論文の概要: An advanced AI driven database system
- arxiv url: http://arxiv.org/abs/2507.17778v1
- Date: Tue, 22 Jul 2025 16:10:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-25 15:10:42.222514
- Title: An advanced AI driven database system
- Title（参考訳）: 高度なAI駆動型データベースシステム
- Authors: M. Tedeschi, S. Rizwan, C. Shringi, V. Devram Chandgir, S. Belich,
- Abstract要約: 本稿では人工知能(AI)がサポートする新しいデータベースシステムを提案する。
自然言語処理(NLP)ベースの直感的インタフェースを用いてデータ管理を改善することを目的としている。
このシステムは、LLM(Large Language Models)と高度な機械学習アルゴリズムを統合することで、データベースの可能性を強化することを目的としている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Contemporary database systems, while effective, suffer severe issues related to complexity and usability, especially among individuals who lack technical expertise but are unfamiliar with query languages like Structured Query Language (SQL). This paper presents a new database system supported by Artificial Intelligence (AI), which is intended to improve the management of data using natural language processing (NLP) - based intuitive interfaces, and automatic creation of structured queries and semi-structured data formats like yet another markup language (YAML), java script object notation (JSON), and application program interface (API) documentation. The system is intended to strengthen the potential of databases through the integration of Large Language Models (LLMs) and advanced machine learning algorithms. The integration is purposed to allow the automation of fundamental tasks such as data modeling, schema creation, query comprehension, and performance optimization. We present in this paper a system that aims to alleviate the main problems with current database technologies. It is meant to reduce the need for technical skills, manual tuning for better performance, and the potential for human error. The AI database employs generative schema inference and format selection to build its schema models and execution formats.
- Abstract（参考訳）: 現代のデータベースシステムは、有効ではあるが、複雑さとユーザビリティに関する深刻な問題に悩まされている。特に技術的な専門知識が欠けているが、構造化クエリ言語(SQL)のようなクエリ言語に慣れていない個人にとっては。
本稿では,自然言語処理(NLP)をベースとした直感的インタフェースを用いたデータ管理と,さらに別のマークアップ言語(YAML)やJavaスクリプトオブジェクト表記(JSON),アプリケーションプログラムインタフェース(API)ドキュメントなどの構造化クエリや半構造化データフォーマットの自動生成を目的とした,人工知能(AI)がサポートする新しいデータベースシステムを提案する。
このシステムは、LLM(Large Language Models)と高度な機械学習アルゴリズムを統合することで、データベースの可能性を強化することを目的としている。
この統合の目的は、データモデリング、スキーマ作成、クエリ理解、パフォーマンス最適化といった基本的なタスクの自動化を可能にすることである。
本稿では,現在のデータベース技術の主な問題を軽減することを目的としたシステムを提案する。
技術的スキルの必要性、パフォーマンス向上のための手動チューニング、ヒューマンエラーの可能性を減らすことを目的としている。
AIデータベースは、生成スキーマ推論とフォーマットの選択を使用して、スキーマモデルと実行フォーマットを構築する。
関連論文リスト
- RASL: Retrieval Augmented Schema Linking for Massive Database Text-to-SQL [1.3654846342364308]
本稿では,データベーススキーマとメタデータを個別のセマンティック単位に分解するコンポーネントベースの検索アーキテクチャを提案する。
