Oct, 2022

AskYourDB: 使用自然语言查询和可视化关系型数据库的端到端系统

PDF
TL;DR使用自然语言处理和语义解析的方法，在数据库查询过程中引入智能化，以帮助商业用户能够直接查询数据库。同时增加了自动可视化框架使得产品可供商业使用。
databasequeryingnatural language processingsemantic parsingvisualization
发现论文，激发创造
  • 在语义解析器的输出中寻找更好的数据库查询

    研究数据库查询的自然语言生成问题，提出一种基于搜索算法的神经自回归模型改进方法，应用于最先进的语义解析器，以便能够发现可在不同数据集上通过所有测试的查询。

    Oct, 2022

  • 从用户反馈中学习神经语义解析器

    本研究提出了一种使用神经序列模型直接将话语映射到 SQL 的自然语言接口构建方法，并基于用户反馈实现高质量的语义解析，实验表明这种方法快速适用于任何新领域。

    Apr, 2017

  • SQL 查询生成的最新进展：综述

    该论文综述了最新的自然语言转 SQL 查询方法和模型，并描述了使用深度学习技术的各种架构，阐述了数据集和评估指标。

    May, 2020

  • 基于数据库的对话自然语言接口的高效部署

    研究使用对话式多轮数据的方法加速训练自然语言到查询语言的机器学习模型，旨在解决领域数据有限及集成过程繁琐耗时等问题。

    May, 2020

  • 通过可编辑的逐步说明进行交互式文本到 SQL 生成

    本文介绍了一种新的交互机制，允许用户直接编辑一步一步的 SQL 解释，以纠正 SQL 错误，实验结果显示，我们的方法在执行准确性方面比三种 SOTA 方法至少高出 31.6％，用户研究进一步显示，我们的方法可以帮助用户在更短的时间内解决更多的 SQL 任务并提高信心水平，特别是为非专业人士扩展了数据库的使用。

    May, 2023

  • 语义解析：基于语法和表格的 SQL 生成

    利用生成模型将自然语言问题转换成 SQL 查询，并通过考虑表格结构和 SQL 语法来提高查询的可执行性和准确性。在 WikiSQL 数据集上进行实验，将执行准确率从 69.0％提高到 74.4％。

    Apr, 2018

  • 面向数据库的端到端神经自然语言接口

    本文介绍了一种基于深度模型的数据探索工具 DBPal，它采用自然语言界面，能够将自然语言问题转化为 SQL 查询，并为用户提供自动完成功能，帮助用户更有效地编写复杂查询。

    Apr, 2018

  • 文本转 SQL 解析调查：概念，方法和未来方向

    该研究综述了文本到结构化查询语言解析的深度学习方法，介绍了单轮和多轮对话的文本到 SQL 解析语料库，阐明了预训练语言模型和现有方法，探讨了面临的挑战和未来发展方向。

    Aug, 2022

  • xDBTagger: 使用关键词映射和模式图解释数据库的自然语言接口

    xdbtagger 是一种可解释的混合翻译管道，适用于自然语言查询翻译为结构化查询语言的问题，通过文本和视觉方式解释决策，有效地提高了翻译的准确性和效率，适用于多个实际关系数据库和数据集。

    Oct, 2022

  • 你的意思是什么？”—— 一种独立于解析器的交互式方法，用于增强文本到 SQL 的能力

    该研究论文提出了一种名为 PIIA 的交互式方法，它使用多项选择题与用户交互，以提高自然语言查询数据库的性能，并且能够与多个解析器一起使用。实验结果表明，PIIA 可以显著提高 text-to-SQL 的性能。

    Nov, 2020