論文の概要: PleaSQLarify: Visual Pragmatic Repair for Natural Language Database Querying

• arxiv url: http://arxiv.org/abs/2603.01795v1
• Date: Mon, 02 Mar 2026 12:24:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.865856
• Title: PleaSQLarify: Visual Pragmatic Repair for Natural Language Database Querying
• Title（参考訳）: PleaSQLarify: 自然言語データベースクエリのためのビジュアルプラグマティックな修復
• Authors: Robin Shing Moon Chan, Rita Sevastjanova, Mennatallah El-Assady,
• Abstract要約: 我々は、解釈可能な決定変数に関する相互作用を構造化することにより、実用的修復を運用するtextscPleaarifyを提案する。 TextscPleaarifyは、12人の参加者を対象にした研究で、ユーザーが代替の解釈を認識し、曖昧さを効果的に解決する手助けをした。
• 参考スコア（独自算出の注目度）: 18.984258388809042
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Natural language database interfaces broaden data access, yet they remain brittle under input ambiguity. Standard approaches often collapse uncertainty into a single query, offering little support for mismatches between user intent and system interpretation. We reframe this challenge through pragmatic inference: while users economize expressions, systems operate on priors over the action space that may not align with the users'. In this view, pragmatic repair -- incremental clarification through minimal interaction -- is a natural strategy for resolving underspecification. We present \textsc{PleaSQLarify}, which operationalizes pragmatic repair by structuring interaction around interpretable decision variables that enable efficient clarification. A visual interface complements this by surfacing the action space for exploration, requesting user disambiguation, and making belief updates traceable across turns. In a study with twelve participants, \textsc{PleaSQLarify} helped users recognize alternative interpretations and efficiently resolve ambiguity. Our findings highlight pragmatic repair as a design principle that fosters effective user control in natural language interfaces.
• Abstract（参考訳）: 自然言語データベースインタフェースはデータアクセスを広げるが、入力のあいまいさの下では不安定なままである。 標準的なアプローチは、不確実性を単一のクエリに分解することが多く、ユーザの意図とシステム解釈のミスマッチをほとんどサポートしない。 ユーザが表現をエコノマイズする一方で、システムはユーザのものと一致しないかもしれないアクション空間上で、事前操作を行います。 この観点では、実用的修復 -- 最小限の相互作用による漸進的な明確化 -- は、過小評価を解決する自然な戦略である。 本稿では, 解釈可能な決定変数間の相互作用を構造化することにより, 実用的修復を効果的に行う。 ビジュアルインターフェースは、探索のためのアクションスペースを表面化し、ユーザの曖昧さを要求し、ターン毎に信頼更新をトレース可能にすることでこれを補完する。 12人の参加者による研究で、‘textsc{PleaSQLarify} は代替の解釈を認識し、曖昧さを効率的に解決するのに役立つ。 本研究は,自然言語インタフェースにおける効果的なユーザ制御を促進する設計原則として,実用的修復をめざしたものである。

