論文の概要: Schema-Free Text-to-SQL: Learning Enterprise Database Structure from Query Logs

• arxiv url: http://arxiv.org/abs/2610.33946v1
• Date: Sat, 24 Oct 2026 23:24:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.488967
• Title: Schema-Free Text-to-SQL: Learning Enterprise Database Structure from Query Logs
• Title（参考訳）: Schema-free Text-to-SQL: クエリログからエンタープライズデータベース構造を学ぶ
• Abstract要約: スキーマドキュメンテーションなしで動作し、代わりに過去のクエリログからデータベース構造を学習する最初のテキストからあいまいなフレームワークを提示する。 解析されたクエリパターンから知識グラフを構築し、ドメイン用語にユーザ質問を基礎付けるエンティティ駆動型グラフRAG検索を導入する。 我々は、組み込みベースの検索において、95.7%の実行妥当性を60.8%と比較し、エキスパートデータエンジニアは、システムの内部展開において70%から10%を優先する。
• 参考スコア（独自算出の注目度）: 0.20482269513546458
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-to-SQL systems achieve remarkable accuracy on academic benchmarks, yet performance drops dramatically in enterprise deployments. This gap stems from a fundamental assumption: existing approaches require complete schema documentation, but enterprise databases typically lack comprehensive documentation, featuring cryptic naming and implicit relationships. We present the first text-to-SQL framework that operates without schema documentation, instead learning database structure from historical query logs. Query logs encode implicit structural knowledge: which tables are queried together, how they join, and what columns map to business concepts. We construct a knowledge graph from parsed query patterns and introduce entity-driven GraphRAG retrieval that grounds user questions in domain terminology rather than relying solely on embedding similarity. Validated on both an industrial deployment with expert evaluation and the Beaver benchmark, our approach substantially outperforms similarity-based retrieval methods, the dominant industry approach, in both executability and answer quality. On Beaver, we achieve 95.7% execution validity compared to 60.8% for embedding-based retrieval, with expert data engineers preferring our system 70% to 10% on internal deployment. Our work demonstrates that text-to-SQL can operate effectively in schema-ambiguous enterprise environments, enabling natural language database interfaces "in the wild".
• Abstract（参考訳）: テキストからSQLへのシステムは、学術的なベンチマークでは顕著な精度を達成するが、エンタープライズデプロイメントではパフォーマンスが劇的に低下する。 既存のアプローチでは完全なスキーマドキュメンテーションが必要ですが、エンタープライズデータベースには一般的に包括的なドキュメントがなく、暗号的な命名と暗黙的な関係が特徴です。 スキーマドキュメンテーションなしで動作し、代わりに履歴クエリログからデータベース構造を学習する最初のテキスト-SQLフレームワークを提示する。 クエリログは暗黙的な構造的知識を符号化します。どのテーブルが一緒にクエリされ、どのように結合され、どの列がビジネス概念にマップされるか。 解析されたクエリパターンから知識グラフを構築し、エンティティ駆動のGraphRAG検索を導入する。 専門的評価を伴う産業展開とBeaverベンチマークの両面で検証した結果,本手法は,実行可能性と回答品質の両面で,類似性に基づく検索手法を著しく上回っている。 Beaverでは、組み込みベースの検索では、95.7%、組み込みベースの検索では60.8%に対して、エキスパートデータエンジニアは、システムの70%から10%を内部デプロイメントで好んでいる。 私たちの研究は、スキーマとあいまいなエンタープライズ環境において、テキストからSQLまでを効果的に操作できることを示し、自然言語データベースインターフェースを"野放し"可能にする。

