論文の概要: Routing End User Queries to Enterprise Databases

• arxiv url: http://arxiv.org/abs/2601.19825v1
• Date: Tue, 27 Jan 2026 17:30:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-28 15:26:51.419758
• Title: Routing End User Queries to Enterprise Databases
• Title（参考訳）: エンドユーザークエリをエンタープライズデータベースにルーティングする
• Authors: Saikrishna Sudarshan, Tanay Kulkarni, Manasi Patwardhan, Lovekesh Vig, Ashwin Srinivasan, Tanmay Tulsidas Verlekar,
• Abstract要約: 既存のNL-to-データセットを拡張して,現実的なベンチマークを構築する。 我々の研究は、より大きなドメイン重複DBリポジトリとあいまいなクエリでルーティングがますます困難になることを示している。
• 参考スコア（独自算出の注目度）: 13.367384894681651
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We address the task of routing natural language queries in multi-database enterprise environments. We construct realistic benchmarks by extending existing NL-to-SQL datasets. Our study shows that routing becomes increasingly challenging with larger, domain-overlapping DB repositories and ambiguous queries, motivating the need for more structured and robust reasoning-based solutions. By explicitly modelling schema coverage, structural connectivity, and fine-grained semantic alignment, the proposed modular, reasoning-driven reranking strategy consistently outperforms embedding-only and direct LLM-prompting baselines across all the metrics.
• Abstract（参考訳）: マルチデータベースエンタープライズ環境で自然言語クエリをルーティングするタスクに対処する。 既存のNL-SQLデータセットを拡張して,現実的なベンチマークを構築する。 我々の研究は、大規模でドメイン重なり合うDBリポジトリとあいまいなクエリによってルーティングがますます困難になり、より構造化され堅牢な推論ベースのソリューションの必要性を動機付けていることを示している。 スキーマカバレッジ、構造的接続性、きめ細かなセマンティックアライメントを明示的にモデル化することで、提案されたモジュラー、推論駆動のリグレード戦略は、すべてのメトリクスにわたって埋め込み専用および直接LLMプロンプトベースラインよりも一貫して優れています。

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)
• LLM-Symbolic Integration for Robust Temporal Tabular Reasoning [69.27153114778748]
  本研究では,システムおよび制御された評価のための合成データセットであるTempTabQA-Cを紹介する。 この構造化アプローチにより、LLM(Large Language Models)はsqlクエリの生成と実行を可能にし、一般化とバイアス軽減の強化を行う。
  論文  参考訳（メタデータ） (2025-06-06T05:14:04Z)
• Large Language Models are Good Relational Learners [55.40941576497973]
  本稿では,グラフニューラルネットワーク(GNN)に基づくエンコーダを用いて,大規模言語モデル(LLM)のための構造化リレーショナルプロンプトを生成する新しいアーキテクチャであるRel-LLMを紹介する。 従来のテキストベースのシリアライズ手法とは異なり,本手法はデータベース固有の関係構造を保ちながら,LLMが複雑なエンティティ関係を処理・推論することを可能にする。
  論文  参考訳（メタデータ） (2025-06-06T04:07:55Z)
• Towards Agentic Schema Refinement [3.7173623393215287]
  本稿では,データベースとユーザ間のセマンティックレイヤを,小さくて分かりやすいデータベースビューの集合として提案する。 弊社のアプローチは、LLMによる不安定なデータベースの探索の道を開くものだ。
  論文  参考訳（メタデータ） (2024-11-25T19:57:16Z)
• RB-SQL: A Retrieval-based LLM Framework for Text-to-SQL [48.516004807486745]
  文脈内学習を伴う大規模言語モデル(LLM)は、テキスト・ツー・タスクの性能を大幅に改善した。 In-context prompt Engineering のための新しい検索ベースフレームワーク RB- を提案する。 実験により,我々のモデルは,公開データセットのBIRDとSpiderの競合ベースラインよりも優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2024-07-11T08:19:58Z)
• 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)
• CHESS: Contextual Harnessing for Efficient SQL Synthesis [1.9506402593665235]
  効率的でスケーラブルなテキスト・ツー・クエリのためのフレームワークであるCHESSを紹介します。 特殊エージェントは4つあり、それぞれが上記の課題の1つをターゲットにしている。 私たちのフレームワークは、さまざまなデプロイメント制約に適応する機能を提供する。
  論文  参考訳（メタデータ） (2024-05-27T01:54:16Z)

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。