関連論文リスト

• ReIn: Conversational Error Recovery with Reasoning Inception [43.5498321001366]
  本研究は,誤対話コンテキストの正確な診断と適切な回復計画の実行を必要とする誤り回復に焦点を当てる。 エージェントの意思決定プロセスに初期推論を組み込むテスト時間介入手法であるReasoning Inception (ReIn)を提案する。 ユーザ目標の達成を阻害する会話障害シナリオをシステマティックにシミュレートすることでReInを評価する。
  論文  参考訳（メタデータ） (2026-02-19T02:37:29Z)
• Are We Asking the Right Questions? On Ambiguity in Natural Language Queries for Tabular Data Analysis [2.905751301655124]
  我々は、ユーザとシステム間のクエリ仕様の共有責任に基づく、原則化されたフレームワークを開発する。 質問応答と分析の評価にフレームワークを適用することで、15の一般的なデータセットでクエリを分析する。
  論文  参考訳（メタデータ） (2025-11-06T17:39:18Z)
• Generative Interfaces for Language Models [70.25765232527762]
  ユーザインタフェース(UI)を積極的に生成することにより,大規模言語モデル(LLM)がユーザクエリに応答するパラダイムを提案する。 本フレームワークは,ユーザクエリをタスク固有のUIに変換するために,構造化インターフェース固有の表現と反復的洗練を活用している。 その結果、生成的インタフェースは人間の嗜好を最大72%改善し、会話的インタフェースよりも一貫して優れていた。
  論文  参考訳（メタデータ） (2025-08-26T17:43:20Z)
• CLEAR-KGQA: Clarification-Enhanced Ambiguity Resolution for Knowledge Graph Question Answering [13.624962763072899]
  KGQAシステムは通常、ユーザクエリは曖昧であると仮定するが、これは現実世界のアプリケーションではめったに行われない仮定である。 本稿では,対話的明確化を通じて,エンティティのあいまいさ(類似した名前を持つエンティティの区別など)と意図のあいまいさ(ユーザクエリの異なる解釈を明確にするなど)を動的に扱う新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-13T17:34:35Z)
• SQLCritic: Correcting Text-to-SQL Generation via Clause-wise Critic [8.680252929322684]
  そこで我々は,sqlCriticBenchというベンチマークとともに,節単位の批判生成タスクを導入し,詳細なエラーローカライゼーションを行う。 また,自動トレーニングデータセットキュレーションパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-03-11T02:52:39Z)
• Disambiguate First, Parse Later: Generating Interpretations for Ambiguity Resolution in Semantic Parsing [56.82807063333088]
  本稿では, 自然言語の解釈を論理形式にマッピングする前に, あいまいさを解消するモジュラー手法を提案する。 我々のアプローチは解釈のカバレッジを改善し、異なるアノテーションスタイル、データベース構造、あいまいさタイプを持つデータセットをまたいだ一般化を行う。
  論文  参考訳（メタデータ） (2025-02-25T18:42:26Z)
• SQLucid: Grounding Natural Language Database Queries with Interactive Explanations [28.10727203675818]
  SQLucidは、エキスパートでないユーザと複雑なデータベースクエリプロセスのギャップを埋める、新しいユーザインターフェースである。 私たちのコードはhttps://github.com/magic-YuanTian/ucid.comで公開されています。
  論文  参考訳（メタデータ） (2024-09-10T03:14:09Z)
• xDBTagger: Explainable Natural Language Interface to Databases Using Keyword Mappings and Schema Graph [0.17188280334580192]
  自然言語クエリをインターフェース内の構造化クエリ言語(NLQ)にリレーショナルデータベースに変換することは、難しい作業である。 我々は xDBTagger を提案する。xDBTagger は説明可能なハイブリッド翻訳パイプラインで,ユーザがテキストと視覚の両方で行う決定について説明する。 xDBTaggerは精度の点で有効であり、クエリを最先端のパイプラインベースシステムと比較して最大10000倍の効率で変換する。
  論文  参考訳（メタデータ） (2022-10-07T18:17:09Z)
• SUN: Exploring Intrinsic Uncertainties in Text-to-SQL Parsers [61.48159785138462]
  本稿では,ニューラルネットワークに基づくアプローチ(SUN)における本質的な不確かさを探索することにより,テキストから依存への変換性能を向上させることを目的とする。 5つのベンチマークデータセットの大規模な実験により、我々の手法は競合より大幅に優れ、新しい最先端の結果が得られた。
  論文  参考訳（メタデータ） (2022-09-14T06:27:51Z)
• Neural Abstructions: Abstractions that Support Construction for Grounded Language Learning [69.1137074774244]
  言語の相互作用を効果的に活用するには、言語基底に対する2つの最も一般的なアプローチの制限に対処する必要がある。 本稿では,ラベル条件付き生成モデルの推論手順に対する制約のセットであるニューラル・アブストラクションの考え方を紹介する。 この手法により,マインクラフトにおけるオープンエンドハウスタスクのセマンティックな変更をユーザ人口が構築できることが示される。
  論文  参考訳（メタデータ） (2021-07-20T07:01:15Z)
• "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)
• Photon: A Robust Cross-Domain Text-to-SQL System [189.1405317853752]
  私たちは、マッピングを即座に決定できない自然言語入力にフラグを付けることができる、堅牢でモジュール化されたクロスドメインなNLIDBPhotonを紹介します。 提案手法は,翻訳不能なユーザ入力に対して,テキストからネイティブシステムへのロバストさを効果的に向上させる。
  論文  参考訳（メタデータ） (2020-07-30T07:44:48Z)

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。