我々のソリューションは、高度な微調整をせずに、多様なエンタープライズ環境にまたがる実用的なテキスト・インタフェースを実現する。
論文 参考訳（メタデータ） (2025-07-30T21:09:47Z) - A New Paradigm of User-Centric Wireless Communication Driven by Large Language Models [53.16213723669751]
次世代の無線通信は、人工知能とユーザー中心の通信ネットワークを深く統合しようとしている。
本稿では,構造化クエリ言語に対する自然言語を革新的に取り入れた,無線通信のための新しいパラダイムを提案する。
本稿では,物理層における動的意味表現ネットワークを符号化深度に適応させてユーザ要求を満たすプロトタイプシステムを提案する。
論文 参考訳（メタデータ） (2025-04-16T01:43:36Z) - DB-Explore: Automated Database Exploration and Instruction Synthesis for Text-to-SQL [18.915121803834698]
大規模言語モデルとデータベースの知識を体系的に整合させる新しいフレームワークであるDB-Exploreを提案する。
我々のフレームワークは、多様なサンプリング戦略と自動命令生成を通じて、包括的なデータベース理解を可能にする。
論文 参考訳（メタデータ） (2025-03-06T20:46:43Z) - AnDB: Breaking Boundaries with an AI-Native Database for Universal Semantic Analysis [11.419119182421964]
AnDBはAIネイティブデータベースで、従来のOワークロードとAI駆動タスクをサポートする。
AnDBでは、AIの専門知識を必要とせずに、直感的なステートメントを使用してセマンティッククエリを実行することができる。
AnDBは将来的なデータ管理インフラストラクチャを保護し、スクラッチから始めることなく、すべての種類のデータの全潜在能力を効果的かつ効率的に活用することを可能にする。
論文 参考訳（メタデータ） (2025-02-19T15:15:59Z) - Data-Juicer 2.0: Cloud-Scale Adaptive Data Processing for and with Foundation Models [64.28420991770382]
Data-Juicer 2.0は、テキスト、画像、ビデオ、オーディオのモダリティにまたがるデータ処理オペレーターがバックアップするデータ処理システムである。
データ分析、アノテーション、基礎モデルポストトレーニングなど、より重要なタスクをサポートする。
さまざまな研究分野やAlibaba Cloud PAIのような現実世界の製品で広く採用されている。
論文 参考訳（メタデータ） (2024-12-23T08:29:57Z) - Matchmaker: Self-Improving Large Language Model Programs for Schema Matching [60.23571456538149]
本稿では,スキーママッチングのための合成言語モデルプログラムを提案する。
Matchmakerは、ラベル付きデモを必要とせずに、ゼロショットで自己改善する。
実証的に、Matchmakerが以前のMLベースのアプローチより優れている実世界の医療スキーママッチングベンチマークを実証する。
論文 参考訳（メタデータ） (2024-10-31T16:34:03Z) - Natural Language Query Engine for Relational Databases using Generative AI [0.0]
この記事では、ジェネレーティブAIを活用してギャップを埋め、自然言語を使ってデータベースをクエリできる革新的なソリューションを紹介します。
提案手法は,自然言語クエリを insql に翻訳し,構文的および意味的正当性を確保しつつ,検索したデータから自然言語応答を生成する。
ユーザとデータベース間のインタラクションを合理化することにより、技術的専門知識のない個人がデータを直接的かつ効率的に扱えるようにし、価値ある洞察へのアクセスを民主化し、生産性を向上させる。
論文 参考訳（メタデータ） (2024-09-23T01:07:02Z) - UQE: A Query Engine for Unstructured Databases [71.49289088592842]
構造化されていないデータ分析を可能にするために,大規模言語モデルの可能性を検討する。
本稿では,非構造化データ収集からの洞察を直接問合せ,抽出するUniversal Query Engine (UQE)を提案する。
論文 参考訳（メタデータ） (2024-06-23T06:58:55Z) - DBCopilot: Natural Language Querying over Massive Databases via Schema Routing [47.009638761948466]
本稿では,DBCopilotについて述べる。DBCopilotは,大規模データベースをルーティングするためのコンパクトで柔軟なコピロットモデルを用いて,課題に対処するフレームワークである。
このフレームワークは、単一の軽量な微分可能な検索インデックスを使用して、大規模データベーススキーマのセマンティックマッピングを構築し、自然言語質問を目的のデータベースやテーブルに関連付け検索方法でナビゲートする。
論文 参考訳（メタデータ） (2023-12-06T12:37:28Z) - 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) - 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)
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。