Text2SQLNet: Syntax Type-Aware Tree Networks pour la conversion de texte en SQL

Découvrez notre article de conférence Text2SQLNet : Syntax Type-Aware Tree Networks for Text-to-SQL – Conférence internationale Europe Moyen-Orient & Afrique du Nord Systèmes d’information et technologies pour soutenir l’apprentissage –  Learning and Analytics in Intelligent 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

La construction d’interfaces en langage naturel avec des bases de données relationnelles est un challenge important dans le domaine du traitement du langage naturel (NLP). Elle nécessite un système capable de comprendre les questions en langage naturel et de générer les requêtes SQL correspondantes. Dans cet article, nous présentons notre idée d’utiliser les informations de type et le contenu de la base de données pour mieux comprendre les entités rares et les nombres dans les questions en langage naturel, afin d’améliorer le modèle SyntaxSQLNet qui est l’état de l’art dans la tâche Text-to-SQL. Nous présentons également l’architecture globale et les techniques qui peuvent être utilisées dans la mise en œuvre de notre modèle de réseau neuronal (NN) Text2SQLNet, avec l’intégration de notre idée qui consiste à utiliser les informations sur les types pour mieux comprendre les entités rares et les nombres dans les questions en langage naturel. Nous pouvons également utiliser le contenu de la base de données pour mieux comprendre la requête de l’utilisateur si elle n’est pas bien formée. L’implémentation de cette idée peut encore améliorer les performances de la tâche Text-to-SQL.

A propos de l’étude

“Relational databases store a vast amount of today’s information and provide the foundation of applications such as medical records (Hillestad et al., 2005)[1], financial markets (Beck and al., 2000)[2], and customer relations management (Ngai et al., 2009)[3]. However, accessing relational databases requires an understanding of query languages such as SQL, which, while powerful, is difficult to master. Natural language interfaces (NLI), a research area at the intersection of natural language processing and human- computer interactions, seeks to provide means for humans to interact with computers through the use of natural language (Androutsopoulos et al., 1995)[4]. Natural language always contains ambiguities, each user can express himself in his own way.”

Lire l’article complet

Learning and Analytics in Intelligent Systems (LAIS, volume 7)

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