論文の概要: AskDB: An LLM Agent for Natural Language Interaction with Relational Databases
- arxiv url: http://arxiv.org/abs/2511.16131v1
- Date: Thu, 20 Nov 2025 08:06:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-21 17:08:52.521815
- Title: AskDB: An LLM Agent for Natural Language Interaction with Relational Databases
- Title（参考訳）: AskDB:リレーショナルデータベースと自然言語インタラクションのためのLLMエージェント
- Authors: Xuan-Quang Phan, Tan-Ha Mai, Thai-Duy Dinh, Minh-Thuan Nguyen, Lam-Son Lê,
- Abstract要約: 我々はAskDBを紹介した。AskDBは自然言語を介してデータベースと対話するための大規模言語モデル駆動エージェントである。
AskDBは自然言語によるデータ分析と管理操作のオーバースクルデータベースの両方をサポートする。
我々の結果は、AskDBがリレーショナルデータベースシステムのための統一的でインテリジェントなエージェントである可能性を強調し、エンドユーザーに直感的でアクセスしやすい体験を提供する。
- 参考スコア（独自算出の注目度）: 0.06524460254566904
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Interacting with relational databases remains challenging for users across different expertise levels, particularly when composing complex analytical queries or performing administrative tasks. Existing systems typically address either natural language querying or narrow aspects of database administration, lacking a unified and intelligent interface for general-purpose database interaction. We introduce AskDB, a large language model powered agent designed to bridge this gap by supporting both data analysis and administrative operations over SQL databases through natural language. Built on Gemini 2, AskDB integrates two key innovations: a dynamic schema-aware prompting mechanism that effectively incorporates database metadata, and a task decomposition framework that enables the agent to plan and execute multi-step actions. These capabilities allow AskDB to autonomously debug derived SQL, retrieve contextual information via real-time web search, and adaptively refine its responses. We evaluate AskDB on a widely used Text-to-SQL benchmark and a curated set of DBA tasks, demonstrating strong performance in both analytical and administrative scenarios. Our results highlight the potential of AskDB as a unified and intelligent agent for relational database systems, offering an intuitive and accessible experience for end users.
- Abstract（参考訳）: 複雑な分析クエリの作成や管理タスクの実行など、さまざまな専門分野のユーザにとって、リレーショナルデータベースとのインタラクションは依然として困難である。
既存のシステムは一般的に、自然言語クエリやデータベース管理の狭い局面に対処し、汎用データベースのインタラクションのための統一的でインテリジェントなインターフェースを欠いている。
自然言語によるSQLデータベース上のデータ解析と管理操作の両方をサポートすることで,このギャップを埋めるように設計された,大規模言語モデル駆動エージェントであるAskDBを紹介した。
Gemini 2上に構築されたAskDBには,データベースメタデータを効果的に組み込んだ動的スキーマ対応プロンプト機構と,エージェントがマルチステップアクションを計画および実行可能にするタスク分解フレームワークという,2つの重要なイノベーションが組み込まれている。
これらの機能により、AskDBは、派生したSQLを自律的にデバッグし、リアルタイムWeb検索を通じてコンテキスト情報を検索し、応答を適応的に洗練することができる。
我々は、広く使われているText-to-SQLベンチマークとDBAタスクのキュレートセットでAskDBを評価し、分析シナリオと管理シナリオの両方で強力なパフォーマンスを示す。
我々の結果は、AskDBがリレーショナルデータベースシステムのための統一的でインテリジェントなエージェントである可能性を強調し、エンドユーザーに直感的でアクセスしやすい体験を提供する。
関連論文リスト
- TEXT2DB: Integration-Aware Information Extraction with Large Language Model Agents [64.11547566154947]
本稿では,IE 出力と対象データベースの統合を重視した IE TEXT2DB の新たな定式化を提案する。
データインフィル、行数、列の追加といった一般的な要求を特徴とする新しいベンチマークを導入する。
実験によると、OPALは異なるコードプランを生成し、必要なIEモデルを呼び出すことで、多様なデータベーススキーマにうまく適応できる。
論文 参考訳（メタデータ） (2025-10-28T02:49:40Z) - Text2Schema: Filling the Gap in Designing Database Table Structures based on Natural Language [22.15408079332362]
データベースのバックグラウンドを持たない人は、通常、ファイルシステムやExcelデータ管理のようなツールに依存します。
データベースシステムは強力な管理能力を持っているが、ユーザーからの高度な専門知識を必要とする。
論文 参考訳（メタデータ） (2025-03-31T09:39:19Z) - 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) - E-SQL: Direct Schema Linking via Question Enrichment in Text-to-SQL [1.187832944550453]
E-Seekは、直接スキーマリンクと候補述語拡張を通じてこれらの課題に対処するように設計された、新しいパイプラインである。
E-Seekは、関連するデータベース項目(テーブル、列、値)と条件を直接質問とsql構築計画に組み込むことで、自然言語クエリを強化し、クエリとデータベース構造の間のギャップを埋める。
総合的な評価は、E-Seekが競争性能、特に66.29%の実行精度で複雑なクエリに優れていることを示している。
論文 参考訳（メタデータ） (2024-09-25T09:02:48Z) - Hybrid Querying Over Relational Databases and Large Language Models [8.926173054003547]
実世界の4つのデータベースに対する120以上の問合せを含む最初のクロスドメインベンチマークであるSWANを提示する。
1つはスキーマ拡張に基づくもので、もう1つはユーザ定義関数に基づくものである。
評価の結果,GPT-4Turboを数発のプロンプトで使用すれば,実行精度が40.0%,データ事実性が48.2%まで向上できることがわかった。
論文 参考訳（メタデータ） (2024-08-01T19:29:18Z) - Relational Database Augmented Large Language Model [59.38841050766026]
大規模言語モデル(LLM)は多くの自然言語処理(NLP)タスクに優れる。
彼らは、トレーニングや教師付き微調整プロセスを通じてのみ、新しい知識を取り入れることができる。
この正確で最新のプライベート情報は、通常リレーショナルデータベースに格納される。
論文 参考訳（メタデータ） (2024-07-21T06:19:10Z) - 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) - 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) - "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。