論文の概要: Bridging Search Intent and Tabular Data in Dataset Search
- arxiv url: http://arxiv.org/abs/2610.33936v1
- Date: Sat, 24 Oct 2026 22:40:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.487089
- Title: Bridging Search Intent and Tabular Data in Dataset Search
- Title（参考訳）: データセット検索におけるブリッジ検索インテントとタブラルデータ
- Abstract要約: 自然言語による多面的データセット検索インタフェースを実現するための2つの検索コンポーネントを提案する。
まず、言語モデルを用いてタスク対応の仮想テーブルスキーマを生成する仮説埋め込み(HySE)を提案する。
次に、FlexPruneを紹介します。これは、自然言語で表現されたデータセットの制約を、カスタマイズ可能なメタデータインデックスの上にSQLに変換するものです。
- 参考スコア（独自算出の注目度）: 2.4493299476776778
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Dataset search remains a bottleneck in data analysis workflows, as existing systems largely rely on keyword matching or shallow retrieval that fail to capture user intent. To facilitate intent-driven search, we present two retrieval components to equip multi-faceted dataset search interfaces through natural language. First, we propose Hypothetical Schema Embeddings (HySE) that uses a language model to generate task-aligned hypothetical table schemas which are used for embedding-based retrieval, bridging the gap between intent and table content. We introduce KaggleDS, a corpus comprising 6,503 tables and diverse task-queries derived from Kaggle, and show that HySE consistently improves recall over strong keyword and embedding-based baselines, as well as over a dense table retriever fine-tuned on KaggleDS. We also show that HySE generalizes to end-to-end question answering on, for example, the NQ-Tables dataset, a corpus of 169,898 Wikipedia tables with human-written queries, where HySE improves Recall@10 by +6.0 pp over dense retrieval baselines. Second, we introduce FlexPrune, which translates dataset constraints expressed in natural-language into SQL predicates over a customizable metadata index, enabling filtering across arbitrary metadata attributes. Combined with HySE, FlexPrune increases Recall@10 by +6.0 pp over dense retrieval followed by tag-based filtering. Our results show that natural-language-based retrieval supporting task and metadata queries offers a viable alternative to schema-level keyword search in dataset search.
- Abstract（参考訳）: 既存のシステムは、ユーザ意図を捉えないキーワードマッチングや浅い検索に大きく依存しているため、データセット検索は依然としてデータ分析ワークフローのボトルネックとなっている。
意図駆動型検索を容易にするために,自然言語による多面的データセット検索インタフェースを実現するための2つの検索コンポーネントを提案する。
まず、言語モデルを用いて、埋め込みベースの検索に使用されるタスク整列型テーブルスキーマを生成し、意図と表の内容のギャップを埋める仮説的スキーマ(HySE)を提案する。
本稿では、6,503のテーブルとKaggleから派生した多様なタスククエリからなるコーパスであるKaggleDSを紹介する。
また、HySEは、例えば169,898のウィキペディアテーブルのコーパスであるNQ-Tablesデータセットで、密集した検索ベースライン上でRecall@10を+6.0ppで改善するなど、エンドツーエンドの質問応答に一般化していることを示す。
次に、FlexPruneを紹介します。これは、自然言語で表現されたデータセットの制約を、カスタマイズ可能なメタデータインデックス上でSQL述語に変換することで、任意のメタデータ属性をフィルタリングします。
HySEと組み合わせて、FlexPruneは高密度検索とタグベースのフィルタリングでRecall@10を+6.0ppで増加させる。
この結果から,自然言語ベースの検索支援タスクとメタデータクエリが,データセット検索におけるスキーマレベルのキーワード検索の代替となる可能性が示唆された。
関連論文リスト
- PIPER: Content-Based Table Search via profiling and LLM-Generated Pseudoqueries [0.6299766708197881]
