論文の概要: Schema-First Retrieval: Embedding Catalogs for Natural Language Analytics

• arxiv url: http://arxiv.org/abs/2606.28387v1
• Date: Tue, 23 Jun 2026 02:20:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.540918
• Title: Schema-First Retrieval: Embedding Catalogs for Natural Language Analytics
• Title（参考訳）: Schema-First Retrieval: 自然言語分析のためのカタログの埋め込み
• Abstract要約: 現代の倉庫には、数千のテーブル、短縮された列、非公式なメトリクス、隠れた結合規約、および生のテーブル名によってキャプチャされない許可境界が含まれている。 倉庫の行ではなくカタログメタデータを埋め込んだ検索層であるEnterprise-First Retrievalを紹介します。 このシステムは、オブジェクト固有のテキストテンプレートを使用して、5つの型付きカタログオブジェクト、テーブル、列、メトリクス、リレーションシップ、クエリ履歴をインデックスする。
• 参考スコア（独自算出の注目度）: 0.10210859604701106
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Enterprise text-to-SQL systems often fail before SQL is generated: the model receives the wrong schema context. Modern warehouses contain thousands of tables, abbreviated columns, informal metrics, hidden join conventions, and permission boundaries that are not captured by raw table names. We introduce Schema-First Retrieval, a retrieval layer that embeds catalog metadata rather than warehouse rows. The system indexes five typed catalog objects, tables, columns, metrics, relationships, and query history, using object-specific text templates. At query time, it combines parallel vector search, lineage expansion, cross-encoder reranking, workload memory, and deterministic access-control gates before SQL generation. On CRUSH4SQL (1,534 questions), Schema-First Retrieval reaches 96.4% table recall@20 and cross-encoder reranking adds +11.1 points at column recall@10; against an equally-templated BM25 baseline, semantic retrieval is +32.8 points at table recall@5. On SEDE (857 questions), query history raises table recall@5 from 52.1% to 92.3%. On BIRD (96 questions), schema-first context reduces SQL execution errors from 15.6% to 6.2%, a 2.5x reduction. These results show that catalog selection is a first-class retrieval problem for natural language analytics, not a prompt formatting detail.
• Abstract（参考訳）: エンタープライズのテキスト-SQLシステムは、SQLが生成される前に失敗することが多い。 現代の倉庫には、数千のテーブル、短縮列、非公式なメトリクス、隠された結合規約、および生のテーブル名によってキャプチャされない許可境界が含まれている。 倉庫の行ではなくカタログメタデータを埋め込んだ検索層であるSchema-First Retrievalを導入する。 このシステムは、オブジェクト固有のテキストテンプレートを使用して、5つの型付きカタログオブジェクト、テーブル、列、メトリクス、リレーションシップ、クエリ履歴をインデックスする。 クエリ時には、並列ベクトル検索、系統拡張、クロスエンコーダのリグレード、ワークロードメモリ、SQL生成前の決定論的アクセス制御ゲートを組み合わせる。 CRUSH4SQL (1,534の質問)では、Schema-First Retrievalが96.4%のテーブルリコール@20に到達し、クロスエンコーダリグレードが列リコール@10で+11.1のポイントを追加し、同様に測定されたBM25ベースラインに対して、セマンティック検索はテーブルリコール@5で+32.8のポイントになる。 SEDE (857の質問)では、クエリ履歴がテーブルリコール@5を52.1%から92.3%に引き上げている。 BIRD (96の質問)では、スキーマファーストのコンテキストがSQLの実行エラーを15.6%から6.2%に減らし、2.5倍に減らした。 これらの結果から,カタログ選択は自然言語解析の第一級検索問題であり,素早いフォーマット化の問題ではないことが示唆された。

