth query, is provided, and the goal is to non-invasively extract this specific query through only input-output examples. This variant, called Hidden Query Extraction (HQE), has a spectrum of industrial use-cases including query recovery, database security, and vendor migration. The reverse engineering (RE) tools developed for HQE, which are based on database mutation and generation techniques, can only extract flat queries with key-based equi joins and conjunctive arithmetic filter predicates, making them limited wrt both query structure and query operators. In this paper, we present Xpose, a HQE solution that elevates the extraction scope to realistic complex queries, such as those found in the TPCH benchmark. A two-pronged approach is taken: (1) The existing RE scope is substantially extended to incorporate union connectors, algebraic filter predicates, and disjunctions for both values and predicates. (2) The predictive power of LLMs is leveraged to convert business descriptions of the opaque application into extraction guidance, representing ``forward engineering" (FE). The FE module recognizes common constructs, such as nesting of sub-queries, outer joins, and scalar functions. In essence, FE establishes the broad query contours, while RE fleshes out the fine-grained details. We have evaluated Xpose on (a) E-TPCH, a query suite comprising the complete TPCH benchmark extended with queries featuring unions, diverse join types, and sub-queries; and (b) the real-world STACK benchmark. The experimental results demonstrate that its bi-directional engineering approach accurately extracts these complex queries, representing a significant step forward with regard to HQE coverage.
• Abstract（参考訳）: クエリリバースエンジニアリング(QRE)は、SQLクエリを合成して、所定のデータベースと結果インスタンスを接続することを目的としている。 近年のQREでは,新たな入力,接地トラスクエリを含む不透明な実行ファイルが提供されており,その目的は入力-出力例のみを通じて,この特定のクエリを非侵襲的に抽出することにある。 この派生型はHidden Query extract (HQE)と呼ばれ、クエリのリカバリ、データベースのセキュリティ、ベンダーのマイグレーションなど、さまざまな産業ユースケースがある。 HQE用に開発されたリバースエンジニアリング(RE)ツールは、データベースの突然変異と生成技術に基づいて、キーベースの等結合と共役演算フィルタの述語によるフラットクエリのみを抽出し、クエリ構造とクエリ演算子の両方に制限を課す。 本稿では,TPCHベンチマークに見られるような,現実的な複雑なクエリへの抽出範囲を増大させるHQEソリューションであるXposeを提案する。 1)既存のREスコープは、結合コネクタ、代数フィルタ述語、および値と述語の両方の解離を組み込むように大幅に拡張されている。 2) LLMの予測力を利用して, 不透明なアプリケーションのビジネス記述を抽出指導に変換し, 「前向きエンジニアリング」 (FE) を表現した。 FEモジュールはサブクエリのネスト、外部結合、スカラー関数などの共通構造を認識する。 本質的には、FEは広いクエリの輪郭を確立し、REはきめ細かい詳細を具体化する。 我々はXpose onを評価した (a)E-TPCHは、Union、多様なジョインタイプ、サブクエリを含むクエリで拡張された完全なTPCHベンチマークからなるクエリスイートである。 (b)現実世界のSTACKベンチマーク。 実験結果から,その双方向エンジニアリングアプローチがこれらの複雑なクエリを正確に抽出し,HQEのカバレッジに関して重要な前進を示すことが示された。