既存のデータセット検索システムは、主にメタデータに依存しており、しばしば不完全または低品質である。
本稿では,テーブルプロファイルとLLM生成クエリを組み込んだコンテンツ駆動型検索手法PIPERを提案する。
論文 参考訳（メタデータ） (2026-05-18T10:39:42Z) - RoundTable: Leveraging Dynamic Schema and Contextual Autocomplete for Enhanced Query Precision in Tabular Question Answering [11.214912072391108]
現実世界のデータセットは、大きな属性と複雑な値の配列を特徴とすることが多い。
従来の手法ではデータセットのサイズと複雑さをLarge Language Modelsに完全にリレーすることはできません。
入力テーブル上でFTS(Full-Text Search)を利用する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） (2024-08-22T13:13:06Z) - Improving Retrieval-augmented Text-to-SQL with AST-based Ranking and Schema Pruning [10.731045939849125]
本稿では,テキストからセマンティックへの解析に注目する。
商用データベースのスキーマのサイズとビジネスインテリジェンスソリューションのデプロイ可能性に関する課題から,入力データベース情報を動的に取得する $textASTReS$ を提案する。
論文 参考訳（メタデータ） (2024-07-03T15:55:14Z) - Database-Augmented Query Representation for Information Retrieval [71.41745087624528]
データベース拡張クエリ表現(DAQu)と呼ばれる新しい検索フレームワークを提案する。
DAQuは、元のクエリを複数のテーブルにまたがるさまざまな(クエリ関連の)メタデータで拡張する。
我々はDAQuを多様な検索シナリオで検証し、全体の検索性能を大幅に向上させることを示した。
論文 参考訳（メタデータ） (2024-06-23T05:02:21Z) - LIST: Learning to Index Spatio-Textual Data for Embedding based Spatial Keyword Queries [53.843367588870585]
リスト K-kNN 空間キーワードクエリ (TkQ) は、空間的およびテキスト的関連性の両方を考慮したランキング関数に基づくオブジェクトのリストを返す。
効率的かつ効率的な指標、すなわち高品質なラベルの欠如とバランスの取れない結果を構築する上で、大きな課題が2つある。
この2つの課題に対処する新しい擬似ラベル生成手法を開発した。
論文 参考訳（メタデータ） (2024-03-12T05:32:33Z) - QTSumm: Query-Focused Summarization over Tabular Data [58.62152746690958]
人々は主に、データ分析を行うか、特定の質問に答えるためにテーブルをコンサルティングします。
そこで本研究では,テキスト生成モデルに人間的な推論を行なわなければならない,クエリ中心のテーブル要約タスクを新たに定義する。
このタスクには,2,934テーブル上の7,111の人間注釈付きクエリ-サマリーペアを含む,QTSummという新しいベンチマークを導入する。
論文 参考訳（メタデータ） (2023-05-23T17:43:51Z) - Query Expansion Using Contextual Clue Sampling with Language Models [69.51976926838232]
本稿では,実効的なフィルタリング戦略と検索した文書の融合の組み合わせを,各文脈の生成確率に基づいて提案する。
我々の語彙マッチングに基づくアプローチは、よく確立された高密度検索モデルDPRと比較して、同様のトップ5/トップ20検索精度と上位100検索精度を実現する。
エンド・ツー・エンドのQAでは、読者モデルも我々の手法の恩恵を受けており、いくつかの競争基準に対してエクサクト・マッチのスコアが最も高い。
論文 参考訳（メタデータ） (2022-10-13T15:18:04Z) - Improving Text-to-SQL Semantic Parsing with Fine-grained Query
Understanding [84.04706075621013]
トークンレベルのきめ細かいクエリ理解に基づく汎用的モジュール型ニューラルネットワーク解析フレームワークを提案する。
我々のフレームワークは、名前付きエンティティ認識(NER)、ニューラルエンティティリンカ(NEL)、ニューラルエンティティリンカ(NSP)の3つのモジュールから構成されている。
論文 参考訳（メタデータ） (2022-09-28T21:00:30Z) - DBTagger: Multi-Task Learning for Keyword Mapping in NLIDBs Using
Bi-Directional Recurrent Neural Networks [0.2578242050187029]
NLQのPOSタグを利用した新しいディープラーニングに基づく教師付きアプローチを提案する。
8つの異なるデータセットに対するアプローチを評価し、最新の精度結果、平均92.4%$を報告します。
論文 参考訳（メタデータ） (2021-01-11T22:54:39Z) - Bridging Textual and Tabular Data for Cross-Domain Text-to-SQL Semantic
Parsing [110.97778888305506]
BRIDGEは、フィールドのサブセットが質問に言及されたセル値で拡張されるタグ付きシーケンスの質問とDBスキーマを表します。
BRIDGEは、人気のクロスDBテキスト-リレーショナルベンチマークで最先端のパフォーマンスを達成しました。
本分析は,BRIDGEが望まれる相互依存を効果的に捕捉し,さらにテキストDB関連タスクに一般化する可能性を示唆している。
論文 参考訳（メタデータ） (2020-12-23T12:33:52Z)
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。