関連論文リスト

• AutoSQL: Extracting SQL Templates from Imperative ORM Code in Large-Scale Repositories [43.381882752672446]
  Go ORMコードからsqlテンプレートを再構築するシステムであるAuto sequencesを提案する。 Autoは68.04%から72.18%のリコールを達成し、静的リーチビリティベースラインを11.80%から15.94%上回り、既存のメソッドを8.52%から21.50%上回っている。
  論文  参考訳（メタデータ） (2026-08-16T07:32:53Z)
• Finding the Right Tables and Columns: A Benchmark and Corpus-Adaptive Embeddings for SQL Schema Retrieval [9.741583305127994]
  我々は5つのテキストから言語へのデータセットをテーブルと列の粒度の両方で検索タスクとして再キャストした。 オフザシェルフテキストとコード埋め込みは、この設定に不十分に転送されることを示す。 本稿では,対象コーパスから直接自然言語クエリを合成するコーパス適応微調整を提案する。
  論文  参考訳（メタデータ） (2026-07-14T22:31:55Z)
• Querying an astronomical database using large language models: the ALeRCE text-to-SQL system [0.6160458642720921]
  大規模言語モデル(LLM)に基づくテキスト・トゥ・コンテクスト(構造化クエリ言語)システムを開発した。 本稿では,ALeRCE(Automatic Learning for the Rapid Classification of Events)天文学データベースに適用する。 ALeRCEはZwicky Transient FacilityとVera C. Rubin Observatoryのコミュニティブローカーである。
  論文  参考訳（メタデータ） (2026-06-16T16:12:16Z)
• CYGNET: Cypher Gate for Neural Execution Triage and Cost Containment [0.0]
  クエリ生成と運用用Neo4jデータベースの間に,事前実行ゲートを設置する。 ゲートは、ミラーグラフに対する実行が5.6msの中央遅延で終わる4つのバックチェーンを通して構造を検証する。 7つのCypherBenchスキーマ(2348の質問、ACL 2025)では、パイプラインはテスト対象のモデル毎に生成精度を維持し、安全な防御層として動作することを確認した。
  論文  参考訳（メタデータ） (2026-06-03T09:13:05Z)
• Schema-Aware Localisation (SAL): Live Schema Grounding and Hallucination Validation for Oracle NL2SQL [0.19116784879310023]
  カラムとエイリアスは幻覚化され、方言固有の構文が欠落し、ORA-00904の無効識別エラーが発生する。 本稿では,Oracle NL2 の軽量レイヤである-Aware Localisation (SAL) を紹介する。 我々は、生のOracle Autonomous Database 23cインスタンスに対して実行される500のTPC-H自然言語質問に対してSALを評価した。
  論文  参考訳（メタデータ） (2026-06-03T03:12:18Z)
• CORE-T: COherent REtrieval of Tables for Text-to-SQL [91.76918495375384]
  CORE-Tはスケーラブルでトレーニング不要なフレームワークで、テーブルに目的のメタデータを付加し、軽量なテーブル互換キャッシュをプリコンプリートする。 バード、スパイダー、MMQAを越えて、CORE-Tはテーブル選択F1を最大22.7ポイント改善し、最大42%のテーブルを検索する。
  論文  参考訳（メタデータ） (2026-01-19T14:51:23Z)
• AutoLink: Autonomous Schema Exploration and Expansion for Scalable Schema Linking in Text-to-SQL at Scale [68.29002818359844]
  既存の方法は違法なコストを発生させ、リコールとノイズのトレードオフに苦労し、大規模データベースに不利なスケーリングを行う。 我々は、反復的エージェント駆動プロセスとしてスキーマリンクを再構成する、自律的なエージェントフレームワークであるtextbfAutoLinkを提案する。 実験ではAutoLinkの優れたパフォーマンスを示し、最先端の厳密なスキーマリンクのリコール、すなわち textbf68.7% EX on Bird-Dev (CHESSより優れている)、 textbf34.9% EX on Spider-2.0-Lite (第2位)を実現している。
  論文  参考訳（メタデータ） (2025-11-21T12:12:17Z)
• UNJOIN: Enhancing Multi-Table Text-to-SQL Generation via Schema Simplification [50.59009084277447]
  論理生成からスキーマ要素の検索を分離するフレームワークUNJOINを紹介する。 最初の段階では、各列をテーブル名でプレフィックスすることで、データベース内のすべてのテーブルの列名を単一のテーブル表現にマージします。 第2段階では、クエリは、この単純化されたスキーマに基づいて生成され、JOIN、UNION、リレーショナルロジックを再構築することで、元のスキーマにマップされる。
  論文  参考訳（メタデータ） (2025-05-23T17:28:43Z)
• RSL-SQL: Robust Schema Linking in Text-to-SQL Generation [51.00761167842468]
  本稿では、双方向スキーマリンク、コンテキスト情報拡張、バイナリ選択戦略、マルチターン自己補正を組み合わせたRSLと呼ばれる新しいフレームワークを提案する。 ベンチマークの結果,オープンソースのソリューション間でのSOTA実行精度は67.2%,BIRDは87.9%,GPT-4オクルージョンは87.9%であった。 提案手法は,DeepSeekを同一のプロンプトで適用した場合,GPT-4ベースのテキスト・ツー・シークシステムよりも優れている。
  論文  参考訳（メタデータ） (2024-10-31T16:22:26Z)
• SQL-to-Schema Enhances Schema Linking in Text-to-SQL [15.6857201570992]
  テキストから音声へのメソッドでは、不要なテーブルや列をフィルタリングする必要がある。 これまでのアプローチでは、テーブルや列のソートが問題との関連性に基づいて行われてきた。 提案手法は,2段階に分けて提案するスキーマリンク方式である。
  論文  参考訳（メタデータ） (2024-05-15T12:22:48Z)
• Is Table Retrieval a Solved Problem? Exploring Join-Aware Multi-Table Retrieval [52.592071689901196]
  本稿では,テーブル検索において,任意のクエリやデータベースに対して有用な結合関係を明らかにする手法を提案する。 提案手法は,F1スコアの最大9.3%,エンドツーエンドQAの最大5.4%の精度で,テーブル検索の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2024-04-15T15:55:01Z)
• MURRE: Multi-Hop Table Retrieval with Removal for Open-Domain Text-to-SQL [51.48239006107272]
  MURRE (Multi-hop table search with removal) は、未検索のテーブルへ誘導するために、質問から以前検索した情報を削除する。 2つのオープンドメインのテキスト・ツー・レトリバーデータセットの実験は、以前の最先端結果よりも平均5.7%改善したことを示している。
  論文  参考訳（メタデータ） (2024-02-16T13:14:35Z)
• Analyzing the Effectiveness of Large Language Models on Text-to-SQL Synthesis [4.412170175171256]
  本研究では,大規模言語モデルを用いたテキスト・ツー・プログラム合成における様々なアプローチについて検討する。 目標は、データベーススキーマと共に自然言語の質問を入力し、正しいSELECTクエリを出力することであった。
  論文  参考訳（メタデータ） (2024-01-22T22:05:42Z)

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。