関連論文リスト

• From Benchmarks to Production: A Text-to-SQL System for Complex Financial Data [3.6559598899653465]
  プロダクションファイナンシャルデータベースでは、概念は人間が読める文字列ではなく、不透明な整数キーとして格納される。 本稿では,このギャップを3つのキーコンポーネントで埋めるドメイン特化テキスト・ツー・スペシャライズド・システムであるFLINTについて述べる。 生産財務スキーマについて合計359の質問を2つのデータセットで評価した。FLINTは、同じLLMを用いて、様々な最先端のベースラインを上回ります。
  論文  参考訳（メタデータ） (2026-10-02T16:13:40Z)
• ProSPy: A Profiling-Driven SQL-Python Agentic Framework for Enterprise Text-to-SQL [51.98164069124653]
  ProSPyは、エンタープライズスケールのテキスト-非依存分析のためのプロファイリング駆動フレームワークである。 ProSPyは推論プロセスを4段階に構成する。 まず、自動プロファイリングにより、きめ細かいデータ証拠を抽出する。 大規模なスキーマをタスク関連コンテキストに抽出する。
  論文  参考訳（メタデータ） (2026-06-04T08:13:05Z)
• EntSQL: A Benchmark for Grounding Text-to-SQL in Long-Context Enterprise Knowledge [20.59995531311023]
  Spider、BIRD、Spider2.0といった既存のベンチマークでは、スキーマの一般化、大規模データベース、現実性を評価している。 エンタープライズ指向のテキスト・ツー・プライベート・ベンチマークであるEntを紹介した。 英語の入力では、最も優れた評価システムは、長文の文書が提供されるときの15.9%にしか達しない。
  論文  参考訳（メタデータ） (2026-06-02T09:12:57Z)
• Knowledge Distillation for Low-Resource Open-source Text-to-SQL Model [4.098313540411055]
  タスク固有の知識ベースを構築し,それをトレーニングと推論の両方に注入する,知識を意識したテキスト・ツー・チャットフレームワークを提案する。 このフレームワークは、文脈的に基底化された合成学習データを生成し、対象とする知識検索を通じて推論を強化する。
  論文  参考訳（メタデータ） (2026-05-13T07:54:13Z)
• Companion Agents: A Table-Information Mining Paradigm for Text-to-SQL [8.159121916366727]
  BIRDのような大規模テキスト・ツー・キュレートのベンチマークは通常、利用可能な外部知識だけでなく、完全で正確なデータベースアノテーションを前提としている。 このミスマッチはドメイン・オブ・ザ・ドメイン・テキスト・トゥ・アーティファクトシステムの現実的な適用性を著しく制限する。 本稿では,関係データベースに内在する固有できめ細かな情報を活用するデータベース中心の手法を提案する。
  論文  参考訳（メタデータ） (2025-12-17T07:11:55Z)
• Text-to-SQL as Dual-State Reasoning: Integrating Adaptive Context and Progressive Generation [54.53145282349042]
  DSR-sourced, textbfDual-textbfS textbfReasoning frameworkを導入する。 ポストトレーニングやインコンテキストの例がなければ、DSR-sourcedは競合性能を達成し、スパイダー2.0-Snowで35.28%、BIRD開発で68.32%に達する。
  論文  参考訳（メタデータ） (2025-11-26T13:52:50Z)
• 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)
• SQL-PaLM: Improved Large Language Model Adaptation for Text-to-SQL (extended) [53.95151604061761]
  本稿では,大規模言語モデル(LLM)を用いたテキスト・ツー・フィルタリングのフレームワークを提案する。 数発のプロンプトで、実行ベースのエラー解析による一貫性復号化の有効性について検討する。 命令の微調整により、チューニングされたLLMの性能に影響を及ぼす重要なパラダイムの理解を深める。
  論文  参考訳（メタデータ） (2023-05-26T21:39:05Z)
• UNITE: A Unified Benchmark for Text-to-SQL Evaluation [72.72040379293718]
  テキスト・ツー・ドメイン・システムのためのUNIfiedベンチマークを導入する。 公開されているテキストからドメインへのデータセットと29Kデータベースで構成されている。 広く使われているSpiderベンチマークと比較すると、SQLパターンの3倍の増加が紹介されている。
  論文  参考訳（メタデータ） (2023-05-25T17:19:52Z)
• Proton: Probing Schema Linking Information from Pre-trained Language Models for Text-to-SQL Parsing [66.55478402233399]
  本稿では,ポアンカー距離測定に基づく探索手法を用いて,関係構造を抽出する枠組みを提案する。 スキーマリンクの一般的なルールベース手法と比較して,探索関係は意味的対応をしっかりと捉えることができることがわかった。 我々のフレームワークは3つのベンチマークで最先端のパフォーマンスを新たに設定する。
  論文  参考訳（メタデータ） (2022-06-28T14:05:25Z)
• 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。