論文の概要: TailorSQL: An NL2SQL System Tailored to Your Query Workload

• arxiv url: http://arxiv.org/abs/2505.23039v1
• Date: Thu, 29 May 2025 03:27:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-30 18:14:07.650399
• Title: TailorSQL: An NL2SQL System Tailored to Your Query Workload
• Title（参考訳）: TailorSQL: クエリワークロードに合わせたNL2SQLシステム
• Authors: Kapil Vaidya, Jialin Ding, Sebastian Kosak, David Kernert, Chuan Lei, Xiao Qin, Abhinav Tripathy, Ramesh Balan, Balakrishnan Narayanaswamy, Tim Kraska,
• Abstract要約: 最先端のNL2技術は典型的には、データベース固有の情報を取得することによって翻訳を行う。 過去のクエリ処理における情報を活用するNL2システムであるTailorを紹介する。 Tailorは、標準化されたベンチマークの実行精度を最大2$times$改善する。
• 参考スコア（独自算出の注目度）: 16.48291142955493
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: NL2SQL (natural language to SQL) translates natural language questions into SQL queries, thereby making structured data accessible to non-technical users, serving as the foundation for intelligent data applications. State-of-the-art NL2SQL techniques typically perform translation by retrieving database-specific information, such as the database schema, and invoking a pre-trained large language model (LLM) using the question and retrieved information to generate the SQL query. However, existing NL2SQL techniques miss a key opportunity which is present in real-world settings: NL2SQL is typically applied on existing databases which have already served many SQL queries in the past. The past query workload implicitly contains information which is helpful for accurate NL2SQL translation and is not apparent from the database schema alone, such as common join paths and the semantics of obscurely-named tables and columns. We introduce TailorSQL, a NL2SQL system that takes advantage of information in the past query workload to improve both the accuracy and latency of translating natural language questions into SQL. By specializing to a given workload, TailorSQL achieves up to 2$\times$ improvement in execution accuracy on standardized benchmarks.
• Abstract（参考訳）: NL2SQL(自然言語からSQL)は、自然言語の質問をSQLクエリに変換することで、非技術ユーザに対して構造化されたデータにアクセスし、インテリジェントなデータアプリケーションの基礎となる。 最先端のNL2SQL技術は一般的に、データベーススキーマのようなデータベース固有の情報を検索し、質問と検索された情報を使用して事前訓練された大規模言語モデル(LLM)を呼び出すことでSQLクエリを生成する。 しかし、既存のNL2SQL技術は、現実世界で存在している重要な機会を逃している。 過去のクエリワークロードには、暗黙的に、正確なNL2SQL翻訳に役立つ情報が含まれており、共通ジョインパスや不明瞭に命名されたテーブルや列のセマンティクスなど、データベーススキーマだけでは明らかではない。 自然言語質問をSQLに翻訳する際の精度とレイテンシを改善するために,過去のクエリワークロードの情報を活用するNL2SQLシステムであるTailorSQLを紹介した。 特定のワークロードに特化することで、標準化されたベンチマークの実行精度を最大2$\times$改善することができる。

関連論文リスト

• ODIN: A NL2SQL Recommender to Handle Schema Ambiguity [21.483551391764944]
  ODINはあいまいなスキーマコンポーネントの異なる解釈に基づいてクエリを生成する。 評価の結果,ODINはベースラインに比べて1.5-2$times$で正しいクエリを生成する可能性が向上した。
  論文  参考訳（メタデータ） (2025-05-25T20:22:32Z)
• SQLPrompt: In-Context Text-to-SQL with Minimal Labeled Data [54.69489315952524]
  Prompt"は、Text-to-LLMのいくつかのショットプロンプト機能を改善するように設計されている。 Prompt"は、ラベル付きデータが少なく、テキスト内学習における従来のアプローチよりも大きなマージンで優れている。 emphPromptはテキスト内学習における従来の手法よりも優れており,ラベル付きデータはほとんどない。
  論文  参考訳（メタデータ） (2023-11-06T05:24:06Z)
• SQLformer: Deep Auto-Regressive Query Graph Generation for Text-to-SQL Translation [16.07396492960869]
  本稿では,テキストからテキストへの変換処理に特化して設計されたトランスフォーマーアーキテクチャを提案する。 我々のモデルは、実行可能層とデコーダ層に構造的帰納バイアスを組み込んで、クエリを自動で抽象構文木(AST)として予測する。
  論文  参考訳（メタデータ） (2023-10-27T00:13:59Z)
• 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)
• 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)
• Relation Aware Semi-autoregressive Semantic Parsing for NL2SQL [17.605904256822786]
  我々は,NL2のバックボーンに適応可能な,半自動意味解析(MODN)フレームワークを提案する。 実験結果とケーススタディから,本モデルはNL2における単語表現の学習に有効であることを示す。
  論文  参考訳（メタデータ） (2021-08-02T12:21:08Z)

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。