関連論文リスト

• RAGONITE: Iterative Retrieval on Induced Databases and Verbalized RDF for Conversational QA over KGs with RAG [6.4032082023113475]
  SPARQLは複雑な意図と会話型の質問に対して脆弱である。 i)知識グラフから自動的に抽出されたデータベース上のSPARQL結果と、(ii)KG事実の動詞化に関するテキスト検索結果。 パイプラインは反復的な検索をサポートし、どのブランチの結果も満足できないと判断された場合、システムは自動的にラウンドを選択できる。 本稿では,BMW自動車の知識グラフに基づくいくつかのベースラインに対する提案方式の優位性を示す。
  論文  参考訳（メタデータ） (2024-12-23T16:16:30Z)
• mR$^2$AG: Multimodal Retrieval-Reflection-Augmented Generation for Knowledge-Based VQA [78.45521005703958]
  マルチモーダル検索拡張生成(mRAG)はMLLMに包括的で最新の知識を提供するために自然に導入されている。 我々は、適応的検索と有用な情報ローカライゼーションを実現する textbfRetrieval-textbfReftextbfAugmented textbfGeneration (mR$2$AG) という新しいフレームワークを提案する。 mR$2$AG は INFOSEEK と Encyclopedic-VQA の最先端MLLM を著しく上回る
  論文  参考訳（メタデータ） (2024-11-22T16:15:50Z)
• DAGE: DAG Query Answering via Relational Combinator with Logical Constraints [24.60431781360608]
  DAGEと呼ばれるDAGクエリに対するクエリ埋め込み手法を提案する。 DAGEは2つのノード間の可能性のある複数のパスを、トレーニング可能なオペレータで単一のパスに結合する。 既存のクエリ埋め込みメソッド上にDAGEを実装することが可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-29T15:02:48Z)
• Effective Instruction Parsing Plugin for Complex Logical Query Answering on Knowledge Graphs [51.33342412699939]
  知識グラフクエリ埋め込み(KGQE)は、不完全なKGに対する複雑な推論のために、低次元KG空間に一階論理(FOL)クエリを埋め込むことを目的としている。 近年の研究では、FOLクエリの論理的セマンティクスをよりよく捉えるために、さまざまな外部情報(エンティティタイプや関係コンテキストなど)を統合している。 コードのようなクエリ命令から遅延クエリパターンをキャプチャする効果的なクエリ命令解析(QIPP)を提案する。
  論文  参考訳（メタデータ） (2024-10-27T03:18:52Z)
• Is the House Ready For Sleeptime? Generating and Evaluating Situational Queries for Embodied Question Answering [48.43453390717167]
  本研究では,家庭環境における状況問合せ(S-EQA)による身体的質問回答の課題を提示し,解決する。 以前のEQAの作業とは異なり、状況的クエリでは、エージェントが複数のオブジェクト状態を正しく識別し、回答のために状態に関するコンセンサスに到達する必要がある。 本稿では, LLMの出力をラップして, 独自のコンセンサスクエリとそれに対応するコンセンサスオブジェクト情報を生成する新しいPrompt-Generate-Evaluateスキームを提案する。
  論文  参考訳（メタデータ） (2024-05-08T00:45:20Z)
• Adaptive-RAG: Learning to Adapt Retrieval-Augmented Large Language Models through Question Complexity [59.57065228857247]
  Retrieval-augmented Large Language Models (LLMs) は、質問回答(QA)のようなタスクにおける応答精度を高めるための有望なアプローチとして登場した。 本稿では,クエリの複雑さに基づいて,LLMの最適戦略を動的に選択できる適応型QAフレームワークを提案する。 オープンドメインのQAデータセットを用いて、複数のクエリの複雑さを網羅し、QAシステムの全体的な効率性と精度を高めることを示す。
  論文  参考訳（メタデータ） (2024-03-21T13:52:30Z)
• RQFormer: Rotated Query Transformer for End-to-End Oriented Object Detection [26.37802649901314]
  オブジェクト指向オブジェクト検出は、複数の向き、様々なスケール、密度分布を持つオブジェクトインスタンスの存在により、困難なタスクを呈する。 本稿では、2つの重要な技術を統合するRotated Query Transformerと呼ばれるエンドツーエンド指向型検出器を提案する。 4つのリモートセンシングデータセットと1つのシーンテキストデータセットを用いて実験を行い,本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2023-11-29T13:43:17Z)
• Semantic Decomposition of Question and SQL for Text-to-SQL Parsing [2.684900573255764]
  本稿では,sqlクエリを単純かつ正規のサブクエリに体系的に分解するモジュール型クエリプラン言語(QPL)を提案する。 実験の結果,QPLは意味論的に等価なクエリに対して,テキスト対QPLよりも有効であることがわかった。
  論文  参考訳（メタデータ） (2023-10-20T15:13:34Z)
• Query2Particles: Knowledge Graph Reasoning with Particle Embeddings [49.64006979045662]
  本稿では,知識グラフにエッジを欠いた複雑な論理的クエリに応答するクエリ埋め込み手法を提案する。 回答エンティティは、エンティティの埋め込みとクエリの埋め込みの類似性に応じて選択される。 埋め込み空間上の様々な領域から多様な回答を検索するために,複雑なKGクエリ応答方法Q2Pを提案する。
  論文  参考訳（メタデータ） (2022-04-27T11:16:08Z)
• Learning Query Expansion over the Nearest Neighbor Graph [94.80212602202518]
  グラフクエリ拡張(GQE)が提示され、教師付き方法で学習され、クエリの拡張近傍で集約を実行する。 この技術は既知のベンチマークよりも最先端の結果が得られる。
  論文  参考訳（メタデータ） (2021-12-05T19:48:42Z)

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。