Génération de SQL à partir du langage naturel à l’aide de l’apprentissage supervisé et des réseaux neuronaux récurrents

Découvrez notre article de conférence SQL Generation from Natural Language Using Supervised Learning and Recurrent Neural Networks – Conférence internationale sur l’intelligence artificielle et les applications industrielles – Lecture Notes in Networks and Systems, publié dans Springer Link. Cette étude est en anglais.

Merci à l’équipe de recherche de Novelis pour son savoir-faire et son expertise.

Résumé

Les bases de données stockent une grande quantité de données et d’informations d’aujourd’hui, et pour accéder à ces données, les utilisateurs doivent maîtriser le langage SQL ou un langage d’interface équivalent. Par conséquent, l’utilisation d’un système capable de convertir une requête en langage naturel en requête SQL équivalente rendrait les données plus accessibles (SQL generation). Dans ce sens, la construction d’interfaces en langage naturel pour les bases de données relationnelles est un problème important et difficile dans le traitement du langage naturel (NLP) et un domaine largement étudié, qui a trouvé récemment un nouvel élan en raison de l’introduction d’ensembles de données à grande échelle. Dans cet article, nous présentons notre approche basée sur l’intégration de mots et les réseaux neuronaux récurrents (RNN), plus précisément sur les cellules de mémoire à long terme (LSTM) et les unités récurrentes à déclenchement (GRU). Nous présentons également le jeu de données utilisé pour l’entraînement et le test de nos modèles, basé sur WikiSQL, et enfin nous montrons où nous sommes arrivés en termes de précision.

A propos de l’étude

“Vast amount of today’s information is stored in relational database and provide the foundation of applications such as medical records [1], financial markets [2], and cus- tomer relations management [3]. However, accessing relational databases requires an understanding of query languages such as SQL, which, while powerful, is difficult to master for non-technical users. Even for an expert, writing SQL queries can be chal- lenging, as it requires knowing the exact schema of the database and the roles of various entities in the query. Hence, researches has recently appeared to approach systems that map natural language to SQL query, and a long-standing goal has been to allow users to interact with the database through natural language [4,5]. We refer to this task as Text-to-SQL.”

Lire l’article complet

Lecture Notes in Networks and Systems (LNNS, volume 144)

SpringerLink fournit aux chercheurs l’accès à des millions de documents scientifiques provenant de revues, livres, séries, protocoles et ouvrages de référence.